python polygon函数_Python 人脸识别就多简单,看这个就够了!
点击上方“Python编程与实战”,选择“置顶公众号”
第一时间获取 Python 技术干货!
阅读文本大概需要 11分钟。
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.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
pip install cmakepip install boost
1.2 安装 dlib
pip install 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
pip install face_recognitionpip install opencv-python
2. 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
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!
3. 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。
import face_recognitionfrom PIL import Image, ImageDrawimport 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")
4. 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!
推荐阅读:
利用 Flask 动态展示 Pyecharts 图表数据
Flask 蓝图机制及应用
Python获取NBA历史巨星和现役球员生涯曲线
THANDKS
- End -
python polygon函数_Python 人脸识别就多简单,看这个就够了!相关推荐
- python 人脸识别调整人脸大的距离_Python 人脸识别就多简单,看这个就够了!
原标题:Python 人脸识别就多简单,看这个就够了! 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. ...
- python人脸识别防小偷_一篇文章带你了解Python 人脸识别有多简单
今天的Python学习教程给大家介绍一个世界上最简练的人脸辨认库 face_recognition,你可以应用 Python 和命令行工具进行提取.辨认.操作人脸. 基于业内领先的 C++ 开源库 d ...
- python人脸识别实验报告总结_一篇文章带你了解Python 人脸识别有多简单
原标题:一篇文章带你了解Python 人脸识别有多简单 今天的Python学习教程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 ...
- 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 ...
- 基于Python的百度AI人脸识别API接口(可用于OpenCV-Python人脸识别)
基于Python的百度AI人脸识别API接口(可用于OpenCV-Python人脸识别) 资源: download.csdn.net/download/weixin_53403301/43644312 ...
- gpu训练cnn人脸识别准确率_opencv+mtcnn+facenet+python+tensorflow 实现实时人脸识别
opencv+mtcnn+facenet+python+tensorflow 实现实时人脸识别 Abstract:本文记录了在学习深度学习过程中,使用opencv+mtcnn+facenet+pyth ...
- Python+OpenCv实现AI人脸识别身份认证系统(2)——人脸数据采集、存储
原 Python+OpenCv实现AI人脸识别身份认证系统(2)--人脸数据采集.存储 2019年07月02日 08:47:52 不脱发的程序猿 阅读数 602更多 所属专栏: 人脸识别身份认证系统设 ...
- python人脸识别毕业设计-Python基于Dlib的人脸识别系统的实现
之前已经介绍过人脸识别的基础概念,以及基于opencv的实现方式,今天,我们使用dlib来提取128维的人脸嵌入,并使用k临近值方法来实现人脸识别. 人脸识别系统的实现流程与之前是一样的,只是这里我们 ...
- python人脸深度识别_基于Python的深度学习人脸识别方法
基于 Python 的深度学习人脸识别方法 薛同来 ; 赵冬晖 ; 张华方 ; 郭玉 ; 刘旭春 [期刊名称] <工业控制计算机> [年 ( 卷 ), 期] 2019(032)002 [摘 ...
最新文章
- 循环遍历和迭代器遍历如何选择
- 面试必问的分布式相关内容(未完待续)
- 大苏州战略:“北上”滨江?
- CreateProcess 重定向CMD实现反弹shell
- CSS3的box-sizing:向外撑content-box向内挤border-box 外撑的padding算自己的盒子会变大 内挤的padding会缩小自己
- java写七彩文字_【PS精选案例教程】创建一个漂亮的七彩文字
- 深度学习实践与部署(开篇)
- Community Enterprise Operating System ISO 全镜像下载
- flightgear通过UDP协议输出飞行态势数据以及利用C++接收flightgear数据
- 微信小程序如何使用阿里巴巴矢量图标库彩色图标
- 精彩Linux 篇章
- Cloudera Manager5.14.3集群搭建
- 『.NET Core CLI工具文档』dotnet-publish
- 哈哈,用FlexGrid做开发,轻松处理百万级表格数据
- 如何检测猥琐的私有SDWAN隧道协议
- 资深架构师推荐Spring技术内幕:深入了解Spring的底层机制
- 绿盟漏扫使用手册_【技术干货】Oracle数据库漏洞扫描指南
- 计算机动画就业前景,2020动画专业就业前景和就业方向分析
- SCI论文思维导图:写作技巧(2)
- StopWatch使用