怎么用Python實(shí)現(xiàn)人臉識(shí)別-創(chuàng)新互聯(lián)

這篇文章主要講解了“怎么用Python實(shí)現(xiàn)人臉識(shí)別”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來(lái)研究和學(xué)習(xí)“怎么用Python實(shí)現(xiàn)人臉識(shí)別”吧！

創(chuàng)新互聯(lián)堅(jiān)持“要么做到，要么別承諾”的工作理念，服務(wù)領(lǐng)域包括：網(wǎng)站制作、網(wǎng)站建設(shè)、企業(yè)官網(wǎng)、英文網(wǎng)站、手機(jī)端網(wǎng)站、網(wǎng)站推廣等服務(wù)，滿足客戶于互聯(lián)網(wǎng)時(shí)代的穆棱網(wǎng)站設(shè)計(jì)、移動(dòng)媒體設(shè)計(jì)的需求，幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡(luò)建設(shè)合作伙伴！

1.安裝

最好是使用 Linux 或 Mac 環(huán)境來(lái)安裝，Windows 下安裝會(huì)有很多問(wèn)題。在安裝 face_recognition 之前你需要先安裝以下幾個(gè)庫(kù)，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(cuò)，建議使用 whl 文件來(lái)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(shí)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(shí)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(gè)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(duì)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(shí)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(shí)別出人臉是誰(shuí)，是不是 so easy！

3. 人臉標(biāo)注

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

已知圖片的識(shí)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(shí)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(gè)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(shí)度。

函數(shù)說(shuō)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(méi)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(shí)別后自動(dòng)標(biāo)注出來(lái)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(gè)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(shí)別到一個(gè)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(lái)做演示！

左邊是原圖，右邊是加了美妝后的效果

感謝各位的閱讀，以上就是“怎么用Python實(shí)現(xiàn)人臉識(shí)別”的內(nèi)容了，經(jīng)過(guò)本文的學(xué)習(xí)后，相信大家對(duì)怎么用Python實(shí)現(xiàn)人臉識(shí)別這一問(wèn)題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！

本文題目：怎么用Python實(shí)現(xiàn)人臉識(shí)別-創(chuàng)新互聯(lián)
本文網(wǎng)址：http://muchs.cn/article2/ddppic.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供做網(wǎng)站、網(wǎng)站建設(shè)、品牌網(wǎng)站設(shè)計(jì)、關(guān)鍵詞優(yōu)化、建站公司、微信小程序

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)