社区编辑申请
注册/登录
基于face_recognition实现人脸识别
开发 后端 人脸识别
上一篇中我们实现了检测照片中的人脸并标出人脸特征点(鼻子,眼睛,眉毛等),这一篇我们将在上一篇的基础上,进一步实现人脸识别,告诉你照片里的人是谁。

上一篇中我们实现了检测照片中的人脸并标出人脸特征点(鼻子,眼睛,眉毛等),这一篇我们将在上一篇的基础上,进一步实现人脸识别,告诉你照片里的人是谁。

准备工作

我们的人脸识别基于face_recognition库。face_recognition基于dlib实现,用深度学习训练数据,模型准确率高达99.38%。在开始我们的工作前,我们先安装face_recognition

 

  1. pip install face_recognition 

人脸数字化

人脸识别的***步是检测照片中的人脸区域,然后将人脸的图像数据转换成一个长度为128的向量,这128个数据代表了人脸的128个特征指标,如下所示

对于每一张已知人脸,生成这样的一个128位的向量。对于一张未知人脸,将它的128位向量和所有已知人脸的128位向量一一比对,找到相似度***的那一个,即找出了未知人脸对应的人。

图片数据

我们准备了两张照片,分别是凯特王妃和威廉王子的单人照,分别存成catherine.jpg和william.jpg,这两张照片中的人脸作为我们的已知人脸

我们的目标是在下面的合影中识别出两人的脸并在图中标出各自的名字。下图存成unknown.jpg

代码实现

接下来开始我们的编程工作

 

  1. import cv2 
  2.  
  3. import face_recognitionnames = [     
  4.  
  5.     "catherine"
  6.  
  7.     "william"
  8.  

 

首先我们定义了标签集,存在names数组中。

标签名字也是我们图片的文件名。

 

  1. images = [] 
  2.  
  3. for name in names: 
  4.  
  5.     filename = name + ".jpg" 
  6.  
  7.     image = face_recognition.load_image_file(filename)  
  8.  
  9.     images.append(image) 
  10.  
  11. unknown_image = face_recognition.load_image_file("unknown.jpg"

调用face_recognition.load_image_file从图片中读取数据。

这里读取了包含已知人脸和未知人脸的图片的数据,未知人脸的图片就是上面的合影图片unknown.jpg。

 

  1. face_encodings = [] 
  2.  
  3. for image in images: 
  4.  
  5.     encoding = face_recognition.face_encodings(image)[0]  
  6.  
  7.     face_encodings.append(encoding) 
  8.  
  9. unknown_face_encodings = face_recognition.face_encodings(unknown_image) 

 

face_recognition.face_encodings会返回图片中的所有的人脸的128位向量。单人照片只有一张人脸,所以face_recognition.face_encodings(image)[0]只取***个元素。合影图片中包含了2张人脸,所以unknown_face_encodings包含2个128位向量。

 

  1. face_locations = face_recognition.face_locations(unknown_image) 
  2.  
  3. for i in range(len(unknown_face_encodings)):     
  4.  
  5.     unknown_encoding = unknown_face_encodings[i]      
  6.  
  7.     face_location = face_locations[i]      
  8.  
  9.     topright, bottom, left = face_location      
  10.  
  11.     cv2.rectangle(unknown_image, (lefttop), (right, bottom), (0, 255, 0), 2)      
  12.  
  13.     results = face_recognition.compare_faces(face_encodings, unknown_encoding)      
  14.  
  15.     for j in range(len(results)):          
  16.  
  17.         if results[j]:              
  18.  
  19.             name = names[j]              
  20.  
  21.             cv2.putText(unknown_image, name, (left-10, top-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) 
  22.  
  23.  
  24.  
  25. unknown_image_rgb = cv2.cvtColor(unknown_image, cv2.COLOR_BGR2RGB) 
  26.  
  27. cv2.imshow("Output", unknown_image_rgb) 
  28.  
  29. cv2.waitKey(0) 

 

face_locations存了每张脸的位置信息。

在循环中我们调用cv2.rectangle框出了检测到的每张脸。

face_recognition.compare_faces将已知人脸的128位向量和每张未知人脸的128位向量做比较,结果存入results数组中。results数组中的每一个元素都是True或者False,长度和人脸个数相等。results中的每个元素都和已知人脸一一对应,在某一个位置处的元素为True,表示未知人脸被识别成这张已知人脸。

对识别出来的每张人脸,我们调用cv2.putText在图上标注标签。

以上是代码的全部。

测试

令人兴奋的时刻又来到了! 我们来检验一下我们的成果。

运行上面的程序,可以看到下面的结果

威廉王子和凯特王妃的人脸都被准确地识别出来。绿色的框框出了人脸区域,框的上方标注了识别到的人的名字。

至此,我们成功地实现了人脸识别。 

后续不定期的更新一些图像处理方面其他有趣的应用,例如抠图、实现手绘效果、二维码识别、验证码识别,等等。 

责任编辑:庞桂玉 来源: Python爱好者社区
相关推荐

2022-05-25 07:11:13

2022-05-06 10:21:22

Python人脸识别

2022-06-16 10:29:33

神经网络图像分类算法

2022-06-21 14:22:08

云计算混合云人工智能

2022-06-07 10:09:42

新技术人工智能5G

2022-04-13 10:51:22

AR眼镜元宇宙

2022-06-30 14:23:56

机器学习工具算法

2022-06-30 10:22:26

K8s可观测Prometheus

2022-06-16 15:46:58

钱大妈云原生Flink

2022-06-29 20:24:59

AI机器人制造业

2022-06-29 09:58:53

物联网供应链

2022-02-17 17:19:31

2022-06-07 11:01:56

人工智能AI技术大会

2021-05-10 11:08:00

人工智能人脸识别

2022-06-12 15:15:32

Linux交换机

2022-05-06 16:31:27

人工智能自然语言生物特征识别

2022-06-21 14:10:43

NIST网络安全

2022-05-27 09:00:00

机器学习面部结构CGI

2022-06-09 14:35:07

网络钓鱼网络攻击

2022-05-26 15:04:46

大数据建筑能源管理

同话题下的热门内容

吐血推荐17个提升开发效率的“轮子”超全!Python 中常见的配置文件写法Pandas 新手容易犯的六个错误聊聊异步编程的七种实现方式使用 LSTM 对销售额预测(Python代码)Python进行数据可视化,你会用什么库来做呢?Spring MVC中@InitBinder注解是如何应用的?C语言和C++的区别和联系

编辑推荐

使用Kotlin做开发一个月后的感想面试官问你什么是消息队列?把这篇甩给他!五大自动化测试的Python框架图文详解两种算法:深度优先遍历(DFS)和广度优先遍历(BFS)2018年最流行的十大编程语言,其中包括你用的语言吗?
我收藏的内容
点赞
收藏

51CTO技术栈公众号