从零开始学Python人脸识别技术，人工智能不过如此！

一、环境搭建

１．系统环境

04
Python 2.7.14
pycharm 开发工具

2.开发环境，安装各种系统包

人脸检测基于dlib，dlib依赖Boost和cmake
在windows中如果要使用dlib还是比较麻烦的，如果想省时间可以在anaconda中安装

conda install -c conda-forge dlib=19.4

$ sudo apt-get install build-essential cmake
$ sudo apt-get install libgtk-3-dev$ sudo apt-get install libboost-all-dev

其他重要的包

$ pip install numpy$ pip install scipy$ pip install opencv-python$ pip install dlib

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

这里有我自己整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习等。送给正在学习python的小伙伴！这里是python学习者聚集地，欢迎初学和进阶中的小伙伴！

来微信公众号：“速学Python”，拿Python学习资料

二、使用教程

1、facial_features文件夹

此demo主要展示了识别指定图片中人脸的特征数据，下面就是人脸的八个特征，我们就是要获取特征数据

        'chin',        'left_eyebrow',        'right_eyebrow',        'nose_bridge',        'nose_tip',        'left_eye',        'right_eye',        'top_lip',        'bottom_lip'

运行结果：

自动识别图片中的人脸，并且识别它的特征

原图：

image

特征数据，数据就是运行出来的矩阵，也就是一个二维数组

image

代码：

# -*- coding: utf-8 -*-# 自动识别人脸特征# filename : find_facial_features_in_picture.py# 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("chenduling.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()

2、find_face文件夹

不仅能识别出来所有的人脸，而且可以将其截图挨个显示出来,打印在前台窗口

原始的图片

image

识别的图片

image

代码：

# -*- coding: utf-8 -*-#  识别图片中的所有人脸并显示出来# filename : find_faces_in_picture.py# 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("yiqi.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_locationprint("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()

３、know_face文件夹

通过设定的人脸图片识别未知图片中的人脸

# -*- coding: utf-8 -*-# 识别人脸鉴定是哪个人# 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chen_image = face_recognition.load_image_file("chenduling.jpg")#要识别的图片unknown_image = face_recognition.load_image_file("sunyizheng.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。chen_face_encoding = face_recognition.face_encodings(chen_image)[0]print("chen_face_encoding:{}".format(chen_face_encoding))
unknown_face_encoding = face_recognition.face_encodings(unknown_image)[0]print("unknown_face_encoding :{}".format(unknown_face_encoding))known_faces = [chen_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("result :{}".format(results))print("这个未知面孔是 陈都灵 吗? {}".format(results[0]))print("这个未知面孔是 我们从未见过的新面孔吗? {}".format(not True in results))

4、video文件夹

通过调用电脑摄像头动态获取视频内的人脸，将其和我们指定的图片集进行匹配，可以告知我们视频内的人脸是否是我们设定好的

实现：

image

代码：

# -*- coding: utf-8 -*-
# 摄像头头像识别
import face_recognition
import cv2video_capture = cv2.VideoCapture(0)# 本地图像
chenduling_image = face_recognition.load_image_file("chenduling.jpg")
chenduling_face_encoding = face_recognition.face_encodings(chenduling_image)[0]# 本地图像二
sunyizheng_image = face_recognition.load_image_file("sunyizheng.jpg")
sunyizheng_face_encoding = face_recognition.face_encodings(sunyizheng_image)[0]# 本地图片三
zhangzetian_image = face_recognition.load_image_file("zhangzetian.jpg")
zhangzetian_face_encoding = face_recognition.face_encodings(zhangzetian_image)[0]# Create arrays of known face encodings and their names# 脸部特征数据的集合
known_face_encodings = [chenduling_face_encoding,sunyizheng_face_encoding,zhangzetian_face_encoding
]# 人物名称的集合
known_face_names = [    "michong",    "sunyizheng",    "chenduling"]face_locations = []
face_encodings = []
face_names = []
process_this_frame = Truewhile True:# 读取摄像头画面ret, frame = video_capture.read()# 改变摄像头图像的大小，图像小，所做的计算就少small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)# 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。rgb_small_frame = small_frame[:, :, ::-1]# Only process every other frame of video to save timeif process_this_frame:# 根据encoding来判断是不是同一个人，是就输出true，不是为flaseface_locations = face_recognition.face_locations(rgb_small_frame)face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)face_names = []        for face_encoding in face_encodings:# 默认为unknownmatches = face_recognition.compare_faces(known_face_encodings, face_encoding)name = "Unknown"# if match[0]:#     name = "michong"# If a match was found in known_face_encodings, just use the first one.            if True in matches:first_match_index = matches.index(True)name = known_face_names[first_match_index]face_names.append(name)process_this_frame = not process_this_frame# 将捕捉到的人脸显示出来    for (top, right, bottom, left), name in zip(face_locations, face_names):# Scale back up face locations since the frame we detected in was scaled to 1/4 sizetop *= 4right *= 4bottom *= 4left *= 4# 矩形框cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)#加上标签cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)font = cv2.FONT_HERSHEY_DUPLEXcv2.putText(frame, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)# Displaycv2.imshow('monitor', frame)# 按Q退出    if cv2.waitKey(1) & 0xFF == ord('q'):breakvideo_capture.release()
cv2.destroyAllWindows()

5、boss文件夹

本开源项目,主要是结合摄像头程序+推送，实现识别摄像头中的人脸。并且通过推送平台给移动端发送消息！

从零开始学Python人脸识别技术，人工智能不过如此！相关推荐

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 ...
人脸图像识别（python人脸识别技术）
python人脸识别人脸识别的崛起什么是人脸识别人脸识别技术的应用和发展 python人脸识别导入库实现代码人脸识别的崛起什么是人脸识别人脸识别是将采集到的数据信息,根据人脸特征信息进 ...
图像识别python模块_人工智能之Python人脸识别技术--face_recognition模块
一.环境搭建1．系统环境Ubuntu 17.04 Python 2.7.14 pycharm 开发工具1 2 32.开发环境,安装各种系统包人脸检测基于dlib,dlib依赖Boost和cmake$ ...
人工智能之Python人脸识别技术--face_recognition模块
Github项目地址:https://github.com/MiChongGET/face_collection 一.环境搭建 1．系统环境 Ubuntu 17.04 Python 2.7.14 py ...
python人脸识别opencv_基于python+OpenCV模块的人脸识别定位技术
什么是OpenCV模块 OpenCV是一款跨平台的视觉库,可以支持的操作系统有Linux.Windows和Mac OS操作系统,并且还提供了多种语言的接口,比如Python,java,MATLAB等常 ...
python学习之基于Python的人脸识别技术学习
摘要: 面部识别技术的应用越来越广泛,它广泛应用于安全系统.人机交互.社交媒体.医疗保健等领域.本文介绍了基于Python的人脸识别技术,包括人脸检测.人脸特征提取和人脸识别三个部分.我们使用Open ...
大数据早报：路桥率先利用“人脸识别”技术监管医保亚马逊与微软联合开发人工智能，打造服务大众的AI（10.19）
数据早知道,上乐投网看早报! 『数据安全』微软内部Windows漏洞数据库曾被入侵:后果可怕作为这个星球上覆盖率最高的操作系统,Windows的一举一动都影响着大家的使用体验,对于它的安全微软也是相 ...
为什么香港计算机科学家多,[转载]为什么香港中文大学汤晓鸥教授团队的人脸识别技术能够击败人类？...
任何一个人脸自动识别程序,首先要考虑的就是去构建一个合适的数据集来测试算法.那需要一个非常大范围的,各种各样的,带着各种复杂动作.光线和表情的,不同脸的图像,各种人种.年龄和性别都要考虑在内.然后还要 ...
人脸识别技术发展及实用方案设计
作者 | 汪彪责编 | 何永灿人脸识别技术不但吸引了Google.Facebook.阿里.腾讯.百度等国内外互联网巨头的大量研发投入,也催生了Face++.商汤科技.Linkface.中科云从.依 ...

从零开始学Python人脸识别技术，人工智能不过如此！

从零开始学Python人脸识别技术，人工智能不过如此！相关推荐

最新文章

热门文章