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。

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。

1.特性从图片中找到人脸

识别人脸关键位置

识别图片中的人是谁

检测视频中的人脸

2.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.!

2.1 先安装 cmake 和 boost

pip install cmake

pip install boost

复制代码

2.3 安装 dlib

pip install dlib

复制代码

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:

####2.3 安装 face_recognition face_recongnition 一般要配合 opencv 一起使用

pip install face_recognition

pip install opencv-python

复制代码

3. 人脸识别

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

这三张图片名字分别为: “kobe,jpg”, "jordan.jpeg", "unkown.jpeg" 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]

复制代码

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]))

复制代码

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!

4. 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是一样的,未知图片多了人脸位置的识别,face_locations() 函数,传入图像数组,返回以上,右,下,左固定顺序的脸部位置列表 代码如下:

face_locations = face_recognition.face_locations(unknown_image)

face_encodings = face_recognition.face_encodings(unknown_image, face_locations)

复制代码

使用 face_distance() 函数。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。 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。

import face_recognition

from PIL import Image, ImageDraw

import numpy as np

def draws():

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_encoding in zip(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)

if matches[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))

del draw

pil_image.show()

pil_image.save("image_with_boxes.jpg")

复制代码

5. 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)

复制代码

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)

复制代码

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)

复制代码

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)

复制代码

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

你打球的样子真像 cxk!

python1000行代码_写个人脸识别程序员,C可能要两千行代码,Java两百!但是Python只需二十行即可!...相关推荐

  1. 让电脑崩溃的java代码_这些都是让程序员崩溃的瞬间...

    作者:五月的仓颉原文:cnblogs.com/xrq730/p/4865416.html来源:博客园 我认为,代码优化的最重要的作用应该是:避免未知的错误.在代码上线运行的过程中,往往会出现很多我们意 ...

  2. 人脸识别再曝安全漏洞,15分钟解锁19款安卓手机,只需打印机、A4纸和眼镜框即可...

    杨净 发自 凹非寺 量子位 报道 | 公众号 QbitAI 人脸识别最新漏洞曝光,测试的安卓手机无一幸免! 要说之前,拿着照片直接往前置摄像头怼,肯定不能解锁手机. 但现在,RealAI团队有了一个办 ...

  3. eplices如何导入外部代码_#华为云·寻找黑马程序员#【代码重构之路】如何优雅的关闭外部资源...

    1.背景 在Java编程中,如果打开了外部资源(文件.数据库连接.网络连接等),我们必须在这些外部资源使用完毕后,手动关闭它们.因为外部资源不由JVM管理,无法享用JVM的垃圾回收机制,如果我们不在编 ...

  4. java程序员拜年代码_作为一个资深的程序员我们应该这么拜年

    作为一个资深的程序员我们应该这么拜年,瞬间高大上! C:printf("祝大家新年快乐"); C++ : cout< QBasic : Print "祝大家新年快乐 ...

  5. linux 查看日志文件最后两千行中包含 字符‘ERROR’ 的前5 和后5行

    cat ../logs/catalina.out | grep -A1000 foo 文件catalina.out 中查找包含foo的后1000行 B是前n行,A是后n行 A for after B ...

  6. python怎么判断真假_Python不超过10行代码就可实现人脸识别,教你辨别真假

    [[爱编程的南风]Python不超过10行代码就可实现人脸识别,教你辨别真假]http://toutiao.com/group/6518157903055045127/?iid=15906422033 ...

  7. 自己写一个控制台人脸识别程序

    自己写一个控制台人脸识别程序 其中用到的技术:IO文件流,api,json,集合 package com.aa; /****************************************** ...

  8. android 人脸检测代码,在Android实现人脸识别的详细过程

    照相时,在预览画面上提示用户人脸的位置,并完成自动对焦等,是个错的应用; 下面是实现细节 我们知道在android的代码中已有人脸识别的底层算法代码,而且在framework层也封了调用的API函数 ...

  9. 人脸识别门禁_门禁人脸识别系统铜陵县门禁人脸识别系统哪家好

    门禁人脸识别系统铜陵县门禁人脸识别系统哪家好 工地 1.建筑工地使用人脸识别门禁考勤机解决问题:工人刷脸出入,刷脸考勤,杜绝虚假考勤,提高考勤效率,工人工种分组,实名制管理. 2.人脸识别测温一体机用 ...

最新文章

  1. Possible MySQL server UUID duplication for server
  2. 学python先学什么-学Python之前,什么最重要?
  3. NARF(Normal Aligned Radial Feature)关键点
  4. 《玩转git三剑客》笔记
  5. accp8.0转换教材第11章Ajax交互扩展理解与练习
  6. 你需要培养科研必备的10项能力
  7. Study 1 —— HTML5概述
  8. 当一个美术生开始在腾讯撸代码… |「递归」第1集
  9. nginx 上传 文件超时设置_Nginx在高并发下的性能优化点!有这篇就够了!
  10. java data jpa_Spring Data JPA(一)简介
  11. 论文浅尝 | Data Intelligence - 多篇语义资源论文
  12. 谷歌浏览器下载的文件保存在哪里?
  13. Linux进阶之路————Linux磁盘分区与挂载
  14. 求整数 在二进制表示中有多少个1的方法
  15. Python实战——过采样数据的处理之改进的SMOTE算法
  16. Django计算机毕业设计餐饮管理系统(程序+LW)Python
  17. 从官网下载mod_jk.so
  18. 小米AX1800开SSH权限
  19. 似然估计 Hessain Fisher Information
  20. Java 中exists用法_sql中exists,not exists的用法

热门文章

  1. 步步分析爬取知乎用户头像
  2. 分离潜变量自动编码器超分辨率网络 SLAESR
  3. Bootstrap(自助法) 学习笔记
  4. 电脑端微信双开的办法
  5. Informix IDS 11琐屑管理(918考试)认证指南,第 7 局部: IDS复制(10)
  6. c语言课题设计题目猜数字游戏,C语言课题设计报告(猜数字游戏)文档.doc
  7. android版ape,flac,wav,mp3播放器
  8. 邮件归档,完善企业信息管理
  9. 深入理解Java虚拟机(二):Java内存回收及垃圾收集算法
  10. 网吧电脑怎么调试java_调试网吧计费