猫狗识别（超详细版）（py代码）

猫狗识别（一）

二、视频识别

用OpenCV和Tkinter构建的视频识别猫狗的应用程序。它允许用户从文件对话框中选择一个视频文件，然后在Tkinter窗口中播放视频，并使用Haar级联分类器实时检测视频中的猫和狗。

1.导入所需的库：

cv2用于视频捕获和图像处理，tkinter用于创建GUI，filedialog用于打开文件对话框，Image和ImageTk用于处理图像，threading用于创建新线程以更新视频帧，subprocess用于启动其他Python脚本。

import cv2

import tkinter as tk

from tkinter import filedialog

from PIL import Image, ImageTk

import threading

import subprocess

2.创建Tkinter主窗口并设置标题。

# 初始化窗口

root = tk.Tk()

root.title("视频识别猫狗")

3.设置窗口的宽度和高度。

# 设置窗口大小

window_width = 800

window_height = 600

root.geometry(f"{window_width}x{window_height}")

4.创建一个Canvas，它将用于显示视频帧。

# 创建一个Canvas用于显示视频

canvas = tk.Canvas(root, width=window_width, height=window_height, bg="white")

canvas.pack()

5.初始化一个视频流变量cap，用于存储OpenCV的视频捕获对象。

# 初始化视频流

cap = None

6.定义一个函数update_frame，用于更新Canvas上的视频帧。

# 更新视频帧的函数

def update_frame():

    global cap

    while cap is not None and cap.isOpened():

        ret, frame = cap.read()

        if ret:

            # 转换为灰度图像

            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)



            # 加载Haar cascade文件

            cat_cascade = cv2.CascadeClassifier('haarcascade_frontalcatface.xml')

            dog_cascade = cv2.CascadeClassifier('haarcascade_frontalface_alt.xml')



            # 检测猫和狗

            cats = cat_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

            dogs = dog_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))



            # 在检测到的猫和狗周围画矩形框

            for (x, y, w, h) in cats:

                cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)

            for (x, y, w, h) in dogs:

                cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)



            # 转换为Tkinter兼容的格式并显示

            frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)

            image = Image.fromarray(frame)

            image = ImageTk.PhotoImage(image)



            # 自动调整Canvas大小以适应视频帧

            canvas.config(width=image.width(), height=image.height())

            canvas.create_image(0, 0, anchor=tk.NW, image=image)

            root.update_idletasks()

            root.after(10, update_frame)  # 每10毫秒更新一次帧

        else:

            cap.release()

            break

7.定义一个函数update_frame，用于更新Canvas上的视频帧。

# 选择视频的函数

def select_video():

    global cap

    file_path = filedialog.askopenfilename(initialdir="data/视频识别数据")

    if file_path:

        cap = cv2.VideoCapture(file_path)

        threading.Thread(target=update_frame).start()

8.定义一个函数close，用于退出程序并关闭视频流。

# 退出程序的函数

def close():

    # 停止视频流

    subprocess.Popen(["python", "主页面.py"])

    if cap is not None and cap.isOpened():

        cap.release()

    # 销毁窗口

    root.destroy()

    # 启动主页面程序

9.创建两个按钮，一个用于选择视频文件，另一个用于退出程序。按钮的图片和位置在这里设置。

# 创建按钮

image = Image.open("选择视频.gif")  # 加载一张图片

photo2 = ImageTk.PhotoImage(image)

bt1 = tk.Button(root, image=photo2, width=162, height=100, command=select_video)

bt1.place(x=150, y=470)



image = Image.open("退出.gif")  # 加载一张图片

photo3 = ImageTk.PhotoImage(image)

bt1 = tk.Button(root, image=photo3, width=162, height=100, command=close)

bt1.place(x=500, y=470)