python 人脸检测_厉害了，用Python一行代码实现人脸识别

编辑推荐:

来源于微信号datanami，从环境搭建到人脸识别，图文以及代码叙述详细，希望对大家有帮助。

摘要: 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。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。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，1行代码足以！！！

环境要求：

Ubuntu17.10

Python 2.7.14

环境搭建：

1.安装 Ubuntu17.10 > 安装步骤在这里

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-Imaging

from PIL import Image

# 导入face_recogntion模块，可用命令安装 pip install face_recognition

import 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.py

face_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 t his 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-Imaging

from PIL import Image, ImageDraw

# 导入face_recogntion模块，可用命令安装 pip install face_recognition

import 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_recognition

import 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-Imaging

from PIL import Image, ImageDraw

# 导入face_recogntion模块，可用命令安装 pip install face_recognition

import 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

python 人脸检测_厉害了，用Python一行代码实现人脸识别相关推荐

python 人脸检测_借助摄像头在Python中实现人脸检测
Python部落(www.freelycode.com)组织翻译, 禁止转载本文作者是Shantnu Tiwari--曾多年在C/C++的魔爪中饱受折磨,直到他发现了Python--使用起来感觉如呼 ...
python 椭圆检测_使用OpenCV和Python检测触摸/重叠圆/椭圆
这是我检测圈子的尝试.综上所述 >执行BGR-> HSV转换,并使用V通道进行处理 V通道: >阈值,应用形态关闭,然后进行距离转换(我会称之为dist) 分区形象: >创建一 ...
python 图像拼接检测_图像处理之图像拼接(python)
一.算法目的在同一位置拍摄两张以上图片,这些图片是单应性相关的,即图片之间有相同的拍摄区域.基于此将图片进行缝补,拼成一个大的图像来创建全景图像. 二.基本原理要实现两张图片的简单拼接,其实只需找 ...
CoLab - 图像人脸检测_框出人脸
CoLab - 图像人脸检测_框出人脸此文章教你如何使用谷歌Colaboratory实现静止图片的人脸检测和划框框. CoLab最大好处:GPU计算速度快! 注: · 国内登陆Colab需使用到梯梯 ...
python编程基础_月隐学python第2课
python编程基础_月隐学python第2课学习目标掌握变量的输入和输出掌握数据类型的基本概念掌握算数运算 1.变量的输入和输出 1.1 变量输入使用input输入 input用于输入数据 ...
查看Python的版本_查看当前安装Python的版本
一.查看Python的版本_查看当前安装Python的版本具体方法: 首先按[win+r]组合键打开运行: 然后输入cmd,点击[确定]: 最后执行[python --version]命令即可. 特 ...
AI人工智能分析-人脸识别和分析（人脸检测跟踪、获取特征长度、提取用于人脸特征、比较相似度）
AI人工智能分析-人脸识别和分析(人脸检测跟踪.获取特征长度.提取用于人脸特征.比较相似度) 人工智能(Artificial Intelligence),英文缩写为AI.它是研究.开 ...
opencv 训练人脸对比_【项目案例python与人脸识别】基于OpenCV开源计算机视觉库的人脸识别之python实现...
" 本项目是一个基于OpenCV开源库使用python语言程序实现人脸检测的项目,该项目将从[项目基础知识](即人脸识别的基本原理).[项目实践](人脸识别所需要的具体步骤及其python程 ...
python图像检测_如何用Python检测图像中的矩形项
我发现了很多关于使用openCV等人在图像中找到"东西"的问题.在 Python中,但到目前为止,我一直无法将它们拼凑在一起,以便为我的问题提供可靠的解决方案. 我正在尝试使用计算 ...

python 人脸检测_厉害了，用Python一行代码实现人脸识别

python 人脸检测_厉害了，用Python一行代码实现人脸识别相关推荐

最新文章

热门文章