PRO-002:统计分析微信头像使用人脸的情况
2018-11-05 本文已影响71人
杨强AT南京
本这主题的目标：
（1）了解数据采集的方式的多样性（微信数据采集）。
（2）了解简单的人工智能处理技术称为未来开发技术的常态应用技术。
（3）了解数据可视化也是Python的强项之一。
一、程序结构
1. 程序功能
我们的目标简单实现，登录到微信，下载所有好友头像，并进行头像的人脸识别，把产生的统计数据可视化出来。
核心功能就是：
|-好友头像下载（downloadFriendsFaces）
|-好友头像人脸识别（recognize）
|-好友头像识别统计数据可视化（visualPie）
2. 程序的核心对象与类
我们可以把这三个核心的功能，交给三个对象去完成。
|-微信数据采集模块（DataFromWebchat）
|-图像几何人工智能识别模块（AiR）
|-数据可视化模块（VisualData）
3. 对象的责任分配
简单分析下上述三个模块之间的数据关系，可以实现如下程序结构：
（1）DataFromWebchat模块
#coding=utf-8
import matplotlib
class DataFromWebchat:
def __init__(self,facedir):
#初始化存放目录
pass
def downloadFriendsFaces(self):
pass
print("download")
#login
#获取好友列表
#下载好友头像
（2）AiR模块
class AiR:
def __init__(self,facedir):
#分类器初始化
#图像目录
pass
def recognize(self):
sum=0
isface=0
print("recognize")
return (sum,isface)
（3）VisualData模块
class VisualData:
def __init__(self):
pass
#初始化绘制环境
def visualPie(self,data):
pass
print("Pie")
（4）三个模块最终实现的业务逻辑关系的AnalysisApp模块
FACEDIR="./faces"
class AnalysisApp:
data=DataFromWebchat(FACEDIR)
ai = AiR(FACEDIR)
visual=VisualData()
def analysis(self):
print("analysis")
self.data.downloadFriendsFaces()
sum,isfaces=self.ai.recognize()
self.visual.visualPie((isfaces,sum-isfaces))
（5）启动系统
app=AnalysisApp()
app.analysis()
二、程序实现
1、引用的模块
import cv2
import matplotlib.pyplot as plt
import matplotlib.font_manager
import itchat
import os
import sys
2. 用Python程序获取所有微信好友；
（1）构造器与数据
def __init__(self,facedir):
#初始化存放目录
self.facedir=facedir
（1）登录
#登录
print("开始登录.....")
itchat.auto_login(hotReload=True)
（2）获取好友列表
#获取好友列表
print("开始获取好友列表.....")
friends=itchat.get_friends()
（3）了解好友的信息结构
好友信息是一个list列表，使用for... in可以实现遍历。每个用户是一个字典，字典很多字段，其中有一个是userName，这个可以用来获取用户头像。其他信息都可以直接在指点获取，微信头像的图像是单独存放的，所以获取方式需要单独的API。
for friend in friends:
username=friend['UserName']
3. 获取微信好友头像等信息；
（1）获取头像
faceData = itchat.get_head_img(userName=username)
（2）保存头像
头像文件名使用流水编号（采用5位数字来格式化文件名），文件读写采用二进制字节读写模式。
for friend in friends:
username=friend['UserName']
#获取图像并保存
filename=self.facedir+"face%05d.png"%(counter)
with open(filename,"wb") as fd:
faceData = itchat.get_head_img(userName=username)
fd.write(faceData)
counter+=1
（3）完整的微信用户头像数据采集模块如下：
class DataFromWebchat:
def __init__(self,facedir):
#初始化存放目录
self.facedir=facedir
pass
def downloadFriendsFaces(self):
#登录
print("开始登录.....")
itchat.auto_login(hotReload=True)
#获取好友列表
print("开始获取好友列表.....")
friends=itchat.get_friends()
#下载好友头像
counter=0
print("开始下载好友头像.....")
for friend in friends:
print(".",end="")
if (counter+1)%60==0:
print()
sys.stdout.flush()
username=friend['UserName']
#获取图像并保存
filename=self.facedir+"face%05d.png"%(counter)
with open(filename,"wb") as fd:
faceData = itchat.get_head_img(userName=username)
fd.write(faceData)
counter+=1
#下面是为了提高测试速度，正是运行可以注释掉
#if counter>=50:
# break
print("")
print("好友头像下载完毕！")
4、使用Python对微信好友头像识别分类；
（1）构建一个人脸分类器
self.classfier=cv2.CascadeClassifier(
"haarcascade_frontalface_alt2.xml")
（2）循环识别头像图像中的人脸
def recognize(self):
files=os.listdir(self.facesdir)
for file in files:
file=self.facesdir+file
if os.path.splitext(file)[1]==".png":
#开始识别
img=cv2.imread(file)
faces=self.classfier.detectMultiScale(img,scaleFactor=1.1,minNeighbors=5)
if len(faces)>0:
print(file)
self.isfaces+=1
self.sum+=1
return (self.sum,self.isfaces)
（3）完整的头像人脸识别分析模块代码如下:
class AiR:
def __init__(self,facedir):
#分类器初始化
self.classfier=cv2.CascadeClassifier("haarcascade_frontalface_alt2.xml")
#图像目录
self.facedir=facedir
def recognize(self):
sum=0
isface=0
#遍历图像目录逐个识别
print("开始识别好友头像是否是人脸.....")
files=os.listdir(self.facedir)
for file in files:
if (sum+1)%60==0:
print()
file=self.facedir + file
if os.path.splitext(file)[1] == ".png":
img=cv2.imread(file)
faces=self.classfier.detectMultiScale(image=img,scaleFactor=1.2,minNeighbors=5)
if len(faces)>0:
isface+=1
print("\033[32m.\033[0m", end="")
else:
print("\033[31mx\033[0m", end="")
sys.stdout.flush()
sum+=1
print()
print("头像识别完毕！")
return (sum,isface)
5、微信分析结果可视化；
（1）可视化的初始化与汉字字体处理
def __init__(self):
#环境设置
plt.figure(figsize=(8,5),dpi=80)
plt.axes(aspect=1)
（2）可视化参数设置
def visualPie(self,data):
sum=data[0]
isfaces=data[1]
pie=plt.pie((100.0*isfaces/sum,100.0*(sum-isfaces)/sum),
labels=("is face","not face"),
colors=("red","gray"),
labeldistance=1.1,
autopct="%5.2f%%",
shadow=False,
startangle=0,
pctdistance=0.6)
plt.title("webchat faces analysis")
plt.show()
（3）完整的可视化模块代码如下：
class VisualData:
def __init__(self):
#初始化绘制环境
self.font = matplotlib.font_manager.FontProperties(fname="msyh.ttf")
plt.figure(figsize=(8, 5), dpi=80)
plt.axes(aspect=1)
def visualPie(self,data):
sum=data[0]
isfaces=data[1]
print("数据分析可视化!")
pie=plt.pie((100.0*isfaces/sum,100.0*(sum-isfaces)/sum), #绘制数据
labels=("使用人脸做头像","不使用人脸做头像"), # 性别展示标签
colors=("red","gray"), # 饼图区域配色
labeldistance=1.1, # 标签距离圆点距离
autopct='%5.2f%%', # 饼图区域文本格式
shadow=False, # 饼图是否显示阴影
startangle=0, # 饼图起始角度
pctdistance=0.6, # 饼图区域文本距离圆点距离
)
for item in pie[1]:
item.set_fontproperties(self.font)
plt.title('微信好友使用人脸头像情况(总数=%d)'%data[0],fontproperties=self.font)
plt.show()
6. 运行结构
（1）终端输出
微信图像采集与识别输出
（2）可视化结果
微信好友头像使用人像的分析结果
（3）下载的微信好友头像
微信好友头像下载目录列表
资源
1. 本主题的代码下载：
|-文件名："webchat_ana_1.py"
|-下载地址：https://github.com/QiangAI/PythonProject
