python人脸识别demo

现在人脸识别功能已经很成熟了，就想做个好玩的小功能：
只要某人来到摄像头前，就播放语音：某某某，你好！

分解一下实现步骤，大概就是：
摄像头采集图像，然后运行人脸识别算法，识别出人脸特征，进行人脸比对，并进行语音提示。

再说一下编程语言的选取，目前做人工智能的，用python的最多，就用它了。

具体实现的时候，大体分为下面几部分：

1，找一个人脸识别库，运行起来；
2，添加人脸图片；
3，使用摄像头获取图像；
4，文字转换为音频文件；
5，播放音频文件；
6，人脸与音频播放关联起来；
7，循环执行。

下面具体说明下实现步骤：

一，找一个人脸识别库，运行起来
   直接上网搜索，就有很多介绍推荐的，具体到能在自己的环境中运行起来，还是得试一试的。   我参考了几个例子后，选择的人脸识别库是：face_recognition，这是Github开源人脸识别项目。号称是世界上最简洁的人脸识别库，只需要几个接口，就完成了人脸识别功能。
   我下面的demo中，只调用了如下4个接口：
   定位图片中的所有人脸：

    face_locations(face_image,number_of_times_to_upsample=1,model="hog")

识别人脸特征（128个特征向量）：

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

人脸比对：

    compare_faces(known_face_encodings, face_encoding_to_check, tolerance=0.6)

人脸距离：

    face_distance(known_face_encodings, face_encoding_to_check)

示例是快速上手一个新库的主要手段，从Face Recognition 官方库下载源码，打开其中的 examples 目录，可以看到里面有各种示例，我是参考了 face_distance.py 、 find_faces_in_picture.py 和 facerec_ipcamera_knn.py 来熟悉这个 Face Recognition 库的使用。

有了示例程序，然后就是搭建环境，主要就是安装几个依赖库：

    pip install numpy opencv-pythonpip install dlibpip install face_recognition

再然后就是把demo跑起来了。
文章后面我会提供完整代码。

二，添加人脸图片
demo目录结构如下图：

train中，存放的是底库图片，图片名就是底库人脸对应的人名，例如，lintax.jpg；
test中，存放的是测试图片，具体来说就是test.jpg。

audio目录中，存放的是音频文件。
main.py，就是python代码。
这里，我先把自己用手机拍的照片传进去，选一个有自己正脸的，裁剪得只有自己正脸的图片，编辑图片名称，做为人脸底库。然后换另一张多人的照片，看能否识别到自己。
开头试了下，竟然不能识别到！
做了如下几种调整后，可以识别了：
1，缩小底库图片；
   我是缩小到240*240，与例程中图像分辨率比较接近就行了。
2，缩小测试图片，也是缩放到与例程分辨率比较接近的程度。
然后，就能识别到自己了。
然而，出现了一个新问题，有别人也被识别到我了。
考虑这个情况是比对的阈值选择问题，要更加严格一些。这里就需要来调整人脸比对的阈值；
   看这个人脸比对函数：

    compare_faces(known_face_encodings, face_encoding_to_check, tolerance=0.6)

参考face_recognition项目的中文说明：
   tolerance=0.6：两张脸之间有多少距离才算匹配。该值越小对比越严格，0.6是典型的最佳值。
   再看另一处说明：
   本项目的人脸识别是基于业内领先的C++开源库 dlib中的深度学习模型，用Labeled Faces in the Wild人脸数据集进行测试，有高达99.38%的准确率。但对小孩和亚洲人脸的识别准确率尚待提升。
   亚洲人脸，毫无疑问，我的脸是属于其中的。我也不会去搞什么人脸训练工作，就调整下阈值试试吧。
   试了下，把阈值改为0.4就可以了：
       tolerance=0.4
   到这里，主体功能算是可用了，剩下就是添枝加叶了。

三，使用摄像头获取图像
就是如下两步，就获取到摄像头的图像了：

cam = cv2.VideoCapture(0)
ret,img = cam.read()

接下来，就是把这个图片送入人脸识别，看看能否出结果。
当然，前提是电脑上有个摄像头，并且可以正常工作。

四，文字转换为音频文件
   这里，我是采用的网络上的在线转换，见如下地址：
   https://app.xunjiepdf.com/text2voice/
   输入文字，然后转音频，下载，很方便的。

五，播放音频文件
选什么音频播放库，我对比了几个，选择了playsound，因为它支持mp3，而前面我获取的音频文件就是mp3格式的。
播放动作，也很方便，就是一句代码的事：

    playsound('./audio/hello_lintax.mp3')

六，人脸与音频播放关联起来
这个也简单，就是选匹配度最高的特征，对应到人名，再与音频播放关联起来：

    name = known_names[best_match]    #选匹配度最高的名字if(name.lower()=="lintax"):        #判断人名，与音频播放关联起来playsound('./audio/hello_lintax.mp3')

七，循环执行
就是在前面的一次性人脸识别之外，添加一个while循环。
我这里也是简单处理，每5秒从摄像机捕获一帧图像，进行特征提取、比对，根据匹配情况确定是否播放语音。

八，源码
整个demo的代码如下，当然，也可以直接下载（python人脸识别demo-深度学习文档类资源-CSDN下载）：

import face_recognition as fr
import cv2
import numpy as np
import os
import time
from playsound import playsoundpath = "./train/"
known_names = []
known_name_encodings = []print("train:")
images = os.listdir(path)
for file_name in images:print(file_name)image = fr.load_image_file(path + file_name)image_path = path + file_nameencoding = fr.face_encodings(image)[0]#print(encoding)known_name_encodings.append(encoding)known_names.append(os.path.splitext(os.path.basename(image_path))[0].capitalize())print(known_names)#调用摄像头
cam = cv2.VideoCapture(0)
minW = 0.1*cam.get(3)
minH = 0.1*cam.get(4)while True:print("cam.read")ret,img = cam.read()#展示捕获图片print("imshow")cv2.imshow('camera',img)k = cv2.waitKey(20)print("input key is ",k)if k == 27:  # esc break#test_image = "./test/test.jpg"#image = cv2.imread(test_image)image = img# image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)print("face_locations:")face_locations = fr.face_locations(image)print("face_encodings:")face_encodings = fr.face_encodings(image, face_locations)for (top, right, bottom, left), face_encoding in zip(face_locations, face_encodings):print("compare_faces:")matches = fr.compare_faces(known_name_encodings, face_encoding, tolerance=0.4)name = ""print(matches)print("face_distance:")face_distances = fr.face_distance(known_name_encodings, face_encoding)print(face_distances)best_match = np.argmin(face_distances)print(best_match)if matches[best_match]:name = known_names[best_match]print(name)if(name.lower()=="lintax"):playsound('./audio/hello_lintax.mp3')  cv2.rectangle(image, (left, top), (right, bottom), (0, 0, 255), 2)cv2.rectangle(image, (left, bottom - 15), (right, bottom), (0, 0, 255), cv2.FILLED)font = cv2.FONT_HERSHEY_DUPLEXcv2.putText(image, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)#cv2.imwrite("./output.jpg", image)time.sleep(5)#释放资源
cam.release()
cv2.destroyAllWindows()

主要参考文章：
http://www.zzvips.com/article/210357.html
https://github.com/ageitgey/face_recognition
https://zhuanlan.zhihu.com/p/45827914

python人脸识别demo相关推荐

python 人脸识别demo
使用python第三方模块face_recognition实现人脸识别,并根据已命名的图片把名字显示在屏幕上. 安装模块需要安装opencv,face_recognition,face_recogn ...
Android人脸识别Demo竖屏YUV方向调整和图片保存
2019独角兽企业重金招聘Python工程师标准>>> 本博客包含三个常用方法,用于盛开Android版人脸识别Demo中竖屏使用时送入yuv数据,但一直无法识别的情况. 1.首先可 ...
python人工智能图像识别_人工智能之Python人脸识别技术，人人都能做识别！
原标题:人工智能之Python人脸识别技术,人人都能做识别! 作者丨Python小哥哥 https://www.jianshu.com/p/dce1498ef0ee 一.环境搭建 1．系统环境 Ubu ...
python人脸识别、人脸关键点检测、性别检测
python人脸识别.人脸关键点检测.性别检测文章目录根据人脸预测年龄性别和情绪 (python + keras)(三) 一款入门级的人脸.视频.文字检测以及识别的项目. age-gender-e ...
Python人脸识别教程 - 基于Python的开源人脸识别库：离线识别率高达99.38%
Python人脸识别教程 - 基于Python的开源人脸识别库:离线识别率高达99.38% 仅用 Python 和命令行就可以实现人脸识别的库开源了.该库使用 dlib 顶尖的深度学习人脸识别技术构建 ...
python人脸识别系统下载_简单的Python人脸识别系统
案例一导入图片思路: 1.导入库 2.加载图片 3.创建窗口 4.显示图片 5.暂停窗口 6.关闭窗口 # 1.导入库 import cv2 # 2.加载图片 img = cv2.imread(' ...
python 人脸识别调整人脸大的距离_Python 人脸识别就多简单，看这个就够了！
原标题:Python 人脸识别就多简单,看这个就够了! 今天给大家介绍一个世界上最简洁的人脸识别库 face_recognition,你可以使用 Python 和命令行工具进行提取.识别.操作人脸. ...
Python | 人脸识别系统 — 用户操作
本博客为人脸识别系统的摄像头画面展示代码解释人脸识别系统博客汇总:人脸识别系统-博客索引项目GitHub地址:Su-Face-Recognition: A face recognition for ...
Python人脸识别黑科技（二）：教你使用python+Opencv完成人脸解锁
继上一篇"Python人脸识别黑科技(一):50行代码运用Python+OpenCV实现人脸追踪+详细教程+快速入门+图像识",那么今天我们来讲关于使用python+opencv+ ...

python人脸识别demo

python人脸识别demo相关推荐

最新文章

热门文章