faceDetectionV3

import mysql.connector
import face_recognition
import cv2
import numpy as np

video_capture = cv2.VideoCapture(0) # capturam camera video

mydb = mysql.connector.connect( # accesam baza de date
  host="localhost",
  user="root",
  password="",
  database="mydatabase"
)

lista_nume_DB = [] # liste pentru informatiile pe care le vom prelua din baza de date
lista_imagini = []

mycursor = mydb.cursor() # clasa cu pe care o utilizam pentru BD

mycursor.execute("SELECT NumePrenume FROM facedetection ")  # comanda pentru a prelua Numele studentului din baza de date
myresult = mycursor.fetchall()
lista_nume_DB = [item for t in myresult for item in t]  # intrucat se preia ca si un tuplu, o convertim la lista


mycursor.execute("SELECT locatieImagine FROM facedetection ")   # comanda pentru a prelua path-ul pentru imaginea studentului
myresult = mycursor.fetchall()
lista_imagini = [item for t in myresult for item in t]  # intrucat se preia ca si un tuplu, o convertim la lista


listaFete_codificateDB = []                                                     # codificam imaginile preluate din baza de date
for i in range(len(lista_imagini)):
  imagine = lista_imagini[i]                                                    # luam fiecare imagine pe rand si o codificam
  imagine_incarcata = face_recognition.load_image_file(imagine)
  imagine_codificata = face_recognition.face_encodings(imagine_incarcata)[0]
  listaFete_codificateDB.append(imagine_codificata)                               # adaugam imaginile codificate la o lista
print(listaFete_codificateDB[0])

#  liste unde se vor stoca informatii din fluxul video
fetele_gasite = []
fetele_codificate_gasite = []
numele_fetelor_gasite = []
process_this_frame = True

while True:
    # preluam frame cu frame din video
    ret, frame = video_capture.read()

    # relizam un redimensionare a capturii, pentru a face recunoasterea faciala mai rapida
    small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)

    # se converteste imaginea de la BGR, pe care OpenCV-ul o utilizeaza la RGB deoarece modulul face_recognition il utilizeaza
    rgb_small_frame = small_frame[:, :, ::-1]

    # Procesam frame cu frame
    if process_this_frame:
        # Gasim fetele, pe care le codificam
        fetele_gasite = face_recognition.face_locations(rgb_small_frame)
        fetele_codificate_gasite = face_recognition.face_encodings(rgb_small_frame, fetele_gasite)

        numele_fetelor_gasite = []
        for fata_codificata in fetele_codificate_gasite:
            # verificam daca fetele din fluxul video se regasesc in baza de date
            matches = face_recognition.compare_faces(listaFete_codificateDB, fata_codificata)
            name = "Unknown" # presupunem ca nu
            face_distances = face_recognition.face_distance(listaFete_codificateDB, fata_codificata)
            best_match_index = np.argmin(face_distances)
            if matches[best_match_index]: # in cazul in care se regaseste, adaugam numele in baza de date
                name = lista_nume_DB[best_match_index]
            numele_fetelor_gasite.append(name)

    process_this_frame = not process_this_frame # incheiem prelucrarea frame-ului curent


    # afisam rezultatul
    for (top, right, bottom, left), name in zip(fetele_gasite, numele_fetelor_gasite):
        top *= 4
        right *= 4
        bottom *= 4
        left *= 4

        # se deseneaza un patrat in jurul fetei
        cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)

        # adaugam labe-ul cu numele patratului
        cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)
        font = cv2.FONT_HERSHEY_DUPLEX
        cv2.putText(frame, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)

    # afisam in fluxul video
    cv2.imshow('Video', frame)

    # se apasa tasta 'q' pentru a iesi din program
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# inchidem camera si fereastra
video_capture.release()
cv2.destroyAllWindows()