Python 使用 face_recognition 人脸识别

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python 使用 face_recognition 人脸识别相关的知识,希望对你有一定的参考价值。

Python 使用 face_recognition 人脸识别


官方说明:https://face-recognition.readthedocs.io/en/latest/readme.html

人脸识别

  face_recognition 是世界上最简单的人脸识别库。

  使用 dlib 最先进的人脸识别功能构建建立深度学习,该模型准确率在99.38%。

Python模块的使用

  Python可以安装导入 face_recognition 模块轻松操作,对于简单的几行代码来讲,再简单不过了。

  Python操作 face_recognition API 文档:https://face-recognition.readthedocs.io/en/latest/face_recognition.html

自动查找图片中的所有面部

import face_recognition

image = 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!

还可以选择更准确的给予深度学习的人脸检测模型

import face_recognition

image = face_recognition.load_image_file("my_picture.jpg")
face_locations = face_recognition.face_locations(image, model="cnn")

# face_locations is now an array listing the co-ordinates of each face!

自动定位图像中人物的面部特征

import face_recognition

image = face_recognition.load_image_file("my_picture.jpg")
face_landmarks_list = face_recognition.face_landmarks(image)

# face_landmarks_list is now an array with the locations of each facial feature in each face.
# face_landmarks_list[0][\'left_eye\'] would be the location and outline of the first person\'s left eye.

识别图像中的面部并识别它们是谁

import face_recognition

picture_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!")

face_recognition 用法

要在项目中使用面部识别,首先导入面部识别库,没有则安装:

import face_recognition

基本思路是首先加載圖片:

# 导入人脸识别库
import face_recognition

# 加载图片
image = face_recognition.load_image_file("1.jpg")

上面这一步会将图像加载到 numpy 数组中,如果已经有一个 numpy 数组图像则可以跳过此步骤。

然后对图片进行操作,例如找出面部、识别面部特征、查找面部编码:

例如对此照片进行操作

  

# 导入人脸识别库
import face_recognition

# 加载图片
image = face_recognition.load_image_file("1.jpg")

# 查找面部
face_locations = face_recognition.face_locations(image)
# 查找面部特征
face_landmarks_list = face_recognition.face_landmarks(image)
# 查找面部编码
list_of_face_encodings = face_recognition.face_encodings(image)

# 打印输出
print(face_locations)
print(face_landmarks_list)
print(list_of_face_encodings)
/usr/bin/python3.6 /home/wjw/PycharmProjects/face_study/face0112/find_face.py
[(297, 759, 759, 297)]
[{\'chin\': [(280, 439), (282, 493), (283, 547), (290, 603), (308, 654), (340, 698), (380, 733), (427, 760), (485, 770), (544, 766), (592, 738), (634, 704), (668, 661), (689, 613), (701, 563), (712, 514), (722, 466)], \'left_eyebrow\': [(327, 373), (354, 340), (395, 323), (442, 324), (487, 337)], \'right_eyebrow\': [(560, 344), (603, 340), (647, 348), (682, 372), (698, 410)], \'nose_bridge\': [(519, 410), (517, 444), (515, 477), (513, 512)], \'nose_tip\': [(461, 548), (485, 554), (508, 561), (532, 558), (555, 556)], \'left_eye\': [(372, 424), (399, 420), (426, 420), (451, 429), (424, 433), (397, 432)], \'right_eye\': [(577, 440), (605, 437), (631, 442), (655, 451), (628, 454), (601, 449)], \'top_lip\': [(415, 617), (452, 600), (484, 593), (506, 600), (525, 598), (551, 610), (579, 634), (566, 630), (524, 620), (504, 619), (482, 616), (428, 616)], \'bottom_lip\': [(579, 634), (546, 636), (518, 636), (498, 635), (475, 632), (447, 626), (415, 617), (428, 616), (479, 605), (500, 610), (520, 610), (566, 630)]}]
[array([-0.14088562,  0.00503807,  0.00270613, -0.07196694, -0.13449337,
       -0.07765003, -0.03745099, -0.09381913,  0.12006464, -0.14438102,
        0.13404925, -0.06327219, -0.17859964, -0.05488868, -0.02019649,
        0.1671212 , -0.1643257 , -0.12276072, -0.03441665, -0.05535197,
        0.10760178,  0.04479133, -0.06407147,  0.0689199 , -0.11934121,
       -0.32660219, -0.07756624, -0.06931646,  0.04064362, -0.05714978,
       -0.0353414 ,  0.0762421 , -0.18261658, -0.07098956,  0.02025999,
        0.13947421, -0.00086442, -0.05380288,  0.17013952,  0.03612047,
       -0.24374251,  0.02234841,  0.06126914,  0.25475574,  0.11198805,
        0.01954928,  0.01119124, -0.10833667,  0.14647615, -0.14495029,
       -0.00890255,  0.12340544,  0.05062022,  0.07525564,  0.0184714 ,
       -0.0970083 ,  0.07874238,  0.09881058, -0.15751837,  0.02846039,
        0.0963228 , -0.07531998, -0.0176545 , -0.07000162,  0.25344211,
        0.03867894, -0.09201257, -0.1658347 ,  0.12261658, -0.1535762 ,
       -0.15940444,  0.04406216, -0.12239387, -0.10966937, -0.30615237,
       -0.00739088,  0.39348996,  0.108335  , -0.20034787,  0.08009379,
       -0.05592394, -0.0375729 ,  0.23610245,  0.16506384,  0.03575533,
        0.04828007, -0.04044699,  0.01277492,  0.25646573, -0.00142263,
       -0.04078939,  0.18071812,  0.0617944 ,  0.12697747,  0.02988701,
       -0.00425877, -0.07669616,  0.00568433, -0.10959606, -0.03289849,
        0.08964096, -0.00859835,  0.00752143,  0.14310959, -0.14807181,
        0.18848835,  0.03889544,  0.0564449 ,  0.03094865,  0.05897319,
       -0.11886788, -0.03628988,  0.09417973, -0.20971358,  0.22439443,
        0.18054837,  0.0444049 ,  0.06860743,  0.1211487 ,  0.02242998,
       -0.01343671, -0.00214755, -0.24110457, -0.03643485,  0.13142672,
       -0.05264375,  0.09808614,  0.00694137])]

Process finished with exit code 0

可以将面部编码相互比较以查看面部是否匹配,注意:查找面部编码有点慢,因此如果在以后还需对次图片进行面部分析参考,建议将每个图片的结果存留缓存或存储进数据库。

一旦得到面部编码,便可以比较他们

# results is an array of True/False telling if the unknown face matched anyone in the known_faces array
results = face_recognition.compare_faces(known_face_encodings, a_single_unknown_face_encoding)

就是这么简单!

face_recognition 模块内容

batch_face_locations 使用CNN人脸检测器返回图像中人脸边界框的二维数组

face_recognition.batch_face_locations(images, number_of_times_to_upsample=1, batch_size=128)

使用CNN人脸检测器返回图像中人脸边界框的二维数组

如果您使用的是GPU,这可以提供更快的结果,因为GPU

可以一次处理一批图像。如果你不使用GPU,你就不需要这个功能。

:param img:图像列表(每个图像都是一个numpy数组)

:param number_of_times_to_upsample:要对图像进行多少次upsample以查找面。数字越大,面越小。

:param batch_size:每个GPU处理批中要包含多少图像。

return:按css(上、右、下、左)顺序找到的面位置的元组列表

compare_faces 将人脸编码列表与候选编码进行比较,看它们是否匹配。

face_recognition.compare_faces(known_face_encodings, face_encoding_to_check, tolerance=0.6)

将人脸编码列表与候选编码进行比较,看它们是否匹配。 

:param known_face_encodings:已知人脸编码列表

:param face_encoding_to_check:要与列表进行比较的单个面编码

:param tolerance:面与面之间的距离应视为匹配。越低越严格。0.6是典型的最佳性能。

return:一个true/false值列表,指示要检查的已知面部编码与面部编码匹配。

face_distance 给定面部编码列表,将它们与已知的面部编码进行比较,并获得每个比较面部的欧氏距离。距离告诉您脸部的相似程度。

face_recognition.face_distance(face_encodings, face_to_compare)

给定面部编码列表,将它们与已知的面部编码进行比较,并获得每个比较面部的欧氏距离。距离告诉您脸部的相似程度。

:param faces:要比较的面编码列表

:param face_to_compare:要与之比较的人脸编码

:返回:一个numpy ndarray,每个面的距离与“faces”数组的顺序相同。

face_encodings 给定的图像,返回的128维编码每个脸对脸的形象。

 face_recognition.face_encodings(face_image, known_face_locations=None, num_jitters=1)

给定的图像,返回的128维编码每个脸对脸的形象。

参数:face_image:图像是包含一个或多个面

参数:known_face_locations:可选的如果您已经知道每个面的边界框。

参数:num_jitters计算编码时重新采样面的次数。更高更准确,但更慢(即100慢100倍)

参数:return:128维面部编码列表(图像中每个面部一个)

face_landmarks 给定图像,返回图像中每个面部的面部特征位置(眼睛,鼻子等)的字典。

 face_recognition.face_landmarksface_imageface_locations = Nonemodel =\'large\' 

给定图像,返回图像中每个面部的面部特征位置(眼睛,鼻子等)的字典。

face_image - 要搜索的图像

face_locations - 可选择提供要检查的面部位置列表。

model - 可选 - 要使用的模型。“大”(默认)或“小”,只返回5分但速度更快。

return:面部特征位置(眼睛,鼻子等)的序列表

face_locations 返回图像中人脸边界框的数组。

 face_recognition.face_locationsimgnumber_of_times_to_upsample = 1model =\'hog\'  

返回图像中人脸边界框的数组。

img - 一个图像(作为一个numpy数组)

number_of_times_to_upsample - 对图像进行上采样以查找面部的次数。数字越大,面部越小。

model - 使用哪种人脸检测模型。“hog”不太准确,但在CPU上更快。“cnn”是一种更准确的深度学习模型,它是GPU / CUDA加速(如果可用)。默认为“hog”。

return:css(顶部,右侧,底部,左侧)顺序中找到的面部位置的元组列表

load_image_file 将图像文件(.jpg,.png等)加载到numpy数组中。

 face_recognition.load_image_filefilemode =\'RGB\' )

将图像文件(.jpg,.png等)加载到numpy数组中。

file - 要加载的图像文件名或文件对象

mode - 将图像转换为的格式。仅支持“RGB”(8位RGB,3个通道)和“L”(黑色和白色)

return:图像内容为numpy数组。

 

完成!

 

以上是关于Python 使用 face_recognition 人脸识别的主要内容,如果未能解决你的问题,请参考以下文章

使用嵌入式 Python

python使用cookie登陆网页

Python基础 -- Python环境的安装pip的使用终端运行python文件Pycharm的安装和使用Pycharm基本设置:设置Python文件默认格式

在python使用SSL(HTTPS)

python 爬虫使用方法分享——安装python

python基础之从认识python到python的使用