更换类名和文档命名

README.md

@@ -21,17 +21,17 @@
 
 ## 教程文档 ##
 
-[OpenCV环境搭建](doc/huanjingdajian.md)
+[OpenCV环境搭建](doc/settingup.md)
 
-[图片人脸检测（OpenCV版）](doc/jiance.md)
+[图片人脸检测（OpenCV版）](doc/detectionOpenCV.md)
 
-[图片人脸检测（Dlib版）](doc/jiance-dlib.md)
+[图片人脸检测（Dlib版）](doc/detectionDlib.md)
 
-[视频人脸检测（OpenCV版）](doc/videojiance.md)
+[视频人脸检测（OpenCV版）](doc/videoOpenCV.md)
 
-[视频人脸检测（Dlib版）](doc/videojiance-dlib.md)
+[视频人脸检测（Dlib版）](doc/videoDlib.md)
 
-[Tesseract OCR文字识别](doc/tesseract.md)
+[Tesseract OCR文字识别](doc/tesseractOCR.md)
 
 
 ## TODO ##

doc/jiance-dlib.md → doc/detectionDlib.md

@@ -1,6 +1,6 @@
 # 图片人脸检测（dlib版）
 
-本文为dlib版的图片人脸检测，区别于OpenCV版的人脸检测，点击[查看OpenCV版](https://github.com/vipstone/faceai/blob/master/doc/jiance.md)的。
+本文为dlib版的图片人脸检测，区别于OpenCV版的人脸检测，点击[查看OpenCV版](https://github.com/vipstone/faceai/blob/master/doc/detectionOpenCV.md)的。
 
 ## dlib与OpenCV对比 ##
 人脸识别进准度，dlib > OpenCV

doc/jiance.md → doc/detectionOpenCV.md

@@ -1,6 +1,6 @@
 # 图片人脸检测
 
-人脸检测使用到的技术是OpenCV，上一节已经介绍了OpenCV的环境安装，[点击查看](https://github.com/vipstone/faceai/blob/master/doc/huanjingdajian.md).
+人脸检测使用到的技术是OpenCV，上一节已经介绍了OpenCV的环境安装，[点击查看](https://github.com/vipstone/faceai/blob/master/doc/settingup.md).
 
 ## 功能展示 ##
 识别一种图上的所有人的脸，并且标出人脸的位置，画出人眼以及嘴的位置，展示效果图如下：

doc/face_recognition.md → doc/faceRecognition.md

@@ -1,5 +1,5 @@
 # 人脸识别
 
-人脸识别，需要使用的库是face_recognition做人脸对比，OpenCV读取摄像头数据，OpenCV安装请看：[《环境搭建》](https://github.com/vipstone/faceai/blob/master/doc/huanjingdajian.md)face_recognition安装使用命令：
+人脸识别，需要使用的库是face_recognition做人脸对比，OpenCV读取摄像头数据，OpenCV安装请看：[《环境搭建》](https://github.com/vipstone/faceai/blob/master/doc/settingup.md)face_recognition安装使用命令：
 >pip3 install face_recognition
 

doc/huanjingdajian.md → doc/settingup.md

@@ -89,4 +89,4 @@ cv2.destroyAllWindows()
 
 ----------
 
-下一节：[人脸检测](jiance.md)
+下一节：[图片人脸检测（OpenCV版）](detectionOpenCV.md)

doc/videojiance-dlib.md → doc/videoDlib.md

@@ -1,12 +1,12 @@
 # 视频人脸检测（dlib版）
 
-视频人脸检测是图片识别的高级版本，图片检测详情点击查看我的上一篇[《图片人脸检测（dlib版）》](https://github.com/vipstone/faceai/blob/master/doc/jiance-dlib.md) 
+视频人脸检测是图片识别的高级版本，图片检测详情点击查看我的上一篇[《图片人脸检测（dlib版）》](https://github.com/vipstone/faceai/blob/master/doc/detectionDlib.md) 
 
 除了人脸识别用的是Dlib外，还是用OpenCV读取摄像头和处理图片（转为灰色），所以给出相关的文档，方便理解。
 
-[视频人脸检测（OpenCV版）](doc/videojiance.md)
+[视频人脸检测（OpenCV版）](doc/videoOpenCV.md)
 
-有了OpenCV的视频人脸检测，Dlib也大致相同除了视频识别器模型的声明和使用不同，具体的细节请参考，[视频人脸检测（OpenCV版）](doc/videojiance.md) 那篇已经讲的很细致了，在这就不具体叙述了。
+有了OpenCV的视频人脸检测，Dlib也大致相同除了视频识别器模型的声明和使用不同，具体的细节请参考，[视频人脸检测（OpenCV版）](doc/videoOpenCV.md) 那篇已经讲的很细致了，在这就不具体叙述了。
 
 完整的代码如下：
 ```

doc/videojiance.md → doc/videoOpenCV.md

@@ -1,6 +1,6 @@
 # 视频人脸检测（OpenCV版）
 
-视频人脸检测是图片人脸检测的高级版本，图片检测详情点击查看我的上一篇[《图片人脸检测（OpenCV版）》](https://github.com/vipstone/faceai/blob/master/doc/jiance.md) 。
+视频人脸检测是图片人脸检测的高级版本，图片检测详情点击查看我的上一篇[《图片人脸检测（OpenCV版）》](https://github.com/vipstone/faceai/blob/master/doc/detectionOpenCV.md) 。
 
 **实现思路：**
 调用电脑的摄像头，把摄像的信息逐帧分解成图片，基于图片检测标识出人脸的位置，把处理的图片逐帧绘制给用户，用户看到的效果就是视频的人脸检测。
@@ -35,7 +35,7 @@ cv2.waitKey(1) & 0xFF使用了“&”位元算法，含义是获取用户输入
 
 **视频的人脸识别**
 
-这个时候，用到了上一节的[《图片人脸检测》](https://github.com/vipstone/faceai/blob/master/doc/jiance.md) 把人脸识别的代码封装成方法，代码如下：
+这个时候，用到了上一节的[《图片人脸检测（OpenCV版）》](https://github.com/vipstone/faceai/blob/master/doc/detectionOpenCV.md) 把人脸识别的代码封装成方法，代码如下：
 ```
 def discern(img):
     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

faceai/dlib-jiance.py → faceai/detectionDlib.py

@@ -1,5 +1,5 @@
 #coding=utf-8
-
+#图片检测 - Dlib版本
 import cv2
 import dlib
 

faceai/jiance.py → faceai/detectionOpencv.py

@@ -1,15 +1,20 @@
-# coding=utf-8
-# OpenCV版本的图片检测
+#coding=utf-8
+#图片检测 - OpenCV版本
 import cv2
+import datetime
+import time
 
-filepath = "img/xingye-1.jpg"
-img = cv2.imread(filepath)  # 读取图片
-gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换灰色
-
+filepath = "img/xingye-1.png"
 # OpenCV人脸识别分类器
 classifier = cv2.CascadeClassifier(
     "C:\Python36\Lib\site-packages\opencv-master\data\haarcascades\haarcascade_frontalface_default.xml"
 )
+
+# 程序开始时间
+startTime = datetime.datetime.now()
+
+img = cv2.imread(filepath)  # 读取图片
+gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换灰色
 color = (0, 255, 0)  # 定义绘制颜色
 # 调用识别人脸
 faceRects = classifier.detectMultiScale(
@@ -29,8 +34,9 @@
         cv2.rectangle(img, (x + 3 * w // 8, y + 3 * h // 4),
                       (x + 5 * w // 8, y + 7 * h // 8), color)
 
+# 程序结束时间
+endTime = datetime.datetime.now()
+print((endTime - startTime))
 cv2.imshow("image", img)  # 显示图像
-c = cv2.waitKey(10)
-
 cv2.waitKey(0)
 cv2.destroyAllWindows()

faceai/faceRecognition.py

@@ -1,4 +1,5 @@
 #coding=utf-8
+#人脸识别类 - 使用face_recognition模块
 import cv2
 import face_recognition
 import os

faceai/tesseractOcr.py

@@ -1,3 +1,5 @@
+#coding=utf-8
+#文字识别类
 from PIL import Image
 import pytesseract
 import cv2

faceai/test.py

@@ -0,0 +1,14 @@
+#coding=utf-8
+#练习类
+import datetime
+import time
+
+#开始计时
+startTime = datetime.datetime.now()
+
+time.sleep(1)
+
+#结束计时
+endTime = datetime.datetime.now()
+print(endTime - startTime)
+#输出：0:00:01.000791

faceai/versionDemo.py → faceai/versionPut.py

@@ -1,3 +1,5 @@
+#coding=utf-8
+#版本号输出类
 import cv2
 import dlib
 import face_recognition

faceai/videoDlib.py

@@ -1,4 +1,5 @@
-# coding=utf-8
+#coding=utf-8
+#视频人脸检测类 - Dlib版本
 import cv2
 import dlib
 

faceai/video.py → faceai/videoOpencv.py

@@ -1,3 +1,5 @@
+#coding=utf-8
+#视频人脸检测类 - OpenCV版本
 import cv2