from tkinter import *
import cv2
from tkinter import messagebox
import os
import numpy

class ReconhecimentoFacial():
    def __init__(self, root):
        self.root = root
        self.haar_file = 'reconhecimento_facial.xml'

        Label(self.root, bg='white', height=2).pack(fill=BOTH)
        title = Label(self.root, bg='#0099ff', 
                        text=' Reconhecimento Facial - Fabrica de Programadores',
                        font=('arial', 15, 'bold'), height=3, bd=2, 
                        relief='groove')
        title.pack(fill=BOTH)
        print('title',title)
        control_frame = Frame(self.root, height=200, bg='white', bd=4, 
                                relief='ridge')
        control_frame.pack(pady=20, fill=BOTH, padx=10)

        train_button = Button(control_frame, text='Treinamento',
                              bd=2, height=3, relief=GROOVE, 
                              font=('arial', 12, 'bold'), 
                              command=self.get_data)

        train_button.place(x=60, y=50)

        test_button = Button(control_frame, text='Leitura Facial', bd=2,
                             height=3, relief=GROOVE, 
                             font=('arial', 12, 'bold'), 
                             command=self.ModeloTeste)
        test_button.place(x=220, y=50)

        exit_button = Button(control_frame, text='Sair',
                             bd=2, height=3, relief=GROOVE, 
                             font=('arial', 12, 'bold'), 
                             command=root.quit)
        exit_button.place(x=370, y=50)

        

    def modelo_treinamento(self):
        # --- captura nome e ID -------
        name_ = self.name.get()
        id_ = self.id_ent.get()
        print(name_, id_)
        self.top.destroy()
        self.take_images(name_, id_)


    def get_data(self):
        self.top = Toplevel()
        self.top.geometry('300x200+240+200')
        self.top.configure(bg='#0099ff')
        self.top.resizable(0, 0)

        name_lbl = Label(self.top, text='Seu nome', width=10, 
                            font=('arial', 12, 'bold')).place(x=10, y=20)
        self.name = Entry(self.top, width=15, font=('arial', 12))
        self.name.place(x=120, y=20)

        id_lbl = Label(self.top, text='Identificação', width=10, 
                        font=('arial', 12, 'bold')).place(x=10, y=60)
        self.id_ent = Entry(self.top, width=15, font=('arial', 12))
        self.id_ent.place(x=120, y=60)

        btn = Button(self.top, text='Treinamento Facial', 
                        font=('arial', 12, 'bold'), 
                        command=self.modelo_treinamento)
        btn.place(x=100, y=120)

    # Treinar imagens e salvar
    def ModeloTeste(self):
        datasets = 'dataset'
        # Cria uma lista de imagens
        (images, lables, names, id) = ([], [], {}, 0)
        for (subdirs, dirs, files) in os.walk(datasets):
            for subdir in dirs:
                names[id] = subdir
                subjectpath = os.path.join(datasets, subdir)
                for filename in os.listdir(subjectpath):
                    path = subjectpath + '/' + filename
                    lable = id
                    images.append(cv2.imread(path, 0))
                    lables.append(int(lable))
                id += 1
        (width, height) = (130, 100)

        # Cria um array Numpy para as duas lista acima
        (images, lables) = [numpy.array(lis) for lis in [images, lables]]

        # OpenCV treinamento das imagens

        model = cv2.face.LBPHFaceRecognizer_create()
        model.train(images, lables)

        # Part 2: Abrir a camera e captutar as imagens
        face_cascade = cv2.CascadeClassifier(self.haar_file)
        webcam = cv2.VideoCapture(0)
        while True:
            (_, im) = webcam.read()
            gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
            faces = face_cascade.detectMultiScale(gray, 1.3, 5)
            for (x, y, w, h) in faces:
                cv2.rectangle(im, (x, y), (x + w, y + h), (255, 0, 0), 2)
                face = gray[y:y + h, x:x + w]
                face_resize = cv2.resize(face, (width, height))
                # Tenta reconhecer a face
                prediction = model.predict(face_resize)
                cv2.rectangle(im, (x, y), (x + w, y + h), (0, 255, 0), 3)

                if prediction[1] < 500:
                    cv2.putText(im, '% s - %.0f' %
                                (names[prediction[0]], 
                                prediction[1]), (x - 10, y - 10),
                                cv2.FONT_HERSHEY_PLAIN, 1, (0, 255, 0))
                else:
                    cv2.putText(im, 'não reconhecido',
                                (x - 10, y - 10), 
                                cv2.FONT_HERSHEY_PLAIN, 1, (0, 255, 0))

            cv2.imshow('OpenCV', im)

            key = cv2.waitKey(10)
            if key == 27:
                break
        cv2.destroyAllWindows()


    def take_images(self,name_,id_):
        # time.sleep(2)
        # Todas as imagens ficarao
        # nesta pasta
        datasets = 'dataset'
        # Sera criar subpastas com o nome
        sub_data = str(name_)+ '-' + str(id_)
        path = os.path.join(datasets, sub_data)
        if not os.path.isdir(path):
            os.mkdir(path)

        # definir tamanho das imagens
        (width, height) = (130, 100)

        # '0' é usado para webcam
        # Se for utilizar outra camera, use '1'
        face_cascade = cv2.CascadeClassifier(self.haar_file)
        webcam = cv2.VideoCapture(0)

        # Tente tirar até 30 fotos do usuário
        count = 1
        while count < 30:
            (_, im) = webcam.read()
            gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
            faces = face_cascade.detectMultiScale(gray, 1.3, 4)
            for (x, y, w, h) in faces:
                cv2.rectangle(im, (x, y), (x + w, y + h), (255, 0, 0), 2)
                face = gray[y:y + h, x:x + w]
                face_resize = cv2.resize(face, (width, height))
                cv2.imwrite('% s/% s.png' % (path, count), face_resize)
            count += 1

            cv2.imshow('OpenCV', im)
            key = cv2.waitKey(10)
            if key == 27:
                break
        cv2.destroyAllWindows()
        messagebox.showinfo("O Python está dizendo",
                    "Modelo foi treinado a imagem \n  Você será reconhecido.")


if __name__ == '__main__':
    root = Tk()
    ReconhecimentoFacial(root)
    root.geometry('550x330+240+200')
    root.title("Reconhecimento Facial Tempo Real")
    root.resizable(0, 0)
    root.configure(bg='#0099ff')
    root.mainloop()

1. Numpy versão 1.4

2. opencv-python versão 3.4)

3. os

4. tkinter

5. pathlib.

Observação: use opencv-python versão 3.4 ou anterior      

o código não funcionará na versão 4x ou mais