关键词:
阅读文本大概需要 11分钟。
今天给大家介绍一个世界上最简洁的人脸识别库 face_recognition,你可以使用 Python 和命令行工具进行提取、识别、操作人脸。
基于业内领先的 C++ 开源库 dlib 中的深度学习模型,用 Labeled Faces in the Wild 人脸数据集进行测试,有高达99.38%的准确率。
1.安装
最好是使用 Linux 或 Mac 环境来安装,Windows 下安装会有很多问题。在安装 face_recognition 之前你需要先安装以下几个库,注意顺序!
1.1 先安装 cmake 和 boost
-
pip install cmake
-
pip install boost
复制
1.2 安装 dlib
pip install dlib
复制
此处安装可能要几分钟。如安装出错,建议使用 whl 文件来安装 下载地址:https://pypi.org/simple/dlib/
1.3 安装 face_recognition
face_recongnition 一般要配合 opencv 一起使用
-
pip install face_recognition
-
pip install opencv-python
复制
2. 人脸识别
比如这里总共有三张图片,其中有两张已知,第三张是需要识别的图片
首先获取人脸中的信息
-
kobe_image = face_recognition.load_image_file("kobe.jpg") # 已知科比照片
-
jordan_image = face_recognition.load_image_file("jordan.jpeg") # 已知乔丹照片
-
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]
复制
代码中前三行分别是加载三张图片文件并返回图像的 numpy 数组,后三行返回图像中每个面部的人脸编码
然后将未知图片中的人脸和已知图片中的人脸进行对比,使用 compare_faces() 函数, 代码如下:
-
known_faces = [
-
kobe_face_encoding,
-
jordan_face_encoding
-
]
-
results = face_recognition.compare_faces(known_faces, unknown_face_encoding) # 识别结果列表
-
print("这张未知照片是科比吗? ".format(results[0]))
-
print("这张未知照片是乔丹吗? ".format(results[1]))
复制
运行结果如下:
不到二十行代码,就能识别出人脸是谁,是不是 so easy!
3. 人脸标注
仅仅识别图片中的人脸总是感觉差点什么,那么将识别出来的人脸进行姓名标注是不是更加有趣~
已知图片的识别和前面代码基本是一样的,未知图片代码多了人脸位置的识别,并使用了face_locations() 函数。代码如下:
-
face_locations = face_recognition.face_locations(unknown_image)
-
face_encodings = face_recognition.face_encodings(unknown_image, face_locations)
复制
函数传入两个参数,返回以上,右,下,左固定顺序的脸部位置列表的作用是将已知脸部位置和未知面部编码进行比较,得到欧式距离~~~具体是什么我也不知道,距离就相当于相识度。
函数说明:face_distance(face_encodings, face_to_compare)
face_encodings:已知的面部编码 face_to_compare:要比较的面部编码
本次图片前面两张没有变化,第三张换成了科比和乔丹的合影,最终运行之后结果如下:
左边是原图,右边是识别后自动标注出来的图片。
-
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")
复制
4. 给人脸美妆
这个功能需要结合 PIL 一起使用。用法都差不多,首先就是将图片文件加载到 numpy 数组中,然后将人脸中的面部所有特征识别到一个列表中
-
image = face_recognition.load_image_file("bogute.jpeg")
-
face_landmarks_list = face_recognition.face_landmarks(image)
复制
遍历列表中的元素,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)
复制
给人脸涂口红
-
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)
复制
增加眼线
-
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)
复制
根据以上代码做了,我用实力不行,打球又脏的 "大嘴" 博格特来做演示!
左边是原图,右边是加了美妆后的效果
40行代码的人脸识别实践
...博主原创文章,转载请联系作者取得授权。目录(?)[+]40行代码的人脸识别实践40行代码的人脸识别实践前言一点区分所用工具Dlib人脸识别前期准备识别流程代码运行结果前言很多人都认为人脸识别是一项非常难以实现的工作,看... 查看详情
基于python+opencv人脸识别及人脸遮挡识别
...大小:21M代码行数:47行(主程序)开发环境:Python3.8、OpenCV4.5、dlib点击下载:点击下载猿创承诺:该源码均通过亲自测试可正常运行简要概述:这种人脸识别实现能够识别具有一定遮挡程度的人脸,包... 查看详情
7行python代码的人脸识别(代码片段)
随着去年alphago的震撼表现,AI再次成为科技公司的宠儿。AI涉及的领域众多,图像识别中的人脸识别是其中一个有趣的分支。百度的BFR,Face++的开放平台,汉王,讯飞等等都提供了人脸识别的API,对... 查看详情
python实现人脸识别(代码片段)
文章目录叨叨几句准备工作代码流程叨叨几句哈喽兄弟们,今天实现一下人脸识别。先问大家一个问题什么是百度Aip模块?百度AI平台提供了很多的API接口供开发者快速的调用运用在项目中本文写的是使用百度AI的在线接... 查看详情
python-opencv实现人脸识别功能(代码片段)
使用python-opencv实现人脸识别功能。思路如下:1.使用opencv库打开摄像头。2.加载opencv中自带的人脸特征识别分类器3.输出结果代码如下:importcv2importmatplotlib.pyplotasplt#1.读取笔记本相机cap=cv2.VideoCapture(0)#2.在每一帧数据中进行人脸... 查看详情
python+opencv简单实现人脸检测多个和人脸识别2(附代码)(代码片段)
如果dilb和face_recognition第三方包安装失败,请移步到Python解决dilb和face_recognition第三方包安装失败_水w的博客-CSDN博客上篇请移步到Python+dilb简单实现人脸检测(附代码)_水w的博客-CSDN博客本篇是在上篇的工作基础上... 查看详情
手把手教你用1行命令实现人脸识别
手把手教你用1行命令实现人脸识别转载2017年11月01日00:00:00 人脸识别很难吗?--Kangvcar本文导航? 环境要求00%? 环境搭建03%? 实现人脸识别19%? 示例一(1行命令实现人脸识别):19%? 示例二(识别图片中的所有... 查看详情
linux学习opencv+ros实现人脸识别(ubantu16.04)(代码片段)
...1.创建工作空间2.创建功能包三、人脸识别检测相关代码1.python文件2.lanuch文件 3.CvBridge四、代码实测1.执行命令行 2.人脸识别效果五、报错解决六、总结前言本文主要学习 ROS机器人操作系统 ,在ROS系统里调用OpenCV库 实现... 查看详情
机器学习python实现进阶人脸识别(代码片段)
机器学习(六)Python实现进阶版人脸识别使用到的库:dlib+Opencvpython版本:3.8编译环境:JupyterNotebook(Anaconda3)训练模型:dlib_face_recognition_resnet_model_v1|github&shape_predictor_68 查看详情
人脸表情识别系统介绍——上篇(python实现,含ui界面及完整代码)
摘要:这篇博文介绍基于深度卷积神经网络实现的人脸表情识别系统,系统程序由Keras,OpenCv,PyQt5的库实现,训练测试集采用fer2013表情库。如图系统可通过摄像头获取实时画面并识别其中的人脸表情,也可以通过读取图片识别,... 查看详情
人脸识别为啥用python开发
...人脸检测功能在一般场合还是不错的。而ubuntu正好提供了python-opencv这个包,用它可以方便地实现人脸检测的代码。写代码之前应该先安装python-opencv:#!/usr/bin/python# -*- coding: UTF-8 -*- # face_detect.py # Face Detection using OpenCV. Ba... 查看详情
python用20行代码实现完整邮件功能[完整代码+建议收藏]
大家好,我是Lex喜欢欺负超人那个Lex擅长领域:python开发、网络安全渗透、Windows域控Exchange架构今日重点:python脚本实现发送邮件,邮件添加附件,读取接收邮件等功能。包含完整脚本哦,【建议收藏】 今天带大家实现一下... 查看详情
人工智能用python实现一个简单的人脸识别,原来我和这个明星如此相似
...如何实现一个简易版的人脸对比,非常有趣!我们都知道Python容易学,但是 查看详情
python+opencv人脸识别身份认证系统设计:专栏总述
本专栏依托于Python编程语言,在内容上尽可能涵盖了人脸识别的各个技术模块,从人脸数据采集、数据预处理、数据分析、人脸识别模型的训练到最后的人脸识别,均有详细的操作步骤和注释代码,能帮助学习者... 查看详情
人脸识别经典网络-mtcnn(含python源码实现)(代码片段)
人脸检测-mtcnn本文参加新星计划人工智能赛道:https://bbs.csdn.net/topics/613989052文章目录人脸检测-mtcnn1.人脸检测1.1人脸检测概述1.2人脸检测的难点1.3人脸检测的应用场景2.mtcnn2.1mtcnn概述2.2mtcnn的网络结构2.3图像金字塔2.4P-Net2.5R-N... 查看详情
python3利用dlib实现摄像头实时人脸识别(代码片段)
引言利用python开发,对于输入的摄像头视频流,借助Dlib提供的检测识别模式来进行人脸识别,首先,从摄像头中录入(裁剪)人脸图片存蓄到本地,然后提取特征,构建预设人脸特征,根据抠... 查看详情
python用20行代码实现完整邮件功能[完整代码+建议收藏](代码片段)
大家好,我是Lex喜欢欺负超人那个Lex擅长领域:python开发、网络安全渗透、Windows域控Exchange架构今日重点:python脚本实现发送邮件,邮件添加附件,读取接收邮件等功能。包含完整脚本哦,【建议收藏】 ... 查看详情
『python开发实战菜鸟教程』实战篇:一文带你了解人脸识别应用原理及手把手教学实现自己的人脸识别项目(代码片段)
...github.com/xiaosongshine/dlib_face_recognition推荐补充阅读:『Python开发实战菜鸟教程』工具篇 查看详情