PyQT5开发之构建参数化的人脸检测界面

OpenCV学堂 2023-02-03 19:21

点击上方蓝字关注我们

微信公众号:OpenCV开发者联盟

关注获取更多计算机视觉与深度学习知识

引言

不知不觉之中前面我们已经介绍多种PyQT5的界面元素与它们的事件响应,这些界面元素包括:
文本输入框QEditLine标签QLabel按钮QPushButton单选QRadioButton复选QCheckBox调节器QSpinBox下拉选择QComboBox多行文本QTextBrowser水平布局QHBoxLayout垂直布局QVBoxLayout网格布局QGridLayout
本文将会把OpenCV-Python中人脸检测算法模型推理时相关的参数全部界面化,实现用户从界面选择文件,完成人脸检测操作。这过程中主要借助了已经介绍的这些组件元素。设计好的界面如下图:


选择一张图像或者视频文件之后,点击【运行】按钮,执行如下:



人脸检测界面程序

程序实现从界面传参到算法执行更新界面显示的整个流程,其中人脸检测相关OpenCV代码实现可以参考这里:
https://www.bilibili.com/video/BV1hM4y1M7vQ/
界面构建的UI类代码如下:
  1from PyQt5 import QtWidgets, QtCore, QtGui
2import sys
3import cv2 as cv
4
5
6class FaceDetectDemoPanel(QtWidgets.QWidget):
7    def __init__(self, parent=None):
8        super().__init__(parent)
9        # 文本标签
10        self.weight_file_path = QtWidgets.QLineEdit()
11        self.weight_file_path.setMinimumWidth(150)
12        self.weight_file_path.setEnabled(False)
13        self.weight_file_path.setText("D:/projects/face_detector/opencv_face_detector_uint8.pb")
14        self.config_file_path = QtWidgets.QLineEdit()
15        self.config_file_path.setMinimumWidth(150)
16        self.config_file_path.setEnabled(False)
17        self.config_file_path.setText("D:/projects/face_detector/opencv_face_detector.pbtxt")
18        self.weight_select_btn = QtWidgets.QPushButton("浏览...")
19        self.config_file_btn = QtWidgets.QPushButton("浏览...")
20        hbox_layout1 = QtWidgets.QHBoxLayout()
21        hbox_layout1.addWidget(QtWidgets.QLabel("权重:"))
22        hbox_layout1.addWidget(self.weight_file_path)
23        hbox_layout1.addWidget(self.weight_select_btn)
24        hbox_layout1.addWidget(QtWidgets.QLabel("配置:"))
25        hbox_layout1.addWidget(self.config_file_path)
26        hbox_layout1.addWidget(self.config_file_btn)
27
28        panel1 = QtWidgets.QGroupBox("模型")
29        panel1.setLayout(hbox_layout1)
30
31        self.spinbox1 = QtWidgets.QDoubleSpinBox()
32        self.spinbox1.setRange(0.01.0)
33        self.spinbox1.setSingleStep(0.01)
34        self.spinbox1.setValue(0.25)
35        self.fps_chkbox = QtWidgets.QCheckBox("显示FPS")
36        self.score_chkbox = QtWidgets.QCheckBox("显示置信")
37        self.fps_chkbox.setChecked(True)
38        self.score_chkbox.setChecked(True)
39
40        hbox_layout2 = QtWidgets.QHBoxLayout()
41        hbox_layout2.addWidget(self.fps_chkbox)
42        hbox_layout2.addWidget(self.score_chkbox)
43        hbox_layout2.addWidget(QtWidgets.QLabel("置信阈值:"))
44        hbox_layout2.addWidget(self.spinbox1)
45
46        panel2 = QtWidgets.QGroupBox("参数与显示")
47        panel2.setLayout(hbox_layout2)
48
49        self.rbtn1 = QtWidgets.QRadioButton("图像")
50        self.rbtn2 = QtWidgets.QRadioButton("视频")
51        self.rbtn3 = QtWidgets.QRadioButton("WebCam")
52        self.rbtn1.setChecked(True)
53        self.image_file_path = QtWidgets.QLineEdit()
54        self.image_file_path.setEnabled(False)
55        self.browser_btn = QtWidgets.QPushButton("选择...")
56
57        hbox_layout3 = QtWidgets.QHBoxLayout()
58        hbox_layout3.addWidget(self.rbtn1)
59        hbox_layout3.addWidget(self.rbtn2)
60        hbox_layout3.addWidget(self.rbtn3)
61        hbox_layout3.addWidget(QtWidgets.QLabel("文件路径:"))
62        hbox_layout3.addWidget(self.image_file_path)
63        hbox_layout3.addWidget(self.browser_btn)
64
65        panel3 = QtWidgets.QGroupBox("数据源")
66        panel3.setLayout(hbox_layout3)
67
68        panel4 = QtWidgets.QWidget()
69        vbox_layout4 = QtWidgets.QVBoxLayout()
70        vbox_layout4.addWidget(panel1)
71        vbox_layout4.addWidget(panel2)
72        vbox_layout4.addWidget(panel3)
73        panel4.setLayout(vbox_layout4)
74
75        # 输入文本框
76        self.label = QtWidgets.QLabel()
77        pixmap = QtGui.QPixmap("images/16.jpg")
78        pix = pixmap.scaled(QtCore.QSize(620500), QtCore.Qt.KeepAspectRatio)
79        self.label.setPixmap(pix)
80        self.label.setAlignment(QtCore.Qt.AlignCenter)
81        self.label.setStyleSheet("background-color:black; color: green")
82
83        self.run_btn = QtWidgets.QPushButton("运行")
84        self.run_btn.setMaximumWidth(100)
85
86        # 添加到布局管理器中
87        vbox_layout = QtWidgets.QVBoxLayout()
88        vbox_layout.addWidget(panel4)
89        vbox_layout.addWidget(self.run_btn)
90        vbox_layout.addWidget(self.label)
91        vbox_layout.addStretch(1)
92
93        # 面板容器
94        self.setLayout(vbox_layout)
95
96        # setup listener
97        self.weight_select_btn.clicked.connect(self.on_weight_select)
98        self.config_file_btn.clicked.connect(self.on_config_select)
99        self.browser_btn.clicked.connect(self.on_image_select)
100
101        # setup listener
102        self.rbtn1.toggled.connect(self.on_select_changed)
103        self.rbtn2.toggled.connect(self.on_select_changed)
104        self.rbtn3.toggled.connect(self.on_select_changed)
105
106        self.run_btn.clicked.connect(self.on_face_detect)

 总结

本文主要是演示了PyQT5的常见组件综合运用与OpenCV人脸检测算法与PyQT5界面库的结合开发,实现简单的人脸检测界面程序。

扫码关注

OpenCV开发者联盟,

专注各种语言的OpenCV开发教程分享

OpenCV周边开发技术应用!

扫码查看OpenCV+OpenVIO+Pytorch系统化学习路线图


 推荐阅读 

CV全栈开发者说 - 从传统算法到深度学习怎么修炼

2022入坑深度学习,我选择Pytorch框架!

Pytorch轻松实现经典视觉任务

教程推荐 | Pytorch框架CV开发-从入门到实战

OpenCV4 C++学习 必备基础语法知识三

OpenCV4 C++学习 必备基础语法知识二

OpenCV4.5.4 人脸检测+五点landmark新功能测试

OpenCV4.5.4人脸识别详解与代码演示

OpenCV二值图象分析之Blob分析找圆

OpenCV4.5.x DNN + YOLOv5 C++推理

OpenCV4.5.4 直接支持YOLOv5 6.1版本模型推理

OpenVINO2021.4+YOLOX目标检测模型部署测试

比YOLOv5还厉害的YOLOX来了,官方支持OpenVINO推理

OpenCV学堂 专注计算机视觉开发技术分享,技术框架使用,包括OpenCV,Tensorflow,Pytorch教程与案例,相关算法详解,最新CV方向论文,硬核代码干货与代码案例详解!作者在CV工程化方面深度耕耘15年,感谢您的关注!
评论 (0)
我要评论
0
0
点击右上角,分享到朋友圈 我知道啦
请使用浏览器分享功能 我知道啦