今天給大家介紹一個世界上最簡潔的人臉識別庫 face_recognition，你可以使用 Python 和命令行工具進(jìn)行提取、識別、操作人臉。

基于業(yè)內(nèi)領(lǐng)先的 C++ 開源庫 dlib 中的深度學(xué)習(xí)模型，用 Labeled Faces in the Wild 人臉數(shù)據(jù)集進(jìn)行測試，有高達(dá)99.38%的準(zhǔn)確率。

1.安裝

最好是使用 Linux 或 Mac 環(huán)境來安裝，Windows 下安裝會有很多問題。在安裝 face_recognition 之前你需要先安裝以下幾個庫，注意順序!

1.1 先安裝 cmake 和 boost

pip??install??cmake pip?install?boost

1.2?安裝 dlib

pip?install?dlib

此處安裝可能要幾分鐘。如安裝出錯，建議使用 whl 文件來安裝

1.3 安裝 face_recognition

face_recongnition 一般要配合 opencv 一起使用

pip?install?face_recognition pip?install?opencv-python

2. 人臉識別

比如這里總共有三張圖片，其中有兩張已知，第三張是需要識別的圖片

首先獲取人臉中的信息

kobe_image?=?face_recognition.load_image_file("kobe.jpg")??#?已知科比照片 jordan_image?=?face_recognition.load_image_file("jordan.jpeg")??#?已知喬丹照片 unknown_image?=?face_recognition.load_image_file("unkown.jpeg")??#?未知照片kobe_face_encoding?=?face_recognition.face_encodings(kobe_image)[0] jordan_face_encoding?=?face_recognition.face_encodings(jordan_image)[0] unknown_face_encoding?=?face_recognition.face_encodings(unknown_image)[0]

代碼中前三行分別是加載三張圖片文件并返回圖像的 numpy 數(shù)組，后三行返回圖像中每個面部的人臉編碼

然后將未知圖片中的人臉和已知圖片中的人臉進(jìn)行對比，使用 compare_faces() 函數(shù)， 代碼如下：

known_faces?=?[kobe_face_encoding,jordan_face_encoding ] results?=?face_recognition.compare_faces(known_faces,?unknown_face_encoding)??#?識別結(jié)果列表 print("這張未知照片是科比嗎??{}".format(results[0])) print("這張未知照片是喬丹嗎??{}".format(results[1]))

運(yùn)行結(jié)果如下：

不到二十行代碼，就能識別出人臉是誰，是不是 so easy！

3. 人臉標(biāo)注

僅僅識別圖片中的人臉總是感覺差點(diǎn)什么，那么將識別出來的人臉進(jìn)行姓名標(biāo)注是不是更加有趣~

已知圖片的識別和前面代碼基本是一樣的，未知圖片代碼多了人臉位置的識別，并使用了face_locations() 函數(shù)。代碼如下：

face_locations?=?face_recognition.face_locations(unknown_image) face_encodings?=?face_recognition.face_encodings(unknown_image,?face_locations)

函數(shù)傳入兩個參數(shù)，返回以上，右，下，左固定順序的臉部位置列表的作用是將已知臉部位置和未知面部編碼進(jìn)行比較，得到歐式距離~~~具體是什么我也不知道，距離就相當(dāng)于相識度。

函數(shù)說明：face_distance(face_encodings, face_to_compare)

face_encodings：已知的面部編碼

本次圖片前面兩張沒有變化，第三張換成了科比和喬丹的合影，最終運(yùn)行之后結(jié)果如下:

左邊是原圖，右邊是識別后自動標(biāo)注出來的圖片。

import?face_recognition from?PIL?import?Image,?ImageDraw import?numpy?as?npdef?draws():kobe_image?=?face_recognition.load_image_file("kobe.jpg")kobe_face_encoding?=?face_recognition.face_encodings(kobe_image)[0]jordan_image?=?face_recognition.load_image_file("jordan.jpeg")jordan_face_encoding?=?face_recognition.face_encodings(jordan_image)[0]known_face_encodings?=?[kobe_face_encoding,jordan_face_encoding]known_face_names?=?["Kobe","Jordan"]unknown_image?=?face_recognition.load_image_file("two_people.jpeg")face_locations?=?face_recognition.face_locations(unknown_image)face_encodings?=?face_recognition.face_encodings(unknown_image,?face_locations)pil_image?=?Image.fromarray(unknown_image)draw?=?ImageDraw.Draw(pil_image)for?(top,?right,?bottom,?left),?face_encoding?in?zip(face_locations,?face_encodings):matches?=?face_recognition.compare_faces(known_face_encodings,?face_encoding)name?=?"Unknown"face_distances?=?face_recognition.face_distance(known_face_encodings,?face_encoding)best_match_index?=?np.argmin(face_distances)if?matches[best_match_index]:name?=?known_face_names[best_match_index]draw.rectangle(((left,?top),?(right,?bottom)),?outline=(0,?0,?255))text_width,?text_height?=?draw.textsize(name)draw.rectangle(((left,?bottom?-?text_height?-?10),?(right,?bottom)),?fill=(0,?0,?255),?outline=(0,?0,?255))draw.text((left?+?6,?bottom?-?text_height?-?5),?name,?fill=(255,?255,?255,?255))del?drawpil_image.show()pil_image.save("image_with_boxes.jpg")

4. 給人臉美妝

這個功能需要結(jié)合 PIL 一起使用。用法都差不多，首先就是將圖片文件加載到 numpy 數(shù)組中，然后將人臉中的面部所有特征識別到一個列表中

image?=?face_recognition.load_image_file("bogute.jpeg") face_landmarks_list?=?face_recognition.face_landmarks(image)

遍歷列表中的元素，修改眉毛

d.polygon(face_landmarks['left_eyebrow'],?fill=(68,?54,?39,?128)) d.polygon(face_landmarks['right_eyebrow'],?fill=(68,?54,?39,?128)) d.line(face_landmarks['left_eyebrow'],?fill=(68,?54,?39,?150),?width=5) d.line(face_landmarks['right_eyebrow'],?fill=(68,?54,?39,?150),?width=5)

給人臉涂口紅

d.polygon(face_landmarks['top_lip'],?fill=(150,?0,?0,?128)) d.polygon(face_landmarks['bottom_lip'],?fill=(150,?0,?0,?128)) d.line(face_landmarks['top_lip'],?fill=(150,?0,?0,?64),?width=8) d.line(face_landmarks['bottom_lip'],?fill=(150,?0,?0,?64),?width=8)

增加眼線

d.polygon(face_landmarks['left_eye'],?fill=(255,?255,?255,?30)) d.polygon(face_landmarks['right_eye'],?fill=(255,?255,?255,?30)) d.line(face_landmarks['left_eye']?+?[face_landmarks['left_eye'][0]],?fill=(0,?0,?0,?110),?width=6) d.line(face_landmarks['right_eye']?+?[face_landmarks['right_eye'][0]],?fill=(0,?0,?0,?110),?wid=6)

根據(jù)以上代碼做了，我用實(shí)力不行，打球又臟的 "大嘴" 博格特來做演示！

左邊是原圖，右邊是加了美妝后的效果

你打球的樣子像極了?cxk!

End

推薦閱讀：（點(diǎn)擊標(biāo)題即可跳轉(zhuǎn)）

來和小伙伴們一起向上生長呀！

掃描下方二維碼，添加小詹微信，可申請加入 Python 學(xué)習(xí)交流群，群內(nèi)僅供學(xué)術(shù)交流，日常互動，如果是想發(fā)推文、廣告、砍價小程序的敬請繞道！一定記得備注「交流學(xué)習(xí)」，我會盡快通過好友申請哦！
?長按識別，添加微信（添加人數(shù)較多，請耐心等待）

總結(jié)

以上是生活随笔為你收集整理的Python 人脸识别就多简单，看这个就够了！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。