这是关于人脸的又一篇原创！

之前有利用C++和OpenCv写过人脸识别的系列文章，对于人脸识别的基本理解和步骤流程等基本知识不做反复叙述。比詹小白还要白的童鞋可以查看往期文章进行了解噢

一、人脸检测

python版人脸检测基本上可以参照C++版本的程序，根据语法不同进行改写即可。

1.输入为包含人脸的图片时

这种情况较为简单，只是直接使用了opencv库的训练好的人脸检测模型~其代码如下所示：(具体函数和方法和c++情况下一样，不反复叙述)

1#encoding=utf-8

2import cv2

3import numpy

4face_patterns = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')  #加载分类器，在opencv库内

5sample_image = cv2.imread('image4.jpg')  #这里是当输入为图片而不是摄像头采集时

6faces = face_patterns.detectMultiScale(sample_image,scaleFactor=1.1,minNeighbors=5,minSize=(80, 80))

7for (x, y, w, h) in faces:

8    cv2.rectangle(sample_image, (x, y), (x+w, y+h), (0, 255, 0), 2)

9cv2.imshow('face', sample_image);

10cv2.waitKey(0)

11cv2.destroyAllWindows()

程序将图像中的人脸检测出来并框出来。运行结果如下所示：

2.输入为摄像头实时采集的图像时

这种情况和第一种情况大体类似，唯一的不同在于输入图像输入不来源于静止图片，而是摄像头的实时采集图像。测试效果不进行展示了(怕帅到你们)

1#encoding=utf-8

2import cv2

3import numpy

4face_patterns = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')  #加载分类器，在opencv库内

5camera = cv2.VideoCapture(0) #这里是利用摄像头采集，打开摄像头操作

6while camera.isOpened:

7    #利用read方法读取摄像头的某一帧图片

8    (ok, sample_image) = camera.read()

9    if not ok:

10        break

11    faces = face_patterns.detectMultiScale(sample_image,scaleFactor=1.1,minNeighbors=5,minSize=(80, 80))

12    for (x, y, w, h) in faces:

13        cv2.rectangle(sample_image, (x, y), (x+w, y+h), (0, 255, 0), 2)

14    cv2.imshow('face', sample_image);

15    if cv2.waitKey(10)&0xFF==ord('q'):#按下q，退出循环

16        break

17camera.release()

18#cv2.waitKey(0)

19cv2.destroyAllWindows()

二、人脸识别

人脸识别也可以和检测一样参照c++版本的程序，但是学python时候接触到一个很牛*的模块，这里做图片集的人脸识别进行介绍。

首先，这是所谓的niubi模块是face_recognition库模块，该库使用 dlib 顶尖的深度学习人脸识别技术构建，在户外脸部检测数据库基准(Labeled Faces in the Wild benchmark)上的准确率高达 99.38%。

1.模块的安装

face_recognition 的安装真的很拼人品！！linux系统一装就好，windows系统折腾来捯饬去炒鸡费劲！！还好我是python3.6版本，按照网上的一些教程也算是安装好了，(cmake、dlib啥的很难受)。

简单的说，用pip install指令进行安装还是比较容易的。一条指令即可，如果在安装dlib时出错那就可怜你得捯饬一会了~~

pip install face_recognition

2.代码实现

重点有三个，主要如下：

face_recognition.load_image_file

加载训练的对象，这里仅仅是三个类，各类一张图片

face_recognition.face_encodings

对加载好的对象，利用face_recognition中的方法进行特征识别，用于后面分类

face_recognition.compare_faces

将待分类识别的图像按照相同方法进行特征识别，并将其特征与指定对象特征对比，进行判断

以乔布斯、奥巴马和无名为例~

代码如下：

1# -*- coding: utf-8 -*-

2import cv2

3import face_recognition

4jobs_image = face_recognition.load_image_file("jobs.jpg");#乔布斯

5obama_image = face_recognition.load_image_file("obama.jpg");#奥巴马

6unknown_image = face_recognition.load_image_file("unknown.jpg");#无名人士

7jobs_encoding = face_recognition.face_encodings(jobs_image)[0]

8obama_encoding = face_recognition.face_encodings(obama_image)[0]

9unknown_encoding = face_recognition.face_encodings(unknown_image)[0]

10#重点是：compare_face

11results = face_recognition.compare_faces([jobs_encoding, obama_encoding], unknown_encoding )

12labels = ['jobs', 'obama']

13print('results:'+str(results))

14for i in range(0, len(results)):

15    if results[i] == True:

16        print('The person is:'+labels[i])

代码通俗易懂(python的一大特点~)，其运行结果是以文本形式指出识别对象。结果如下：

1>>>results:[False, True]

2>>>The person is:obama