建站
咨詢
售后
建站咨詢
新聞中心
上一篇中我們實(shí)現(xiàn)了檢測(cè)照片中的人臉并標(biāo)出人臉特征點(diǎn)（鼻子，眼睛，眉毛等），這一篇我們將在上一篇的基礎(chǔ)上，進(jìn)一步實(shí)現(xiàn)人臉識(shí)別，告訴你照片里的人是誰(shuí)。
為羅田等地區(qū)用戶提供了全套網(wǎng)頁(yè)設(shè)計(jì)制作服務(wù)，及羅田網(wǎng)站建設(shè)行業(yè)解決方案。主營(yíng)業(yè)務(wù)為網(wǎng)站設(shè)計(jì)制作、做網(wǎng)站、羅田網(wǎng)站設(shè)計(jì)，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠(chéng)的服務(wù)。我們深信只要達(dá)到每一位用戶的要求，就會(huì)得到認(rèn)可，從而選擇與我們長(zhǎng)期合作。這樣，我們也可以走得更遠(yuǎn)！
準(zhǔn)備工作
我們的人臉識(shí)別基于face_recognition庫(kù)。face_recognition基于dlib實(shí)現(xiàn)，用深度學(xué)習(xí)訓(xùn)練數(shù)據(jù)，模型準(zhǔn)確率高達(dá)99.38%。在開(kāi)始我們的工作前，我們先安裝face_recognition
- pip install face_recognition
人臉數(shù)字化
人臉識(shí)別的***步是檢測(cè)照片中的人臉區(qū)域，然后將人臉的圖像數(shù)據(jù)轉(zhuǎn)換成一個(gè)長(zhǎng)度為128的向量，這128個(gè)數(shù)據(jù)代表了人臉的128個(gè)特征指標(biāo)，如下所示
對(duì)于每一張已知人臉，生成這樣的一個(gè)128位的向量。對(duì)于一張未知人臉，將它的128位向量和所有已知人臉的128位向量一一比對(duì)，找到相似度***的那一個(gè)，即找出了未知人臉對(duì)應(yīng)的人。
圖片數(shù)據(jù)
我們準(zhǔn)備了兩張照片，分別是凱特王妃和威廉王子的單人照，分別存成catherine.jpg和william.jpg，這兩張照片中的人臉作為我們的已知人臉
我們的目標(biāo)是在下面的合影中識(shí)別出兩人的臉并在圖中標(biāo)出各自的名字。下圖存成unknown.jpg
代碼實(shí)現(xiàn)
接下來(lái)開(kāi)始我們的編程工作
- import cv2
- import face_recognitionnames = [
- "catherine",
- "william",
- ]
首先我們定義了標(biāo)簽集，存在names數(shù)組中。
標(biāo)簽名字也是我們圖片的文件名。
- images = []
- for name in names:
- filename = name + ".jpg"
- image = face_recognition.load_image_file(filename)
- images.append(image)
- unknown_image = face_recognition.load_image_file("unknown.jpg")
調(diào)用face_recognition.load_image_file從圖片中讀取數(shù)據(jù)。
這里讀取了包含已知人臉和未知人臉的圖片的數(shù)據(jù)，未知人臉的圖片就是上面的合影圖片unknown.jpg。
- face_encodings = []
- for image in images:
- encoding = face_recognition.face_encodings(image)[0]
- face_encodings.append(encoding)
- unknown_face_encodings = face_recognition.face_encodings(unknown_image)
face_recognition.face_encodings會(huì)返回圖片中的所有的人臉的128位向量。單人照片只有一張人臉，所以face_recognition.face_encodings(image)[0]只取***個(gè)元素。合影圖片中包含了2張人臉，所以u(píng)nknown_face_encodings包含2個(gè)128位向量。
- face_locations = face_recognition.face_locations(unknown_image)
- for i in range(len(unknown_face_encodings)):
- unknown_encoding = unknown_face_encodings[i]
- face_location = face_locations[i]
- top, right, bottom, left = face_location
- cv2.rectangle(unknown_image, (left, top), (right, bottom), (0, 255, 0), 2)
- results = face_recognition.compare_faces(face_encodings, unknown_encoding)
- for j in range(len(results)):
- if results[j]:
- name = names[j]
- cv2.putText(unknown_image, name, (left-10, top-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
- unknown_image_rgb = cv2.cvtColor(unknown_image, cv2.COLOR_BGR2RGB)
- cv2.imshow("Output", unknown_image_rgb)
- cv2.waitKey(0)
face_locations存了每張臉的位置信息。
在循環(huán)中我們調(diào)用cv2.rectangle框出了檢測(cè)到的每張臉。
face_recognition.compare_faces將已知人臉的128位向量和每張未知人臉的128位向量做比較，結(jié)果存入results數(shù)組中。results數(shù)組中的每一個(gè)元素都是True或者False，長(zhǎng)度和人臉個(gè)數(shù)相等。results中的每個(gè)元素都和已知人臉一一對(duì)應(yīng)，在某一個(gè)位置處的元素為True，表示未知人臉被識(shí)別成這張已知人臉。
對(duì)識(shí)別出來(lái)的每張人臉，我們調(diào)用cv2.putText在圖上標(biāo)注標(biāo)簽。
以上是代碼的全部。
測(cè)試
令人興奮的時(shí)刻又來(lái)到了！ 我們來(lái)檢驗(yàn)一下我們的成果。
運(yùn)行上面的程序，可以看到下面的結(jié)果
威廉王子和凱特王妃的人臉都被準(zhǔn)確地識(shí)別出來(lái)。綠色的框框出了人臉區(qū)域，框的上方標(biāo)注了識(shí)別到的人的名字。
至此，我們成功地實(shí)現(xiàn)了人臉識(shí)別。
后續(xù)不定期的更新一些圖像處理方面其他有趣的應(yīng)用，例如摳圖、實(shí)現(xiàn)手繪效果、二維碼識(shí)別、驗(yàn)證碼識(shí)別，等等。
分享標(biāo)題：基于face_recognition實(shí)現(xiàn)人臉識(shí)別
分享URL：http://m.5511xx.com/article/coieehs.html
