Kommentare hinzugefügt

projectmood/webcam.py

 """
-This module is the main module in this package. It loads emotion recognition model from a file,
-shows a webcam image, recognizes face and it's emotion and draw emotion on the image.
+Dieses Modul ist das Main-Modul. Es lädt das Modell aus models, zeigt ein Webcam-Bild,
+erkennt das Gesicht und seine Emotionen und zeichnet ein Emoticon in das Bild.
 """
 
 import cv2
@@ -14,21 +14,21 @@ import numpy as np
 
 def _load_emoticons(emotions):
     """
-    Loads emotions images from graphics folder.
-    :param emotions: Array of emotions names.
-    :return: Array of emotions graphics.
+     Lädt die Emoticons aus dem graphics Ordner.
+    :param  emotions: Array von Emotionen.
+    :return: Array von Emotions Grafiken.
     """
     return [nparray_as_image(cv2.imread('resources/graphics/%s.png' % emotion, -1), mode=None) for emotion in emotions]
 
 
 def show_webcam_and_run(model, emoticons, window_size=(600, 600), window_name='Mood Expression', update_time=1):
     """
-    Shows webcam image, detects faces and its emotions in real time and draw emoticons over those faces.
-    :param model: Learnt emotion detection model.
-    :param emoticons: List of emotions images.
-    :param window_size: Size of webcam image window.
-    :param window_name: Name of webcam image window.
-    :param update_time: Image update time interval.
+    Zeigt ein Webcam-Bild, erkennt Gesichter und Emotionen in Echtzeit und zeichnet Emoticons neben die Gesichter.
+    :param model: Trainiertes Model
+    :param emoticons: Liste von Emoticons.
+    :param window_size: Grösse des Webcam-Fensters.
+    :param window_name: Name des Webcam-Fensters.
+    :param update_time: Bildaktualisierungzeit.
     """
     cv2.namedWindow(window_name, cv2.WINDOW_NORMAL)
     if window_size:
@@ -37,19 +37,39 @@ def show_webcam_and_run(model, emoticons, window_size=(600, 600), window_name='M
 
     vc = WebcamVideoStream().start()
     frame = vc.read()
-
-    puffer = RingBuffer(7) # Der RingBuffer speichert die letzten Predictions
+    """
+    Der RingBuffer speichert die letzten 7 Predictions
+    """
+    puffer = RingBuffer(7)
 
     while True:
         for normalized_face, (x, y, w, h) in find_faces(frame):
-            prediction = model.predict(normalized_face)  # do prediction
 
-            puffer.append(prediction[0]) # Speichere letzte Prediction
-            preds = puffer.get() # Hole Einträge als Array
+            prediction = model.predict(normalized_face)  # do prediction
 
-            if not (any(x is None for x in preds)): # Kein Eintrag im RingBuffer ist None
-                unique, counts = np.unique(preds, return_counts=True) # Vorkommen der Predictions zählen
-                image_to_draw = emoticons[unique[0]] # häufigster Wert wird dargestellt
+            """
+            Seichert die Predictions
+            """
+            puffer.append(prediction[0])
+
+            """
+            Holt die Einträge als Array 
+            """
+            preds = puffer.get()
+
+            """
+            Kein Eintrag im RingBuffer ist None 
+            """
+            if not (any(x is None for x in preds)):
+                """
+                Vorkommen der Predictions zählen 
+                """
+                unique, counts = np.unique(preds, return_counts=True)
+
+                """
+                Häufigster Wert wird dargestellt
+                """
+                image_to_draw = emoticons[unique[0]]
                 draw_with_alpha(frame, image_to_draw, (40, 40, 200, 200))
 
         cv2.imshow(window_name, frame)
@@ -67,8 +87,9 @@ if __name__ == '__main__':
     emotions = ['happy', 'neutral', 'surprise']
     emoticons = _load_emoticons(emotions)
 
-    # load mode
     fisher_face = cv2.face.FisherFaceRecognizer_create()
+
+    """Läadt das trainierte Model"""
     fisher_face.read('basis_data/models/detection_model.xml')
-    # use learnt model
+
 show_webcam_and_run(fisher_face, emoticons)