栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

试试用Flask弄个小的网页

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

试试用Flask弄个小的网页

实验环境

操作系统: Windows 11

IDE: PyCharm Community Edition 2022.1.1

Python: 3.9.7

实验步骤 一、配置环境

要想创建项目,首先需要安装flask包,输入

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple flask

会自动安装flask及其依赖。安装好之后,就可以开始创建flask项目了。

项目的目录大概是这个样子:

 

static用来储存静态资源,templates里面储存html页面。

__init__.py文件代码如下:

from flask import Flask
app = Flask(__name__)

import pythonProject.views

 runserver.py文件代码如下:

from os import environ
from pythonProject import app

if __name__ == '__main__':
    app.run(debug=True)

这两个文件完成了flask项目的创建。接下来,我们就可以开始着手编写我们想要的页面了。

二、将MySQL数据库中的新华字典打印到页面中

首先要先安装一个叫pymysql的包,来连接mysql数据库。

安装好之后,就可以使用以下代码连接数据库了:

import pymysql

conn = pymysql.connect(
    host="数据库地址",
    user="用户名",
    password="密码",
    database="数据库名",
    charset="utf8"
)
cursor = conn.cursor()
sql = "SELECt jijie FROM map_xhzd"
try:
    cursor.execute(sql)
    results = cursor.fetchall()
except:
    conn.rollback()

sql变量储存的是查询语句,这里我们想将新华字典表中的释义打印出来,所以只select了"jijie"列。

之后,我们要设计以下这个页面的路由,这样我们才可以通过url来访问到这个页面:

@app.route('/xhzd')
def xhzd():
    return render_template(
        'xhzd.html',
        zd=results
    )

@app.route('/xhzd')表示我们可以通过"服务器地址/xhzd"来访问这个页面。"xhzd.html"是页面的html文件,zd参数传入了我们刚才获取的释义列表。

在写好了路由之后,我们就可以编写对应的html页面了。要注意,html文件要放在templates文件夹下,否则flask识别不出来。




    
    新华字典


    {% for i in range(5000) %}
        

{{zd[i]}}

{% endfor %}

路由中传入的参数可以通过jinjia2模板的形式进行访问。jinjia2也可以实现简单的python控制块。在这里,我们使用了jinjia2的for循环模板,对zd中的前5000条记录进行了遍历。

结果如下图所示:

三、 将人脸匹配识别的内容放入到页面中

这里尝试用facenet_pytorch进行人脸匹配,首先要安装pytorch以及facenet_pytorch库。

之后要下载人脸识别的预训练模型,放到对应的目录: 

之后就可以开始写人脸匹配识别的代码了,这里用的是师姐的代码:

import cv2
import torch
from facenet_pytorch import MTCNN, InceptionResnetV1
def load_known_faces(dstImgPath, mtcnn, resnet):
    aligned = []
    knownImg = cv2.imread(dstImgPath) # 读取图⽚
    face = mtcnn(knownImg)  # 使⽤mtcnn检测⼈脸,返回【⼈脸数组】
    if face is not None:
        aligned.append(face[0])
    aligned = torch.stack(aligned).to(device)
    with torch.no_grad():
        known_faces_emb = resnet(aligned).detach().cpu()  # 使⽤resnet模型获取⼈脸对应的特征向量
    return known_faces_emb, knownImg

def match_faces(faces_emb, known_faces_emb, threshold):
    isExistDst = False
    distance = (known_faces_emb[0] - faces_emb[0]).norm().item()
    if(distance < threshold):
        isExistDst = True
    return isExistDst

device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
# mtcnn模型加载【设置⽹络参数,进⾏⼈脸检测】
mtcnn = MTCNN(min_face_size=12, thresholds=[0.2, 0.2, 0.3], keep_all=True, device=device)
# InceptionResnetV1模型加载【⽤于获取⼈脸特征向量】
resnet = InceptionResnetV1(pretrained='vggface2').eval().to(device)
MatchThreshold = 0.8    # ⼈脸特征向量匹配阈值设置
# 注意图⽚路径
known_faces_emb, _ = load_known_faces('pythonProject/static/sss1.jpg', mtcnn, resnet)  # 已知⼈物图
faces_emb, img = load_known_faces('pythonProject/static/sss2.jpg', mtcnn, resnet) # 待检测⼈物图
isExistDst = match_faces(faces_emb, known_faces_emb, MatchThreshold)
# ⼈脸匹配
if isExistDst:
    boxes, prob, landmarks = mtcnn.detect(img, landmarks=True)  # 返回⼈脸框,概率,5个⼈脸关键点
    result = '匹配'
    # 画人脸框
    img1 = cv2.imread('pythonProject/static/sss2.jpg')
    rec = boxes[0]
    img1 = cv2.rectangle(img1, (int(rec[0]), int(rec[1])), (int(rec[2]), int(rec[3])), (255, 0, 0), 2)
    recpath = 'static/sss2rec.jpg'
    cv2.imwrite('pythonProject/static/sss2rec.jpg', img1)
    # 画特征点
    img2 = cv2.imread('pythonProject/static/sss2.jpg')
    for pt in landmarks[0]:
        img2 = cv2.circle(img2, (int(pt[0]), int(pt[1])), 2, (0, 255, 0), 1)
    ptpath = 'static/sss2pt.jpg'
    cv2.imwrite('pythonProject/static/sss2pt.jpg', img2)
else:
    result = '不匹配'

路由代码如下:

@app.route('/face')
def face():
    return render_template(
        'face.html',
        faces_emb=faces_emb,
        result=result,
        boxes=boxes,
        prob=prob,
        recpath=recpath,
        ptpath=ptpath
    )

 face.html文件代码如下:




    
    人脸匹配



    {{result}}
    相似度为{{prob[0]}}


    
        已知人物图
        
    
    
        待检测人物图
        
    


    
        人脸框框
        {recpath}} />
    
    
        人脸特征点
        {ptpath}} />
    


    

特征向量

{% for i in faces_emb %}

{% for j in i %} {{j}} {% endfor %}

{% endfor %}

结果如下图所示: 

 

 

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/917782.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号