用python畫人

❶ python檢測人數代碼

您好！下面是一個使用 OpenCV 庫來檢測人數的 Python 代碼：
import cv2
# 讀入視頻文件
video = cv2.VideoCapture("video.mp4")
# 創建人體檢測器
body_cascade = cv2.CascadeClassifier('haarcascade_fullbody.xml')
# 初始化人數計數器
people_count = 0
# 循環讀取每一幀
while True:
# 讀取當前幀
ret, frame = video.read()
# 如果視頻結束，退出循環
if not ret:
break
# 轉為灰度圖
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 使用人體檢測器檢測人體
bodies = body_cascade.detectMultiScale(gray, 1.1, 3)
# 將檢測到的人體繪制矩形框
for (x, y, w, h) in bodies:
cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
# 將矩形框中的人數加 1
people_count += len(bodies)
# 顯示當前幀
cv2.imshow("Frame", frame)
# 如果按下 'q' 鍵，退出循環
if cv2.waitKey(1) == ord('q'):
break
# 關閉窗口
cv2.destroyAllWindows()
# 輸出總人數
print(f'Total people count: {people_count}')
在上面的代碼中，我們還初始化了一個 people_count 變數來記錄人數，並在每一幀中通過檢測到的人體數量搜旅坦來更新人數計數器。最後，我們使用了 OpenCV 的 imshow 函數來顯示當前幀鎮滾的圖像，並使用 waitKey 函數來檢測是世桐否按下了 'q' 鍵。如果按下 'q' 鍵，就會退出循環。
在循環結束後，我們使用了 destroyAllWindows 函數來關閉所有打開的窗口，並使用 print 函數輸出總人數。
如果我的回答對您有幫助，望採納！謝謝

❷ python怎麼用自定義函數畫手朝左邊的小人

可以指信插函數塌逗神。turtle.setup(700,700,100,100)#setup()設置窗體大小，後兩個參數可選，該函數也不是必須的

turtle.speed(10)#設置畫筆移到速度，參數值為0-10，數字越大，速度越大

turtle.pensize(10)#設置畫筆尺寸大小

turtle.pencolor(『green『)#設置畫筆顏色

turtle.penup()#將畫筆抬起團虧（抬起時移到畫筆將不會在畫布留下痕跡）

turtle.goto(0,190)#將畫筆移到（x,y）

turtle.pendown()#將畫筆落下

turtle.circle(80,360)#畫圓，半徑為正表示圓心在畫筆左邊

❸ python如何給二次元人物跳舞

1、首先下載python程序軟體，並登陸自己的賬號。
2、其碼滾次點擊該軟體主界面的文件選項，創建文件，並將二次元人物跳舞的代碼輸前升入該文件中。
3、最後點擊遲悔余運行該文件即可。

❹ 有一張人臉的側臉圖像，如何用python及相關的庫來計算人臉轉過的角度。

這個很難辦到，不過可以通過判斷關鍵點的特點進行判斷，但是准確率不高
前言
很多人都認為人臉識別是一項非常難以實現的工作，看到名字就害怕，然後心懷忐忑到網上一搜，看到網上N頁的教程立馬就放棄了。這些人里包括曾經的我自己。其實如果如果你不是非要深究其中的原理，只是要實現這一工作的話，人臉識別也沒那麼難。今天我們就來看看如何在40行代碼以內簡單地實現人臉識別。
一點區分
對於大部分人來說，區分人臉檢測和人臉識別完全不是問題。但是網上有很多教程有無無意地把人臉檢測說成是人臉識別，誤導群眾，造成一些人認為二者是相同的。其實，人臉檢測解決的問題是確定一張圖上有木有人臉，而人臉識別解決的問題是這個臉是誰的。可以說人臉檢測是是人識別的前期工作。今天我們要做的是人臉識別。
所用工具
Anaconda 2——Python 2
Dlib
scikit-image
Dlib
對於今天要用到的主要工具，還是有必要多說幾句的。Dlib是基於現代C++的一個跨平台通用的框架，作者非常勤奮，一直在保持更新。Dlib內容涵蓋機器學習、圖像處理、數值演算法、數據壓縮等等，涉獵甚廣。更重要的是，Dlib的文檔非常完善，例子非常豐富。就像很多庫一樣，Dlib也提供了Python的介面，安裝非常簡單，用pip只需要一句即可：
pip install dlib
上面需要用到的scikit-image同樣只是需要這么一句：
pip install scikit-image
註：如果用pip install dlib安裝失敗的話，那安裝起來就比較麻煩了。錯誤提示很詳細，按照錯誤提示一步步走就行了。

人臉識別
之所以用Dlib來實現人臉識別，是因為它已經替我們做好了絕大部分的工作，我們只需要去調用就行了。Dlib裡面有人臉檢測器，有訓練好的人臉關鍵點檢測器，也有訓練好的人臉識別模型。今天我們主要目的是實現，而不是深究原理。感興趣的同學可以到官網查看源碼以及實現的參考文獻。今天的例子既然代碼不超過40行，其實是沒啥難度的。有難度的東西都在源碼和論文里。
首先先通過文件樹看一下今天需要用到的東西：

准備了六個候選人的圖片放在candidate-faces文件夾中，然後需要識別的人臉圖片test.jpg。我們的工作就是要檢測到test.jpg中的人臉，然後判斷她到底是候選人中的誰。另外的girl-face-rec.py是我們的python腳本。shape_predictor_68_face_landmarks.dat是已經訓練好的人臉關鍵點檢測器。dlib_face_recognition_resnet_model_v1.dat是訓練好的ResNet人臉識別模型。ResNet是何凱明在微軟的時候提出的深度殘差網路，獲得了 ImageNet 2015 冠軍，通過讓網路對殘差進行學習，在深度和精度上做到了比
CNN 更加強大。
1. 前期准備
shape_predictor_68_face_landmarks.dat和dlib_face_recognition_resnet_model_v1.dat都可以在這里找到。
然後准備幾個人的人臉圖片作為候選人臉，最好是正臉。放到candidate-faces文件夾中。
本文這里准備的是六張圖片，如下：

她們分別是

然後准備四張需要識別的人臉圖像，其實一張就夠了，這里只是要看看不同的情況：

可以看到前兩張和候選文件中的本人看起來還是差別不小的，第三張是候選人中的原圖，第四張圖片微微側臉，而且右側有陰影。
2.識別流程
數據准備完畢，接下來就是代碼了。識別的大致流程是這樣的：
3.代碼
代碼不做過多解釋，因為已經注釋的非常完善了。以下是girl-face-rec.py
# -*- coding: UTF-8 -*-
import sys,os,dlib,glob,numpy
from skimage import io
if len(sys.argv) != 5:
print "請檢查參數是否正確"
exit()
# 1.人臉關鍵點檢測器
predictor_path = sys.argv[1]
# 2.人臉識別模型
face_rec_model_path = sys.argv[2]
# 3.候選人臉文件夾
faces_folder_path = sys.argv[3]
# 4.需識別的人臉
img_path = sys.argv[4]
# 1.載入正臉檢測器
detector = dlib.get_frontal_face_detector()
# 2.載入人臉關鍵點檢測器
sp = dlib.shape_predictor(predictor_path)
# 3. 載入人臉識別模型
facerec = dlib.face_recognition_model_v1(face_rec_model_path)
# win = dlib.image_window()
# 候選人臉描述子list
descriptors = []
# 對文件夾下的每一個人臉進行:
# 1.人臉檢測
# 2.關鍵點檢測
# 3.描述子提取
for f in glob.glob(os.path.join(faces_folder_path, "*.jpg")):
print("Processing file: {}".format(f))
img = io.imread(f)
#win.clear_overlay()
#win.set_image(img)
# 1.人臉檢測
dets = detector(img, 1)
print("Number of faces detected: {}".format(len(dets)))
for k, d in enumerate(dets):
# 2.關鍵點檢測
shape = sp(img, d)
# 畫出人臉區域和和關鍵點
# win.clear_overlay()
# win.add_overlay(d)
# win.add_overlay(shape)
# 3.描述子提取，128D向量
face_descriptor = facerec.compute_face_descriptor(img, shape)
# 轉換為numpy array
v = numpy.array(face_descriptor)
descriptors.append(v)
# 對需識別人臉進行同樣處理
# 提取描述子，不再注釋
img = io.imread(img_path)
dets = detector(img, 1)
dist = []
for k, d in enumerate(dets):
shape = sp(img, d)
face_descriptor = facerec.compute_face_descriptor(img, shape)
d_test = numpy.array(face_descriptor)
# 計算歐式距離
for i in descriptors:
dist_ = numpy.linalg.norm(i-d_test)
dist.append(dist_)
# 候選人名單
candidate = ['Unknown1','Unknown2','Shishi','Unknown4','Bingbing','Feifei']
# 候選人和距離組成一個dict
c_d = dict(zip(candidate,dist))
cd_sorted = sorted(c_d.iteritems(), key=lambda d:d[1])
print "\n The person is: ",cd_sorted[0][0]
dlib.hit_enter_to_continue()

4.運行結果
我們在.py所在的文件夾下打開命令行，運行如下命令
python girl-face-rec.py 1.dat 2.dat ./candidate-faecs test1.jpg
由於shape_predictor_68_face_landmarks.dat和dlib_face_recognition_resnet_model_v1.dat名字實在太長，所以我把它們重命名為1.dat和2.dat。
運行結果如下：
The person is Bingbing。
記憶力不好的同學可以翻上去看看test1.jpg是誰的圖片。有興趣的話可以把四張測試圖片都運行下試試。
這里需要說明的是，前三張圖輸出結果都是非常理想的。但是第四張測試圖片的輸出結果是候選人4。對比一下兩張圖片可以很容易發現混淆的原因。
機器畢竟不是人，機器的智能還需要人來提升。
有興趣的同學可以繼續深入研究如何提升識別的准確率。比如每個人的候選圖片用多張，然後對比和每個人距離的平均值之類的。全憑自己了。

❺ 如何快速學習Python

1.要有決心
做任何事情，首先要有足夠的決心和堅持，才能做好事情、學好Python也是如此。
2.勤於動手
對於編程語言的學習，不能眼高手低，學的過程中，想到就要寫出來，一方面能夠培養出寫代碼的感覺，另一方面可以加深知識的掌控。
3.一套完整的學習體系
Python編程語言的全面學習，需要擁有一整套系統的學習資料和學習計劃，全面掌握Python基礎知識，對以後解決Python編程過程中的問題十分有益!
4.項目實戰訓練
Python編程基礎知識的學習最終目的是應用於項目中，因此，項目實戰訓練必不可少，多做幾個項目，盡量是功能完整的項目，形成項目思路，對以後進行項目實戰是很有好處的!

❻ 用Python里的小海龜畫個簡單的小機器人怎麼搞

from turtle import *
from random import *
for i in range(4):
begin_fill()
penup()
goto(0, 30*(i+1)) # 從裡面最小鉛氏的一槐灶散個圓的底部，辯緩慢慢變大
fillcolor((random(), random(), random()))
pendown()
circle(150-30*(i+1))
end_fill()
mainloop()

❼ Python太好用了！AI初學者快速體驗人臉檢測

我們使頌宴用python進行AI識別測試，具體方式是是開啟本地電腦的攝像頭進行實時的識別，或者直接傳入一張圖片進行行人檢測，在分析代碼把數據源傳入到識別，看到的是source=』0』，但是這個參數是打開本地電腦的攝像頭流，再進行行人檢測。

但我們需要對此處進行修改，使用rtsp流，進行AI行人識別，下面需要進行分析代碼，找到可以修改的地方，或者摸個參數，來進行RTSP流的修改。

已經找到了視頻流在哪裡傳進去的了，下面就是進行分析裡面的代碼進行改成rtsp流，把rtsp流寫進去，汪知來做到實時分析，實現行人檢測的效果。

在進行分析的時候，發現source這個參數只有LoadStreams用到過，而且是直接傳進去的。

進入source參數裡面查看，發現裡面有一個默認的值，就是讀文件，如果不是文件，就把source=[source]，再進行source值遍歷。在遍歷中還使用到了opencv打開本地電腦的攝像機流，再開一個線程進行實時行人識別。

代碼中使用了opencv中cv2.VideoCapture的函數，從網上查找這個函數的用法得知，此函數是可以直接傳入rtsp流地址的，所以問題解決就簡單多了。cv2.VideoCapture這個函數是可以傳入rtsp地址的，所以傳入rtsp地址進行嘗試，發現傳入rtsp地址是沒有問題的。困櫻消

只要修改source這個參數即可，最終實現了檢測：

❽ PythonDOTA人物能力值雷達圖label為什麼沒用

Python可以使用matplotlib或者plotly等庫來繪制雷達圖，也就是用來顯示多變數數據的一種二維圖表，每個變數對應一個從中心發出的軸。DOTA是一款多人在族鄭線對戰游戲，每個英雄都有不同的能力值，可以用雷達圖來表示。

如果你想在雷達圖上添加標簽，也就是每個軸的變數名，稿租你需要注意以下幾點：

• 如果你使用matplotlib，你需要使用ax.set_varlabels()方法來設置每個軸的標簽，而不是使用plt.xlabel()或者plt.ylabel()方法，因為這些方法只適用於直角坐標系。

• 如果你使用plotly，你需要使用go.Scatterpolar()函數來創建雷達圖的數據，然後使用fig.update_layout()方法來設置每個軸的標簽，例如fig.update_layout(polar=dict(radialaxis=dict(tickangle=90)))，表示將每個軸的標簽旋轉90度1。

• 如果你使用其他的庫，你需要查看它們的文檔，找到正確的方法來設置每個軸的標簽，或者參考一些在線的示例代碼，例如2。

以下是一個使用matplotlib繪制DOTA人物能力值雷達圖的示例代碼，其中包含了鍵穗兆設置每個軸的標簽的方法：

• import matplotlib.pyplot as pltimport numpy as np# 定義每個軸的變數名labels = np.array(['力量', '敏捷', '智力', '攻擊', '防禦', '移速'])# 定義每個英雄的能力值data = np.array([




• [23, 24, 18, 49, 2, 310], # 敵法師




• [25, 20, 15, 50, 3, 290], # 斧王




• [19, 22, 25, 39, 4, 295] # 水晶室女])# 定義雷達圖的角度angles = np.linspace(0, 2 * np.pi, len(labels), endpoint=False)# 使雷達圖封閉data = np.concatenate((data, data[:, [0]]), axis=1)




• angles = np.concatenate((angles, [angles[0]]))# 創建一個極坐標圖fig = plt.figure()




• ax = fig.add_subplot(111, polar=True)# 繪制每個英雄的能力值ax.plot(angles, data[0], 'o-', linewidth=2, label='敵法師')




• ax.fill(angles, data[0], alpha=0.25)




• ax.plot(angles, data[1], 'o-', linewidth=2, label='斧王')




• ax.fill(angles, data[1], alpha=0.25)




• ax.plot(angles, data[2], 'o-', linewidth=2, label='水晶室女')




• ax.fill(angles, data[2], alpha=0.25)# 設置每個軸的標簽ax.set_thetagrids(angles * 180 / np.pi, labels)# 設置雷達圖的范圍ax.set_ylim(0, 60)# 添加圖例ax.legend(loc='best')# 顯示圖形plt.show()

❾ 編寫Python程序，用於顯示人的姓名和年齡

按照題目要求編寫的Python程序如下

class Person:

def __init__(self,name,age):

self.__name=name

self.__age=age

def display(self):

print("姓名:{},年齡{}".format(self.__name,self.__age))

if __name__ == '__main__':

p=Person("張三",18)

p.display()

源代碼(注意源代碼的縮進)