​前言

在有一些电影里面，特别是科幻高科技电影里面经常出现的一幕，获得某人的照片然后进行各种数据对比，然后找出这个人的个人信息：姓名、年龄、性别、工作等等。

理论上：你可以建立一个你感兴趣的百万级的数据库，给你个照片 ，你就可以得到她是谁，哪里的，信息都可以知道，而且因为人与人之间的网状的关联，你甚至可以知道她喜欢的人是谁，男朋友长啥样子。

相信我：一切都不是虚构的，你能做的更多！

思路：

一、数据收集，可以采用爬虫对网上海里的明星信息进行有针对的爬取

二、格式化数据，存入mysq，把明星的自拍照的文件名存入数据库中

三、使用百度的api对程序进行编写，说实话，百度人脸识别做的很棒了，精确度很高

四、你上传一张图片(或者你能想象到的方式)，后面的程序会对你海量的数据库中人的信息进行比对

五、输出匹配到的人的信息，和相似度的数值。

直接上代码：

测试图片：

明星数据库：

明星的照片所在目录：

明星照片：

程序运行效果：

一共对数据库进行比对了5条信息

匹配到明星的信息：曾轶可 27 1990年1月3日出生于湖南省常德市汉寿县，创作型女歌手，演员。相似度：63.689125061

数据库：

目录：

项目总结：

人脸比对对照片有一定要求，因为我爬取的照片大小不规则，所以比对的时候，会有问题，人脸比对用的百度的api接口，感觉关键部分不是自己实现的，正在恶补数据结构和算法。

下面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。

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。

安装：

最好是使用 Linux 或 Mac 环境来安装，Windows 下安装会有很多问题。在安装 face_recognition 之前你需要先安装以下几个库，注意顺序!

1.1 先安装 cmake 和 boost

pipinstallcmake

pipinstallboost

1.2 安装 dlib

pipinstall dlib

此处安装可能要几分钟。如安装出错，建议使用 whl 文件来安装

下载地址：https://pypi.org/simple/dlib/

1.3 安装 face_recognition

face_recongnition 一般要配合 opencv 一起使用

pipinstallface_recognition

pipinstallopencv-python

识别：

比如这里总共有三张图片，其中有两张已知，第三张是需要识别的图片

首先获取人脸中的信息

kobe_image = face_recognition.load_image_file("kobe.jpg")# 已知科比照片

jordan_image = face_recognition.load_image_file("jordan.jpeg")# 已知乔丹照片

unknown_image = face_recognition.load_image_file("unkown.jpeg")# 未知照片

kobe_face_encoding = face_recognition.face_encodings(kobe_image)[0]

jordan_face_encoding = face_recognition.face_encodings(jordan_image)[0]

unknown_face_encoding = face_recognition.face_encodings(unknown_image)[0]

代码中前三行分别是加载三张图片文件并返回图像的 numpy 数组，后三行返回图像中每个面部的人脸编码

然后将未知图片中的人脸和已知图片中的人脸进行对比，使用 compare_faces() 函数， 代码如下：

known_faces = [

kobe_face_encoding,

jordan_face_encoding

]

results = face_recognition.compare_faces(known_faces, unknown_face_encoding)# 识别结果列表

print("这张未知照片是科比吗? {}".format(results[0]))

print("这张未知照片是乔丹吗? {}".format(results[1]))

运行结果如下：

不到二十行代码，就能识别出人脸是谁，是不是 so easy！

人脸标注：

仅仅识别图片中的人脸总是感觉差点什么，那么将识别出来的人脸进行姓名标注是不是更加有趣~

已知图片的识别和前面代码基本是一样的，未知图片代码多了人脸位置的识别，并使用了face_locations() 函数。代码如下：

face_locations = face_recognition.face_locations(unknown_image)

face_encodings = face_recognition.face_encodings(unknown_image, face_locations)

函数传入两个参数，返回以上，右，下，左固定顺序的脸部位置列表的作用是将已知脸部位置和未知面部编码进行比较，得到欧式距离~~~具体是什么我也不知道，距离就相当于相识度。

函数说明：face_distance(face_encodings, face_to_compare)

face_encodings：已知的面部编码

face_to_compare：要比较的面部编码

本次图片前面两张没有变化，第三张换成了科比和乔丹的合影，最终运行之后结果如下:

左边是原图，右边是识别后自动标注出来的图片。

importface_recognition

fromPILimportImage, ImageDraw

importnumpyasnp

defdraws():

kobe_image = face_recognition.load_image_file("kobe.jpg")

kobe_face_encoding = face_recognition.face_encodings(kobe_image)[0]

jordan_image = face_recognition.load_image_file("jordan.jpeg")

jordan_face_encoding = face_recognition.face_encodings(jordan_image)[0]

known_face_encodings = [

kobe_face_encoding,

jordan_face_encoding

]

known_face_names = [

"Kobe",

"Jordan"

]

unknown_image = face_recognition.load_image_file("two_people.jpeg")

face_locations = face_recognition.face_locations(unknown_image)

face_encodings = face_recognition.face_encodings(unknown_image, face_locations)

pil_image = Image.fromarray(unknown_image)

draw = ImageDraw.Draw(pil_image)

for(top, right, bottom, left), face_encodinginzip(face_locations, face_encodings):

matches = face_recognition.compare_faces(known_face_encodings, face_encoding)

name ="Unknown"

face_distances = face_recognition.face_distance(known_face_encodings, face_encoding)

best_match_index = np.argmin(face_distances)

ifmatches[best_match_index]:

name = known_face_names[best_match_index]

draw.rectangle(((left, top), (right, bottom)), outline=(0,0,255))

text_width, text_height = draw.textsize(name)

draw.rectangle(((left, bottom - text_height -10), (right, bottom)), fill=(0,0,255), outline=(0,0,255))

draw.text((left +6, bottom - text_height -5), name, fill=(255,255,255,255))

deldraw

pil_image.show()

pil_image.save("image_with_boxes.jpg")

给人脸美妆

这个功能需要结合 PIL 一起使用。用法都差不多，首先就是将图片文件加载到 numpy 数组中，然后将人脸中的面部所有特征识别到一个列表中

image = face_recognition.load_image_file("bogute.jpeg")

face_landmarks_list = face_recognition.face_landmarks(image)

遍历列表中的元素，修改眉毛

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)

给人脸涂口红

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)

增加眼线

d.polygon(face_landmarks['left_eye'], fill=(255,255,255,30))

d.polygon(face_landmarks['right_eye'], fill=(255,255,255,30))

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), wid=6)

根据以上代码做了，我用实力不行，打球又脏的 "大嘴" 博格特来做演示！

左边是原图，右边是加了美妆后的效果

你打球的样子像极了 cxk!