手把手教你用1行代码实现人脸识别 -- Python Face

xiaoxiao2021-02-28  16

点击上方“程序员大咖”,选择“置顶公众号”

关键时刻,第一时间送达!

环境要求:

Ubuntu17.10

Python 2.7.14

环境搭建:

1. 安装 Ubuntu17.10 

2. 安装 Python2.7.14 (Ubuntu17.10 默认Python版本为2.7.14)

3. 安装 git 、cmake 、 python-pip

# 安装 git$ sudo apt-get install -y git# 安装 cmake$ sudo apt-get install -y cmake# 安装 python-pip$ sudo apt-get install -y python-pip

4. 安装编译dlib

安装face_recognition这个之前需要先安装编译dlib

# 编译dlib前先安装 boost$ sudo apt-get install libboost-all-dev# 开始编译dlib# 克隆dlib源代码$ git clone https://github.com/davisking/dlib.git$ cd dlib$ mkdir build$ cd build$ cmake .. -DDLIB_USE_CUDA=0 -DUSE_AVX_INSTRUCTIONS=1$ cmake --build .(注意中间有个空格)$ cd ..$ python setup.py install --yes USE_AVX_INSTRUCTIONS --no DLIB_USE_CUDA

5. 安装 face_recognition

# 安装 face_recognition$ pip install face_recognition# 安装face_recognition过程中会自动安装 numpy、scipy 等

> 环境搭建完成后,在终端输入 face_recognition 命令查看是否成功

实现人脸识别:


示例一(1行代码实现人脸识别):

1. 首先你需要提供一个文件夹,里面是所有你希望系统认识的人的图片。其中每个人一张图片,图片以人的名字命名:

> known_people文件夹下有babe、成龙、容祖儿的照片

2. 接下来,你需要准备另一个文件夹,里面是你要识别的图片:

> unknown_pic文件夹下是要识别的图片,其中韩红是机器不认识的

3. 然后你就可以运行face_recognition命令了,把刚刚准备的两个文件夹作为参数传入,命令就会返回需要识别的图片中都出现了谁:

> 识别成功!!!


示例二(识别图片中的所有人脸并显示出来):

# filename : find_faces_in_picture.py# -*- coding: utf-8 -*-# 导入pil模块 ,可用命令安装 apt-get install python-Imagingfrom PIL import Image# 导入face_recogntion模块,可用命令安装 pip install face_recognitionimport face_recognition# 将jpg文件加载到numpy 数组中image = face_recognition.load_image_file("/opt/face/unknown_pic/all_star.jpg")# 使用默认的给予HOG模型查找图像中所有人脸# 这个方法已经相当准确了,但还是不如CNN模型那么准确,因为没有使用GPU加速# 另请参见: find_faces_in_picture_cnn.pyface_locations = face_recognition.face_locations(image)# 使用CNN模型# face_locations = face_recognition.face_locations(image, number_of_times_to_upsample=0, model="cnn")# 打印:我从图片中找到了 多少 张人脸print("I found {} face(s) in this photograph.".format(len(face_locations)))# 循环找到的所有人脸for face_location in face_locations:                # 打印每张脸的位置信息        top, right, bottom, left = face_location        print("A face is located at pixel location Top: {}, Left: {}, Bottom: {}, Right: {}".format(top, left, bottom, right))                        # 指定人脸的位置信息,然后显示人脸图片        face_image = image[top:bottom, left:right]        pil_image = Image.fromarray(face_image)        pil_image.show()

> 如下图为用于识别的图片

# 执行python文件$ python find_faces_in_picture.py

> 从图片中识别出7张人脸,并显示出来,如下图


示例三(自动识别人脸特征):

# filename : find_facial_features_in_picture.py# -*- coding: utf-8 -*-# 导入pil模块 ,可用命令安装 apt-get install python-Imagingfrom PIL import Image, ImageDraw# 导入face_recogntion模块,可用命令安装 pip install face_recognitionimport face_recognition# 将jpg文件加载到numpy 数组中image = face_recognition.load_image_file("biden.jpg")#查找图像中所有面部的所有面部特征face_landmarks_list = face_recognition.face_landmarks(image)print("I found {} face(s) in this photograph.".format(len(face_landmarks_list)))for face_landmarks in face_landmarks_list:   #打印此图像中每个面部特征的位置    facial_features = [        'chin',                'left_eyebrow',                'right_eyebrow',                'nose_bridge',                'nose_tip',                'left_eye',                'right_eye',                'top_lip',                'bottom_lip'    ]        for facial_feature in facial_features:        print("The {} in this face has the following points: {}".format(facial_feature, face_landmarks[facial_feature]))   #让我们在图像中描绘出每个人脸特征!    pil_image = Image.fromarray(image)    d = ImageDraw.Draw(pil_image)        for facial_feature in facial_features:        d.line(face_landmarks[facial_feature], width=5)    pil_image.show()

> 自动识别出人脸特征(轮廓)


示例四(识别人脸鉴定是哪个人):

# filename : recognize_faces_in_pictures.py# -*- conding: utf-8 -*-# 导入face_recogntion模块,可用命令安装 pip install face_recognitionimport face_recognition#将jpg文件加载到numpy数组中babe_image = face_recognition.load_image_file("/opt/face/known_people/babe.jpeg")Rong_zhu_er_image = face_recognition.load_image_file("/opt/face/known_people/Rong zhu er.jpg")unknown_image = face_recognition.load_image_file("/opt/face/unknown_pic/babe2.jpg")#获取每个图像文件中每个面部的面部编码#由于每个图像中可能有多个面,所以返回一个编码列表。#但是由于我知道每个图像只有一个脸,我只关心每个图像中的第一个编码,所以我取索引0。babe_face_encoding = face_recognition.face_encodings(babe_image)[0]Rong_zhu_er_face_encoding = face_recognition.face_encodings(Rong_zhu_er_image)[0]unknown_face_encoding = face_recognition.face_encodings(unknown_image)[0]known_faces = [    babe_face_encoding,    Rong_zhu_er_face_encoding]#结果是True/false的数组,未知面孔known_faces阵列中的任何人相匹配的结果results = face_recognition.compare_faces(known_faces, unknown_face_encoding)print("这个未知面孔是 Babe 吗? {}".format(results[0]))print("这个未知面孔是 容祖儿 吗? {}".format(results[1]))print("这个未知面孔是 我们从未见过的新面孔吗? {}".format(not True in results))

> 显示结果下如图


示例五(识别人脸特征并美颜):

# filename : digital_makeup.py# -*- coding: utf-8 -*-# 导入pil模块 ,可用命令安装 apt-get install python-Imagingfrom PIL import Image, ImageDraw# 导入face_recogntion模块,可用命令安装 pip install face_recognitionimport face_recognition#将jpg文件加载到numpy数组中image = face_recognition.load_image_file("biden.jpg")#查找图像中所有面部的所有面部特征face_landmarks_list = face_recognition.face_landmarks(image)for face_landmarks in face_landmarks_list:    pil_image = Image.fromarray(image)    d = ImageDraw.Draw(pil_image, 'RGBA')    #让眉毛变成了一场噩梦    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)    #光泽的嘴唇    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)    #闪耀眼睛    d.polygon(face_landmarks['left_eye'], fill=(255, 255, 255, 30))    d.polygon(face_landmarks['right_eye'], fill=(255, 255, 255, 30))    #涂一些眼线    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), width=6)    pil_image.show()

> 美颜前后对比如下图

来自:开源中国-kangvcar

https://my.oschina.net/kangvcar/blog/1556783

程序员大咖整理发布,转载请联系作者获得授权

【点击成为Python大神】

转载请注明原文地址: https://www.6miu.com/read-2400262.html

最新回复(0)