各种人脸解锁，人脸支付，软件人脸登陆是怎样实现的？Python来告诉你识别的原理！(2)

2401_84003690

于 2024-04-22 14:24:37 发布

阅读量262

点赞数 3

分类专栏：程序员文章标签： python 开发语言

本文链接：https://blog.csdn.net/2401_84003690/article/details/138075109

版权

程序员专栏收录该内容

284 篇文章 1 订阅

订阅专栏

今天玩手机的时候发现我们这一张脸，不管是丑的，美的，帅的还是胖的它们都能用来识别手机解锁，微信或者支付宝支付！或者软件的登陆解密！为咱们的生活带来了非常大的便利。于是突发奇想，这个是怎么实现的呢？那咱们就一一来分析讲解！

在本文中，我将详细介绍如何使用face_recognition和Pillow从一堆照片中提取并识别人脸的模块。我想归功于布拉德特拉弗西，因为这个想法最初是从一个Traversy媒体视频，我有书签了一段时间，最近重新观看(链接在本文下面)。使用相同的功能，我调整了脚本以允许输入一个照片目录，最终，它将被合并到我的第二个PDM Django应用程序中。

它们是非常粗糙和现成的脚本来证明概念，这是我在一次每周的代码签入调用中向Bob演示的。

我创建了两个脚本，一个用于从一堆照片中提取人脸，并将它们存储为指定目录中的jpeg文件。第二个脚本获取一组已知的面孔(我猜这是控件集)，并将它们与照片进行比较，以识别随机照片中的面孔。总的来说，它在识别已知面孔方面非常准确和快速。

提取人脸

第一个脚本实现起来相当简单。我们有一个图像目录，在这个目录中我们要提取面部的所有图像，我们将这个目录称为未知目录。脚本本质上扫描每一张照片，识别脸部，并将这个脸图像作为一个新的jpeg存储在另一个目录中，我们称之为“提取”。该文件以原始图像的标题和图像中的脸位置创建。

import face_recognition from PIL import Image import os unknown_faces = os.listdir(“…/frec/unknown/”) for image in unknown_faces: image_of_people = face_recognition.load_image_file(f"…/frec/unknown/{image}“) unknown_face_locations = face_recognition.face_locations(image_of_people) for face_location in unknown_face_locations: top, right, bottom, left = face_location face_image = image_of_people[top:bottom, left:right] pil_image = Image.fromarray(face_image) pil_image.save(f”…/frec/extract/{image}_{top}.jpg")

所以从这样的图像来看：

您将在提取目录中获得两个单独的图像，如下所示：

在我自己的照片上测试了这一点之后，这个模块是如此的好，以至于在我的照片中的一张海报上找到了一张脸，如果您从存储库下载代码，您就可以看到它。

人脸识别时间

第二个脚本做了所有聪明的事情，只要它将使用未知面孔的图像目录，将它们与已知的人脸图像进行比较，然后在原始图像上‘画’一个脸周围的正方形与被识别的人的名字，如果它确实识别了一个脸，那么它将在脸周围画一个以“未知人”代替这个名字的正方形。

import face_recognition import os from PIL import Image, ImageDraw unknown_faces = os.listdir(“…/frec/unknown/”) Bob_image = face_recognition.load_image_file(“…/frec/known/Bob.jpeg”) Bob_encoding = face_recognition.face_encodings(Bob_image)[0] Julian_image = face_recognition.load_image_file(“…/frec/known/Julian.jpeg”) Julian_encoding = face_recognition.face_encodings(Julian_image)[0] known_face_encodings = [ Bob_encoding, Julian_encoding, ] known_face_names = [ “Bob”, “Julian”, ] for ukface in unknown_faces: ukimage = face_recognition.load_image_file(f"…/frec/unknown/{ukface}“) ukface_locations = face_recognition.face_locations(ukimage) ukface_encodings = face_recognition.face_encodings(ukimage, ukface_locations) # Convert to PIL format pil_image = Image.fromarray(ukimage) # Set up drawing on image draw = ImageDraw.Draw(pil_image) for (top, right, bottom, left), ukface_encoding in zip( ukface_locations, ukface_encodings ): matches = face_recognition.compare_faces(known_face_encodings, ukface_encoding) name = “Unknown Person” if True in matches: first_match_index = matches.index(True) name = known_face_names[first_match_index] # Draw Box draw.rectangle( ((left - 10, top - 10), (right + 10, bottom + 10)), outline=(227, 236, 75) ) # Draw Label text_width, text_height = draw.textsize(name) draw.rectangle( ((left - 10, bottom - text_height + 2), (right + 10, bottom + 10)), fill=(227, 236, 75), outline=(227, 236, 75), ) draw.text((left, bottom - text_height + 5), name, fill=(0, 0, 0, 0)) del draw pil_image.save(f”…/frec/identified/{ukface}_scanned.jpg") #pil_image.show()

我玩过‘dra.矩形’函数的功能，试图尽可能多地捕捉正方形内部的脸，因为原来脸被正方形遮住了。

因此，从给定的具有未知面孔的图像来看：

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。