devbox
天景科技苑
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

Python 人脸识别_python人脸识别

作者：天景科技苑 | 2024-06-26 09:48:36

赞

踩

python人脸识别

python 人脸识别，感觉有点棒棒滴~走，同志们让我们一起出发，咱们的目标是：星辰和大海

                                                                     

目录

1、环境安装必要过的坑

2、模块的讲解

1、环境安装必要过的坑

     首先我先介绍下我的环境 我是win10系统，Python 使用的是Anconda默认的python3.6.3版本！在这里一定要注意，我们使用的python3.6版本，原先的3.5版本由于各种坑，往死的填也填不完，所以我们就简单略过，用跟家快捷的方法，得到我们想要的结果（在这里我不得不夸下我自己，真是鬼才，嘎嘎嘎~）

                                                          

不多bb，come on 上安装

准备环境之安装依赖

1.  配置安装好：dlib，这个模式轮子网站好像没有了，可以使用源码安装，或者自行百度亲~

2.   然后利用 pip install face_recongnition 

轮子安装网站：点这里

当然在我们python3.6版本，不用考虑安装好自己的cmake环境和boost环境

然后直接利用pip install face_recongnition 就好！

然后直接打开我们的cmd进入python 交互界面输入

import face_recognition

如果没有报错就说明这个第三方软件包正常！

2、模块的讲解

       为了调用我们的程序我们需要在我们的 python里面安装opencv-python一遍我们调用我们的摄像头！ 方便我们进行人工摄像头识别。

       接下来让我们走进python face人脸识别，让我们尽情造作吧，看下下面的代码。（咳咳~如有侵权，请本人联系我，我马上改，嘿嘿~）

                                                                   

  1. 导入pil模块 ，可用命令安装 apt-get install python-Imaging
  2. from PIL import Image, ImageDraw
  3.  
  4. # 导入face_recogntion模块，可用命令安装 pip install face_recognition
  5. import face_recognition
  6.  
  7. # 将jpg文件加载到numpy 数组中
  8. image = face_recognition.load_image_file("abm.png")
  9. #查找图像中所有面部的所有面部特征
  10. face_landmarks_list = face_recognition.face_landmarks(image)
  11. print("I found {} face(s) in this photograph.".format(len(face_landmarks_list)))
  12. for face_landmarks in face_landmarks_list:
  13.    #打印此图像中每个面部特征的位置
  14.     facial_features = [
  15.         'chin',
  16.         'left_eyebrow',
  17.         'right_eyebrow',
  18.         'nose_bridge',
  19.         'nose_tip',
  20.         'left_eye',
  21.         'right_eye',
  22.         'top_lip',
  23.         'bottom_lip'
  24.     ]
  25.     for facial_feature in facial_features:
  26.         print("The {} in this face has the following points: {}".format(facial_feature, face_landmarks[facial_feature]))
  27.    #让我们在图像中描绘出每个人脸特征！
  28.     pil_image = Image.fromarray(image)
  29.     d = ImageDraw.Draw(pil_image)
  30.     for facial_feature in facial_features:
  31.         d.line(face_landmarks[facial_feature], width=5)
  32.     pil_image.show()
  33. 运行结果如下：

运行结果如下：

 正常识别，脸部轮廓

我们会识别图片的特征轮廓，也就是通过这个方法来识别面部特征

好的，距离我的目标又近了一步，下面乡亲们请看下方图片的各位美女，嘿嘿~，我想要通过代码去识别宝贝们儿的脸部，并很残忍的切割下来（放大看~）

                                   


代码实现：

  1. from PIL import Image
  2. import face_recognition
  3. #这是一个jpg的图片！
  4. image = face_recognition.load_image_file('jh.jpg')
  5.  
  6. face_locations = face_recognition.face_locations(image)
  7.  
  8. print('I found {} faces in this photograph'.format(len(face_locations)))
  9.  
  10. for face_location in face_locations:
  11.     top,right,bottom,left = face_location
  12.     print(
  13.         "A face is located at pixel location Top: {}, Left: {}, Bottom: {}, Right: {}".format(top, left, bottom, right))
  14.     # 指定人脸的位置信息，然后显示人脸图片
  15.     face_image = image[top:bottom, left:right]
  16.     pil_image = Image.fromarray(face_image)
  17.     pil_image.save(str(top)+'.jpg')


运行结果如下：

                

不的不说美女就是赏心悦目，不需要发型衬托五官，很棒~

                                           

下面我们通过输入一个图片分析它的特征来更好的识别人脸，对比接下来我注入进去的图片中的人脸看看是不是同一个人。

相当于咱们打卡系统：首先录入指纹（美女图片相当于录入的指纹），然后每天个人打卡对比已经录入的指纹（老马就相当于个人），通过奥巴马的脸部来对比美女们的面部

传递：    人脸图像（想传谁都行）                   

 对比的：                                                       

  1. import face_recognition
  2. #加入奥巴马图片
  3. abm_image = face_recognition.load_image_file('abm.png')
  4. #这个是全体图片
  5. unknown_image = face_recognition.load_image_file('jh.jpg')
  6. #对图片的数据进行分析
  7. abm_face_encoding = face_recognition.face_encodings(abm_image)[0]
  8.  
  9. print('chen_face_encoding:{}'.format(abm_face_encoding))
  10.  
  11. unknown_face_encoding = face_recognition.face_encodings(unknown_image)[0]
  12.  
  13. print('unknow_face_encoding:{}'.format(unknown_face_encoding))
  14.  
  15. known_faces = [
  16.  
  17.     abm_face_encoding
  18. ]
  19.  
  20. result = face_recognition.compare_faces(known_faces,unknown_face_encoding)
  21.  
  22. print('result is {}'.format(result))
  23.  
  24. print('这个面孔是奥巴马吗{}'.format(result[0]))
  25.  
  26. print('这个未知的面孔是我们的新面孔吗{}'.format(not True in result ))

运行结果如下：

实战：利用咱们的摄像头来实现人工人脸检测！

现在我们使用调用摄像头方法，来实现脸部对比，前提你要把先录入几张照片，方便摄像头捕捉的脸部进行对比

  1. # -*- coding: utf-8 -*-
  2.  
  3. # @Time : 2019/1/3 11:28
  4.  
  5. # @Author : for
  6.  
  7. # @File : 03_摄像头识别_test.py
  8.  
  9. # @Software: PyCharm
  10.  
  11. # -*- coding: utf-8 -*-
  12.  
  13. # 摄像头头像识别
  14.  
  15. import face_recognition
  16.  
  17. import cv2
  18. video_capture = cv2.VideoCapture(0)
  19. # 本地图像
  20. chenduling_image = face_recognition.load_image_file("abm.png")
  21. chenduling_face_encoding = face_recognition.face_encodings(chenduling_image)[0]
  22. # 本地图像二
  23. sunyizheng_image = face_recognition.load_image_file("pj.jpg")
  24. sunyizheng_face_encoding = face_recognition.face_encodings(sunyizheng_image)[0]
  25. # 本地图片三
  26. zhangzetian_image = face_recognition.load_image_file("tlp.jpg")
  27. zhangzetian_face_encoding = face_recognition.face_encodings(zhangzetian_image)[0]
  28. # Create arrays of known face encodings and their names
  29. # 脸部特征数据的集合
  30. known_face_encodings = [
  31.     chenduling_face_encoding,
  32.     sunyizheng_face_encoding,
  33.     zhangzetian_face_encoding
  34. ]
  35. # 人物名称的集合
  36. known_face_names = [
  37.     "aobama",
  38.     "pujing",
  39.     "telangpu"
  40. ]
  41. face_locations = []
  42. face_encodings = []
  43. face_names = []
  44. process_this_frame = True
  45. while True:
  46.     # 读取摄像头画面
  47.     ret, frame = video_capture.read()
  48.     # 改变摄像头图像的大小，图像小，所做的计算就少
  49.     small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)
  50.     # opencv的图像是BGR格式的，而我们需要是的RGB格式的，因此需要进行一个转换。
  51.     rgb_small_frame = small_frame[:, :, ::-1]
  52.     # Only process every other frame of video to save time
  53.     if process_this_frame:
  54.         # 根据encoding来判断是不是同一个人，是就输出true，不是为flase
  55.         face_locations = face_recognition.face_locations(rgb_small_frame)
  56.         face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)
  57.         face_names = []
  58.         for face_encoding in face_encodings:
  59.             # 默认为unknown
  60.             matches = face_recognition.compare_faces(known_face_encodings, face_encoding)
  61.             print(matches)
  62.             name = "Unknown"
  63.             if True in matches:
  64.                 first_match_index = matches.index(True)
  65.                 name = known_face_names[first_match_index]
  66.             face_names.append(name)
  67.     process_this_frame = not process_this_frame
  68.     # 将捕捉到的人脸显示出来
  69.     for (top, right, bottom, left), name in zip(face_locations, face_names):
  70.         # Scale back up face locations since the frame we detected in was scaled to 1/4 size
  71.         top *= 4
  72.         right *= 4
  73.         bottom *= 4
  74.         left *= 4
  75.         # 矩形框
  76.         cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)
  77.         #加上标签
  78.         cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)
  79.         font = cv2.FONT_HERSHEY_DUPLEX
  80.         cv2.putText(frame, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)
  81.     # Display
  82.     cv2.imshow('monitor', frame)
  83.     # 按Q退出
  84.     if cv2.waitKey(1) & 0xFF == ord('q'):
  85.         break
  86. video_capture.release()
  87. cv2.destroyAllWindows()

运行结果如下：

 正常识别

哎呦~出来了，大帝的名字，请大家忽略我的破手机~

在这里我们要特别提醒下，这个模块对于亚洲的人脸的识别还是不太给力，不过可以通过训练增加准确度，溜了溜了~

修仙去了，再见来不及握手~

             

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/天景科技苑/article/detail/758976
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号