项目实训（八）---封装后端视频人脸检测相关代码

这一部分主要进行的工作是把视频中人脸识别部分代码进行封装，对外提供接口。

目录

代码完善：

文件存储结构：

对外接口：​

测试：

结果规范：

---

代码完善：

1.这里设计了存储结构，规范了结果保存形式。

2.从单个视频处理，改进成文件夹下遍历处理gif

3.判断处理单个或者多个人物，进行不同的处理

4.抽取代码中散落的各种地址，以传参形式，进行统一处理

文件存储结构：

我们商讨的文件存储结构如图：

Resources下的文件结构是我这部分的，结构如下：

对外接口：

def main(id,name,root_path,resources_path,path_GIF,path_orignalVideo):
    getFaceDB(id,name,root_path,resources_path)
    #判断faceS下有几个文件夹    
    path_1=root_path+'/Resources/faceS'
    people = os.listdir(path_1)
    #如果一个，调用原视频
    if len(people)==1:
        face_recognition(id, path_orignalVideo, root_path, resources_path)
    else:
        # 如果多于一个，遍历gif目录处理
        gif = os.listdir(path_GIF)
        for i in gif:
            path_gif = path_GIF + '/' + i
            face_recognition(id, path_gif, root_path, resources_path)

测试：

def start(id,name):
#整个Resource所在文件夹
    root_path=r'C:/Users/DELL/Desktop/Face_Recognition-master'
#人脸预测器的位置 && python程序所在地址
    resources_path=os.path.abspath("") + "\Resources\"
#关键帧后gif所在位置
    path_Gif=path = root_path + '/Resources/gif'
#原视频所在位置
    path_orignalVideo=r'C:\Users\DELL\Desktop\Face_Recognition-master\Resources\shipin.mp4'
#测试
    main(id,name,root_path,resources_path,path_Gif,path_orignalVideo)

结果规范：

封装后进行了测试，其中遇到部分路径没有规范好的问题，在测试中进行了解决。

不同于前面只是打印出来结果，这里对结果进行了一个规范化的存储：

单人物：记录gif的地址和目标人物出现次数，结果存储成.csv。

 多人物：记录整个影片，目标的多个人物出现的时间点，存储成json,返回前端。