一、定義

1、介紹

本項目是世界上最強大、簡潔的人臉識別庫，你可以使用Python和命令行工具提取、識別、操作人臉。
本項目的人臉識別是基于業(yè)內(nèi)領先的C++開源庫dlib中的深度學習模型，用Labeled Faces in the Wild人臉數(shù)據(jù)集進行測試，有高達99.38%的準確率。但對小孩和亞洲人臉的識別準確率尚待提升。
Labeled Faces in the Wild是美國麻省大學安姆斯特分校（University of Massachusetts Amherst)制作的人臉數(shù)據(jù)集，該數(shù)據(jù)集包含了從網(wǎng)絡收集的13,000多張面部圖像。

github和官網(wǎng)網(wǎng)址：

https://github.com/ageitgey/face_recognition/blob/master/README_Simplified_Chinese.md
https://face-recognition.readthedocs.io/en/latest/face_recognition.html

2、人臉識別步驟：

1）人臉檢測

要想識別人臉，首先需要在圖像或者視頻幀中找到所有人臉的位置，并將人臉部分的圖像切割出來。

可以使用方向梯度直方圖(HOG)來檢測人臉位置。先將圖片灰度化，因為色彩對于找到人臉位置并無明顯作用，接著計算圖像中各像素的梯度。

通過將圖像變換為HOG形式，我們就可以提取圖像的特征，從而獲取人臉位置。

2）人臉對齊

一張圖片中的人臉可能是傾斜的，或者僅僅是側(cè)臉。為了方便給人臉編碼，需要將人臉對齊成同一種標準的形狀。

人臉對齊的第一步就是人臉是特征點估計。Dlib有專門的函數(shù)和模型，能夠?qū)崿F(xiàn)人臉68個特征點的定位。

找到特征點后，就可以通過圖像的幾何變換（仿射、旋轉(zhuǎn)、縮放），使各個特征點對齊（將眼睛、嘴等部位移到相同位置）。

3）人臉編碼

訓練一個神經(jīng)網(wǎng)絡，將輸入的臉部圖像生成為128維的預測值。
訓練的大致過程為：將同一人的兩張不同照片和另一人的照片一起喂入神經(jīng)網(wǎng)絡，不斷迭代訓練，使同一人的兩張照片編碼后的預測值接近，不同人的照片預測值拉遠。也就是減小類內(nèi)距離，增大類間距離。具體算法參考facenet[3]。

4）識別身份

預先將所有人的連放入人臉庫中，全部用上述的神經(jīng)網(wǎng)絡編碼為128維并保存。識別時，將人臉預測為128維的向量后，與人臉庫中的數(shù)據(jù)進行比對。

比對方法有很多種，可以直接找出閾值范圍內(nèi)歐氏距離最小的人臉，或者訓練一個末端的SVM或者knn分類器，直接生成人的代號（身份）。
knn分類器構建方法可參考這個代碼。

整體的使用python實現(xiàn)人臉識別的代碼可以參考使用OpenCV，Python和深度學習進行人臉識別。

二、通過python代碼實現(xiàn)

1、安裝

1）windows系統(tǒng)?python3.10下安裝 dlib?

Steins-Gate-Divergence-Meter-Clock-VisitorCounter/dlib-19.22.99-cp310-cp310-win_amd64.whl at main · longsongline/Steins-Gate-Divergence-Meter-Clock-VisitorCounter · GitHub

2）安裝?face_recognition 庫文章來源地址http://www.zghlxwxcb.cn/news/detail-433678.html

pip3 install face_recognition

2、代碼案例?

# coding=utf-8
import sys
import cv2
from PIL import Image,ImageDraw,ImageFont
import numpy as np
import face_recognition

# 加載已知人臉圖像
known_image = face_recognition.load_image_file("know_img.jpg")

# 提取已知人臉的編碼
known_face_encoding = face_recognition.face_encodings(known_image)[0]

# 初始化攝像頭
video_capture = cv2.VideoCapture(0)

def cv2AddChineseText(frame, name, position, fill):
    font = ImageFont.truetype('simsun.ttc', 30)
    img_pil = Image.fromarray(frame)
    draw = ImageDraw.Draw(img_pil)
    draw.text(position, name, font=font, fill=fill)
    return np.array((img_pil))

while True:
    # 讀取攝像頭中的圖像
    ret, frame = video_capture.read()

    # 將圖像轉(zhuǎn)換為RGB格式
    rgb_frame = frame[:, :, ::-1]

    # 檢測圖像中的人臉
    face_locations = face_recognition.face_locations(rgb_frame)
    face_encodings = face_recognition.face_encodings(rgb_frame, face_locations)

    # 在圖像中標記人臉位置
    for (top, right, bottom, left), face_encoding in zip(face_locations, face_encodings):
        # 判斷檢測到的人臉是否和已知人臉匹配
        matches = face_recognition.compare_faces([known_face_encoding], face_encoding, tolerance=0.38)

        # 如果匹配，則標記人臉為已知人臉
        name = "unknow"
        if True in matches:
            name = "know"

        # 在圖像中標記人臉位置和姓名
        cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)
        # cv2.putText(frame, name, (left + 6, bottom - 6), cv2.FONT_HERSHEY_SIMPLEX, 1.0, (0, 0, 255), 1)
        frame = cv2AddChineseText(frame, name, (left, top - 38), (0, 0, 255))
        

    # 顯示圖像
    cv2.imshow('Video', frame)

    # 按下q鍵退出程序
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 釋放攝像頭
video_capture.release()

# 關閉所有窗口
cv2.destroyAllWindows()

到了這里，關于python實現(xiàn)人臉識別（face_recognition）的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！