当前位置:   article > 正文

Python 人脸识别_python人脸识别

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. # 导入face_recogntion模块,可用命令安装 pip install face_recognition
  4. import face_recognition
  5. # 将jpg文件加载到numpy 数组中
  6. image = face_recognition.load_image_file("abm.png")
  7. #查找图像中所有面部的所有面部特征
  8. face_landmarks_list = face_recognition.face_landmarks(image)
  9. print("I found {} face(s) in this photograph.".format(len(face_landmarks_list)))
  10. for face_landmarks in face_landmarks_list:
  11.    #打印此图像中每个面部特征的位置
  12.     facial_features = [
  13.         'chin',
  14.         'left_eyebrow',
  15.         'right_eyebrow',
  16.         'nose_bridge',
  17.         'nose_tip',
  18.         'left_eye',
  19.         'right_eye',
  20.         'top_lip',
  21.         'bottom_lip'
  22.     ]
  23.     for facial_feature in facial_features:
  24.         print("The {} in this face has the following points: {}".format(facial_feature, face_landmarks[facial_feature]))
  25.    #让我们在图像中描绘出每个人脸特征!
  26.     pil_image = Image.fromarray(image)
  27.     d = ImageDraw.Draw(pil_image)
  28.     for facial_feature in facial_features:
  29.         d.line(face_landmarks[facial_feature], width=5)
  30.     pil_image.show()
  31. 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. face_locations = face_recognition.face_locations(image)
  6. print('I found {} faces in this photograph'.format(len(face_locations)))
  7. for face_location in face_locations:
  8.     top,right,bottom,left = face_location
  9.     print(
  10.         "A face is located at pixel location Top: {}, Left: {}, Bottom: {}, Right: {}".format(top, left, bottom, right))
  11.     # 指定人脸的位置信息,然后显示人脸图片
  12.     face_image = image[top:bottom, left:right]
  13.     pil_image = Image.fromarray(face_image)
  14.     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. print('chen_face_encoding:{}'.format(abm_face_encoding))
  9. unknown_face_encoding = face_recognition.face_encodings(unknown_image)[0]
  10. print('unknow_face_encoding:{}'.format(unknown_face_encoding))
  11. known_faces = [
  12.     abm_face_encoding
  13. ]
  14. result = face_recognition.compare_faces(known_faces,unknown_face_encoding)
  15. print('result is {}'.format(result))
  16. print('这个面孔是奥巴马吗{}'.format(result[0]))
  17. 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. # @Time : 2019/1/3 11:28
  3. # @Author : for
  4. # @File : 03_摄像头识别_test.py
  5. # @Software: PyCharm
  6. # -*- coding: utf-8 -*-
  7. # 摄像头头像识别
  8. import face_recognition
  9. import cv2
  10. video_capture = cv2.VideoCapture(0)
  11. # 本地图像
  12. chenduling_image = face_recognition.load_image_file("abm.png")
  13. chenduling_face_encoding = face_recognition.face_encodings(chenduling_image)[0]
  14. # 本地图像二
  15. sunyizheng_image = face_recognition.load_image_file("pj.jpg")
  16. sunyizheng_face_encoding = face_recognition.face_encodings(sunyizheng_image)[0]
  17. # 本地图片三
  18. zhangzetian_image = face_recognition.load_image_file("tlp.jpg")
  19. zhangzetian_face_encoding = face_recognition.face_encodings(zhangzetian_image)[0]
  20. # Create arrays of known face encodings and their names
  21. # 脸部特征数据的集合
  22. known_face_encodings = [
  23.     chenduling_face_encoding,
  24.     sunyizheng_face_encoding,
  25.     zhangzetian_face_encoding
  26. ]
  27. # 人物名称的集合
  28. known_face_names = [
  29.     "aobama",
  30.     "pujing",
  31.     "telangpu"
  32. ]
  33. face_locations = []
  34. face_encodings = []
  35. face_names = []
  36. process_this_frame = True
  37. while True:
  38.     # 读取摄像头画面
  39.     ret, frame = video_capture.read()
  40.     # 改变摄像头图像的大小,图像小,所做的计算就少
  41.     small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)
  42.     # 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。
  43.     rgb_small_frame = small_frame[:, :, ::-1]
  44.     # Only process every other frame of video to save time
  45.     if process_this_frame:
  46.         # 根据encoding来判断是不是同一个人,是就输出true,不是为flase
  47.         face_locations = face_recognition.face_locations(rgb_small_frame)
  48.         face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)
  49.         face_names = []
  50.         for face_encoding in face_encodings:
  51.             # 默认为unknown
  52.             matches = face_recognition.compare_faces(known_face_encodings, face_encoding)
  53.             print(matches)
  54.             name = "Unknown"
  55.             if True in matches:
  56.                 first_match_index = matches.index(True)
  57.                 name = known_face_names[first_match_index]
  58.             face_names.append(name)
  59.     process_this_frame = not process_this_frame
  60.     # 将捕捉到的人脸显示出来
  61.     for (top, right, bottom, left), name in zip(face_locations, face_names):
  62.         # Scale back up face locations since the frame we detected in was scaled to 1/4 size
  63.         top *= 4
  64.         right *= 4
  65.         bottom *= 4
  66.         left *= 4
  67.         # 矩形框
  68.         cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)
  69.         #加上标签
  70.         cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)
  71.         font = cv2.FONT_HERSHEY_DUPLEX
  72.         cv2.putText(frame, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)
  73.     # Display
  74.     cv2.imshow('monitor', frame)
  75.     # 按Q退出
  76.     if cv2.waitKey(1) & 0xFF == ord('q'):
  77.         break
  78. video_capture.release()
  79. 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
  

闽ICP备14008679号