Настройка программного обеспечения
Без промедления начнём. Нам нужно установить следующее ПО:
Windows 10
Anaconda 3 (Python 3.8)
Visual Studio 2019 (Community) - объясню позже, зачем она понадобится.
Открываем Anaconda Prompt (Anaconda3) и устанавливаем следующие пакеты:
pip install opencv-python
pip install dlib
pip install face_recognition
И уже на этом моменте начнутся проблемы с dlib.
Решаем проблему с dlib
Я перепробовал все решения, что нашёл в интернете и они оказались неактуальными - раз, два, три, официальное руководство и видео есть. Поэтому будем собирать пакет вручную.
Итак, первая же ошибка говорит о том, что у нас не установлен cmake.
ERROR: CMake must be installed to build dlib
Не закрывая консоль, вводим следующую команду:
pip install cmake
Проблем при установке быть не должно
Пробуем установить пакет той же командой (pip install dlib)
, но на этот раз получаем новую ошибку:
Отсутствуют элементы Visual Studio
Ошибка явно указывает, что у меня, скорее всего, стоит студия с элементами только для C# - и она оказывается права. Открываем Visual Studio Installer, выбираем "Изменить", в вкладке "Рабочие нагрузки" в разделе "Классические и мобильные приложения" выбираем пункт "Разработка классических приложений на С++":
Пошагово
Почему важно оставить все галочки, которые предлагает Visual Studio. У меня с интернетом плоховато, поэтому я решил не скачивать пакет SDK для Windows, на что получил следующую ошибку:
Не нашли компилятор
Я начал искать решение этой ошибки, пробовать менять тип компилятора (cmake -G " Visual Studio 16 2019"), но только стоило установить SDK, как все проблемы ушли.
Я пробовал данный метод на двух ПК и отмечу ещё пару подводных камней. Самое главное - Visual Studio должна быть 2019 года. У меня под рукой был офлайн установщик только 2017 - я мигом его поставил, делаю команду на установку пакета и получаю ошибку, что нужна свежая Microsoft Visual C++ версии 14.0. Вторая проблема была связана с тем, что даже установленная студия не могла скомпилировать проект. Помогла дополнительная установка Visual C++ 2015 Build Tools и Microsoft Build Tools 2015.
Открываем вновь Anaconda Prompt, используем ту же самую команду и ждём, когда соберется проект (около 5 минут):
Сборка
Для удобства залили скомпилированные файлы в репозиторий - https://github.com/OlegBezverhii/python-notebooks/blob/master/For%20dlibs
Управляем громкостью
Вариантов оказалось несколько (ссылка), но чем проще - тем лучше. На русском язычном StackOverflow предложили использовать простую библиотеку от Paradoxis - ей и воспользуемся. Чтобы установить её, нам нужно скачать архив, пройти по пути C:\ProgramData\Anaconda3\Lib и перенести файлы keyboard.py, sound.py из архива. Проблем с использованием не возникало, поэтому идём дальше
Собираем события мыши
Самым популярным модулем для автоматизации управления мышью/клавиатурой оказался pynput. Устанавливаем так же через (pip install pynput)
. У модуля в целом неплохое описание - https://pynput.readthedocs.io/en/latest/mouse.html . Но у меня возникли сложности при получении событий. Я написал простую функцию:
from pynput import mouse
def func_mouse():
with mouse.Events() as events:
for event in events:
if event:
print('Переместил мышку/нажал кнопку/скролл колесиком: {}\n'.format(event))
print('Делаю половину громкости: ', time.ctime())
Sound.volume_set(volum_half)
break
В комментариях к статье придём к истине, как лучше сделать.
А что в итоге?
Adam Geitgey, автор библиотеки face recognition, в своём репозитории имеет очень хороший набор примеров, которые многие используют при написании статей: https://github.com/ageitgey/face_recognition/tree/master/examples
Воспользуемся одним из них и получим следующий код, который можно скачать по ссылке: Activity.ipynb, Activity.py
Код
# Подключаем нужные библиотеки
import cv2
import face_recognition
# Получаем данные с устройства (веб камера у меня всего одна, поэтому в аргументах 0)
video_capture = cv2.VideoCapture(0)
# Инициализируем переменные
face_locations = []
from sound import Sound
Sound.volume_up() # увеличим громкость на 2 единицы
current = Sound.current_volume() # текущая громкость, если кому-то нужно
volum_half=50 # 50% громкость
volum_full=100 # 100% громкость
Sound.volume_max() # выставляем сразу по максимуму
# Работа со временем
# Подключаем модуль для работы со временем
import time
# Подключаем потоки
from threading import Thread
import threading
# Функция для работы с активностью мыши
from pynput import mouse
def func_mouse():
with mouse.Events() as events:
for event in events:
if event == mouse.Events.Scroll or mouse.Events.Click:
#print('Переместил мышку/нажал кнопку/скролл колесиком: {}\n'.format(event))
print('Делаю половину громкости: ', time.ctime())
Sound.volume_set(volum_half)
break
# Делаем отдельную функцию с напоминанием
def not_find():
#print("Cкрипт на 15 секунд начинается ", time.ctime())
print('Делаю 100% громкости: ', time.ctime())
#Sound.volume_set(volum_full)
Sound.volume_max()
# Секунды на выполнение
#local_time = 15
# Ждём нужное количество секунд, цикл в это время ничего не делает
#time.sleep(local_time)
# Вызываю функцию поиска действий по мышке
func_mouse()
#print("Cкрипт на 15 сек прошел")
# А тут уже основная часть кода
while True:
ret, frame = video_capture.read()
'''
# Resize frame of video to 1/2 size for faster face recognition processing
small_frame = cv2.resize(frame, (0, 0), fx=0.50, fy=0.50)
rgb_frame = small_frame[:, :, ::-1]
'''
rgb_frame = frame[:, :, ::-1]
face_locations = face_recognition.face_locations(rgb_frame)
number_of_face = len(face_locations)
'''
#print("Я нашел {} лицо(лица) в данном окне".format(number_of_face))
#print("Я нашел {} лицо(лица) в данном окне".format(len(face_locations)))
'''
if number_of_face < 1:
print("Я не нашел лицо/лица в данном окне, начинаю работу:", time.ctime())
'''
th = Thread(target=not_find, args=()) # Создаём новый поток
th.start() # И запускаем его
# Пока работает поток, выведем на экран через 10 секунд, что основной цикл в работе
'''
#time.sleep(5)
print("Поток мыши заработал в основном цикле: ", time.ctime())
#thread = threading.Timer(60, not_find)
#thread.start()
not_find()
'''
thread = threading.Timer(60, func_mouse)
thread.start()
print("Поток мыши заработал.\n")
# Пока работает поток, выведем на экран через 10 секунд, что основной цикл в работе
'''
#time.sleep(10)
print("Пока поток работает, основной цикл поиска лица в работе.\n")
else:
#все хорошо, за ПК кто-то есть
print("Я нашел лицо/лица в данном окне в", time.ctime())
Sound.volume_set(volum_half)
for top, right, bottom, left in face_locations:
cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)
cv2.imshow('Video', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
video_capture.release()
cv2.destroyAllWindows()
Суть кода предельно проста: бегаем в цикле, как только появилось хотя бы одно лицо (а точнее координаты), то звук делаем 50%. Если не нашёл никого поблизости, то запускаем цикл с мышкой.
Тестирование в бою
Ожидание и реальность
Если вы посмотрели видео, то поняли, что результат ещё далёк от реальной эксплуатации.
Признаю честно - до этого момента никогда не сталкивался с многопоточностью на Python, поэтому "с наскоку" тему взять не удалось и результат по видео понятен. Есть неплохая статья на Хабре, описывающая различные методы многопоточности, применяемые в языке. Пока у меня решения нету по этой теме нету - будет повод разобраться лучше и дописать код/статью с учетом этого.
Так же возникает закономерный вопрос - а если вместо живого человека поставить перед монитором картинку? Да, она распознает, что, скорее всего, не совсем верно. Мне попался очень хороший материал по поводу определения живого лица в реальном времени - https://www.machinelearningmastery.ru/real-time-face-liveness-detection-with-python-keras-and-opencv-c35dc70dafd3/ , но это уже немного другой уровень и думаю новичкам это будет посложнее. Но эксперименты с нейронными сетями я чуть позже повторю, чтобы тоже проверить верность и повторяемость данного руководства.
Немаловажным фактором на качество распознавания оказывает получаемое изображение с веб-камеры. Предложение использовать 1/4 изображения (сжатие его) приводит только к ухудшению - моё лицо алгоритм распознать так и не смог. Для повышения качества предлагают использовать MTCNN face detector (пример использования), либо что-нибудь посложнее из абзаца выше.
Другая интересная особенность - таймеры в Питоне. Я, опять же, признаю, что ни разу до этого не было нужды в них, но все статьях сводится к тому, чтобы ставить поток в sleep(кол-во секунд). А если мне нужно сделать так, чтобы основной поток был в работе, а по истечению n-ое количества секунд не было активности, то выполнялась моя функция? Использовать демонов (daemon)? Так это не совсем то, что нужно. Писать отдельную программу, которая взаимодействует с другой? Возможно, но единство программы пропадает.
Заключение
На своём примере могу точно сказать - не все руководства одинаково полезны и простая задача может перерасти в сложную. Я понимаю, что большинство материалов является переводом/простым копированием документации. Но если ты пишешь руководство, то проверь хотя бы на тестовой системе, что написанные тобой действия точно повторимы. Пробуйте, экспериментируйте - это хороший повод изучить и узнать новое.
P.S. Предлагаю вам, читатели, обсудить в комментариях статью - ваши идеи, замечания, уточнения.