點擊上方“Python編程與實戰”，選擇“置頂公眾號”

第一時間獲取 Python 技術干貨！

閱讀文本大概需要 11分鐘。

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 和命令行工具進行提取、識別、操作人臉。

基于業內領先的 C++ 開源庫 dlib 中的深度學習模型，用 Labeled Faces in the Wild 人臉數據集進行測試，有高達99.38%的準確率。

1.安裝

最好是使用 Linux 或 Mac 環境來安裝，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
下載地址：https://pypi.org/simple/dlib/

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行對比，使用 compare_faces() 函數， 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]))

運行結果如下：

不到二十行代碼，就能識別出人臉是誰，是不是 so easy！

3. 人臉標注

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

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。代碼如下：

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

函數傳入兩個參數，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行比較，得到歐式距離~~~具體是什么我也不知道，距離就相當于相識度。

函數說明：face_distance(face_encodings, face_to_compare)

face_encodings：已知的面部編碼
face_to_compare：要比較的面部編碼

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，最終運行之后結果如下:

左邊是原圖，右邊是識別后自動標注出來的圖片。

import?face_recognition
from?PIL?import?Image,?ImageDraw
import?numpy?as?np


def?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?draw
????pil_image.show()
????pil_image.save("image_with_boxes.jpg")

4. 給人臉美妝

這個功能需要結合 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)

根據以上代碼做了，我用實力不行，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!

推薦閱讀：

利用 Flask 動態展示 Pyecharts 圖表數據

Flask 藍圖機制及應用

Python獲取NBA歷史巨星和現役球員生涯曲線

THANDKS

- End -

總結

以上是生活随笔為你收集整理的python polygon函数_Python 人脸识别就多简单，看这个就够了！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。