原標題：開源 | 基于Python的人臉識別：識別準確率高達99.38%！

該庫使用 dlib 頂尖的深度學習人臉識別技術構建，在戶外臉部檢測數據庫基準（Labeled Faces in the Wild benchmark）上的準確率高達 99.38%。這也提供了一個簡單的 face_recognition 命令行工具，你可以打開命令行中任意圖像文件夾，進行人臉識別！

特征：找出下面圖片中所有的人臉：

import face_recognitionimage = face_recognition.load_image_file("your_file.jpg")face_locations = face_recognition.face_locations(image)

找到并且控制圖像中的臉部特征：找到并勾勒出每個人的眼睛、鼻子、嘴和下巴。

import face_recognitionimage = face_recognition.load_image_file("your_file.jpg")face_landmarks_list = face_recognition.face_landmarks(image)

找出臉部特征對很多重要的事情都非常有用。但是你也可以用它來做一些「蠢事」，比如數字化妝（美圖）：

import face_recognitionknown_image = face_recognition.load_image_file("biden.jpg")unknown_image = face_recognition.load_image_file("unknown.jpg")biden_encoding = face_recognition.face_encodings(known_image)[0]unknown_encoding = face_recognition.face_encodings(unknown_image)[0]results = face_recognition.compare_faces([biden_encoding], unknown_encoding)

你甚至可以使用該庫和其他的 Python 庫執行實時人臉識別：

代碼：https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam_faster.py

安裝要求

Python 3+ 或 Python 2.7

macOS 或 Linux (Windows 未測試)

還可在樹莓派 2+上運行（按照具體指令來安裝運行：https://gist.github.com/ageitgey/1ac8dbe8572f3f533df6269dab35df65）

預配置的 VM 圖像同樣可用。

使用pin3從pypi安裝這一模塊：

pip3 install face_recognition

重要提示：pip 嘗試編譯 dlib 依賴時很可能會遇到一些問題。如果遇到問題，前往該地址（https://gist.github.com/ageitgey/629d75c1baac34dfa5ca2a1928a7aeaf）從來源（而不是 pip）中安裝 dlib，從而修復該錯誤。

手動安裝 dlib 后，再次運行 pip3 install face_recognition，完成安裝。

如果安裝還有問題，你還可以試試預配置的 VM（https://medium.com/@ageitgey/try-deep-learning-in-python-now-with-a-fully-pre-configured-vm-1d97d4c3e9b）

用途：命令行界面

安裝 face_recognition 時，你會得到一個名為 face_recognition 的簡單命令行程序，該程序可用于識別照片或裝滿照片的文件夾中的人臉。

首先，你需要提供一個包含圖片的文件夾，且每張圖片中的每個人你都認識。每個人有一個圖像文件，文件名就是圖片中人物的名字：

然后，你需要再建一個文件夾，包含你想要識別的圖像文件：

然后，你僅需要在已知人物文件夾和未知人物文件夾（或單個圖像）中運行 face_recognition 命令，該程序會告訴你每個圖像中的人物是誰：

$ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures//unknown_pictures/unknown.jpg,Barack Obama/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person

每張人臉的輸出結果只有一行，由文件名和找到的人物名組成，中間用逗號分隔。 unknown_person 是未與已知人物文件夾中任何照片相匹配的人臉。如果你只想知道每張照片中的人物姓名，不在意文件名，那么你可以采用以下做法：

$ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/ | cut -d ',' -f2Barack Obamaunknown_person

如果你的電腦配有多核 CPU，你就可以同時執行多個人臉識別任務。例如，如果你的系統有 4 個 CPU 核，你可以同時使用這 4 個 CPU 核，那么同樣時間內處理的圖像數量是原來的四倍。

如果你使用 Python 3.4 或更新的版本，傳入--cpus 參數：

$ face_recognition -cpus 4 ./pictures_of_people_i_know/ ./unknown_pictures/

你還可以傳入--cpus -1，來使用系統中所有的 CPU 核。

Python 模塊：使用 face_recognition 模塊，幾行代碼輕松控制人臉，so easy！API 地址： https://face-recognition.readthedocs.io

自動定位圖像中人物的臉部特征

import face_recognitionimage = face_recognition.load_image_file("my_picture.jpg")face_locations = face_recognition.face_locations(image)# face_locations is now an array listing the co-ordinates of each face!

圖像人臉識別

import face_recognitionpicture_of_me = face_recognition.load_image_file("me.jpg")my_face_encoding = face_recognition.face_encodings(picture_of_me)[0]# my_face_encoding now contains a universal 'encoding' of my facial features that can be compared to any other picture of a face!unknown_picture = face_recognition.load_image_file("unknown.jpg")unknown_face_encoding = face_recognition.face_encodings(unknown_picture)[0]# Now we can see the two face encodings are of the same person with `compare_faces`!results = face_recognition.compare_faces([my_face_encoding], unknown_face_encoding)if results[0] == True: print("It's a picture of me!")else: print("It's not a picture of me!")

注意事項

該人臉識別模型基于成年人照片訓練，因此對兒童照片的識別效果不好。該模型默認比較閾值是 0.6，容易混淆兒童的面部。

將該模型配置到云主機（Heroku、AWS 等）

face_recognition 賴以存在的 dlib 是用 C++語言寫的，因此將該內置該模型的 app 配置到 Heroku 或 AWS 等云主機提供商就很復雜。在該 repo 中有一個 Dockerfile 示例，展示如何在 Docker 容器中運行內置 face_recognition 模型的 app（詳見該網址：https://www.docker.com/）。參考該示例，您能夠將該模型配置到任何支持 Docker 圖像的服務。

常見問題

問題1：使用 face_recognition 或運行樣本時，出現 Illegal instruction (core dumped)。

解決方案：dlib 需要在 SSE4 或 AVX 支持下編譯，但是你的 CPU 太舊，無法支持編譯。你需要根據此處（https://github.com/ageitgey/face_recognition/issues/11#issuecomment-287398611）所示修改代碼，然后對 dilb 進行重新編譯。

問題2：運行攝像頭樣本時，出現 RuntimeError: Unsupported image type, must be 8bit gray or RGB image.

解決方案：你的攝像頭可能并未在 OpenCV 上正確設置。點擊此處（https://github.com/ageitgey/face_recognition/issues/21#issuecomment-287779524）了解更多。

問題3：運行 pip2 install face_recognition 時出現 MemoryError。

解決方案：face_recognition_models 文件太大，不適合你可用的 pip 緩存內存。試一下 pip2 --no-cache-dir install face_recognition，解決該問題。

問題4：AttributeError: 'module' object has no attribute 'face_recognition_model_v1'

解決方案：你安裝的 dlib 版本過舊，需要 19.4 或者更新的版本。請升級 dlib 版本。

問題5：TypeError: imread() got an unexpected keyword argument 'mode'

解決方案：你安裝的 scipy 版本過舊，需要 0.17 或者更新的版本。請升級 scipy 版本。

開源地址：https://github.com/ageitgey/face_recognition#face-recognition返回搜狐，查看更多

責任編輯：

總結

以上是生活随笔為你收集整理的python人脸识别训练模型_开源 | 基于Python的人脸识别：识别准确率高达99.38%！的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。