Python 在 Windows 下利用 face_recognition 和 OpenCV 实现人脸识别

• 在安装Python的一些库时，遇到的错误及解决办法：

# OpenCV的介绍、安装和使用
# OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，OpenCV用C++语言编写，
# 支持Python、Ruby、Java等语言的接口
# OpenCV安装：前提是已经安装有Python3环境、在命令行输入pip3 install opencv-python
# 使用清华镜像源快速安装：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

# 配置Pycharm的环境：1、如果新建的项目中包含venv文件，则需将文件下scripts的路径添加到环境配置中
# 2、可通过勾选在新建项目时勾选Existing interpreter，找到scripts的路径添加环境变量，完成整体的环境配置
# 同时需要将python.exe文件的路径添加环境变量

 # 错误解决：
# 此时如果输入python -m pip install --upgrade pip没反应，输入python打开WindowsApps
# 需要删除%USERPROFILE%\AppData\Local\Microsoft\WindowsApps这个用户变量，即可解决
# 若在IDE中找不到import cv2，则设置settings中--python interpreter找到Path路径下的解释器

# 项目打包
# 安装第三方模块
# 在线安装方式（针对没安装过得情况）
# 1、Win+R 输入：amd -> 回车
# 2、输入：pip install PyInstaller -> 回车（等待安装完成）
# 注意：如果出现Successfully installed则表示安装成功

# 错误解决：
# 如果出现黄色的字体，一般是因为pip库不是最新的，需要对pip库进行更新，更新指令为：
# python -m pip install --upgrade pip
# 如果更新时又反复出现黄色字体，则不要直接win+R+cmd，要选择Windows系统--命令提示符--以管理员身份运行
# 如果安装后提示错误Preparing wheel metadata ... error
# 则需要先安装wheel，安装指令为：
# pip install wheel -i https://pypi.tuna.tsinghua.edu.cn/simple
# 安装完成后再次安装pyinstaller,安装指令为：
# pip install Pyinstaller -i https://pypi.tuna.tsinghua.edu.cn/simple

# 项目打包
# 1、Win+R 输入：amd -> 回车
# 2、输入：pyinstaller -F -> 项目路径 -> 回车
# 3、找到Appending archive to EXE C:\Users\LiuYongHao\dist\Demo.exe
# 即为打包后的文件路径

• 在Windows系统下安装face_recognition库

# face_recognition
# 世界上最简洁的人脸识别库和装饰库，你可以使用Python和命令行工具提取、识别、装饰人脸
# face_recognition在Windows环境下的安装：
# 1、先安装cmake，pip install cmake，测试是否安装成功：先输入python+回车，再输入import cmake
# 2、再安装boost，pip install boost
# 3、再安装dlib，pip install dlib
# 4、最后安装face_recognition，pip install face_recognition
# 镜像源安装为：pip install face_recognition -i https://pypi.tuna.tsinghua.edu.cn/simple

• 源代码如下：

# 项目名称：利用笔记本自带摄像头实现人脸识别
# 程序实现目的：
# 开发时间： 2020/12/29 15:03

import cv2
import face_recognition

def main():
    # 1、准备人脸库
    # 1、1读取图片
    me = cv2.imread('dataset/wo.jpg')
    wei = cv2.imread('dataset/wei.jpg')
    xiu = cv2.imread('dataset/xiu.jpg')
    you = cv2.imread('dataset/youwei.jpg')
    zhi = cv2.imread('dataset/zhi.jpg')
    yuan = cv2.imread('dataset/yuan.jpg')
    # 1、2对图片中人脸进行编码
    me_face_encoding = face_recognition.face_encodings(me)[0]
    wei_face_encoding = face_recognition.face_encodings(wei)[0]
    xiu_face_encoding = face_recognition.face_encodings(xiu)[0]
    you_face_encoding = face_recognition.face_encodings(you)[0]
    zhi_face_encoding = face_recognition.face_encodings(zhi)[0]
    yuan_face_encoding = face_recognition.face_encodings(yuan)[0]
    # 1、3准备人脸库的人脸编码列表
    known_face_encodings = [yuan_face_encoding,me_face_encoding, wei_face_encoding, xiu_face_encoding, you_face_encoding]
    # 1、4准备人脸库中人脸编码对应姓名
    known_face_names = ['Yuan','Me', 'Wei', 'Xiu', 'YouWei', 'ZhiGuang']

    # 2、捕获视频中的图片
    vc = cv2.VideoCapture(0, cv2.CAP_DSHOW)
    while True:
        # 获取视频中每一帧的图片
        ret, img = vc.read()
        if not ret:
            print('没有捕获到视频！')
            break
        # 2、1发现图片中人脸的位置
        locations = face_recognition.face_locations(img)
        # 2、2对图片中人脸进行编码
        face_encodings = face_recognition.face_encodings(img, locations)
        # 遍历locations，face_encodings，识别图片中人脸
        # location包括：top、right、bottom、left
        for (top, right, bottom, left), face_encoding in zip(locations, face_encodings):
            # 比较人脸
            matchs = face_recognition.compare_faces(known_face_encodings, face_encoding, 0.4)
            name = 'unknown'
            for match, known_name in zip(matchs, known_face_names):
                if match:
                    name = known_name
                    break
            # 标记人脸的位置
            cv2.rectangle(img, (left, top), (right, bottom), (0, 255, 0), 2)
            # 标记人脸的姓名
            cv2.putText(img, name, (left, top - 10), cv2.FONT_HERSHEY_SCRIPT_COMPLEX, 2, (0, 0, 255))

        # 3、发现视频图片中的人脸位置

        # 4、识别人脸

        # 5、展示
        cv2.imshow('Video', img)

        # 6、释放资源
        if cv2.waitKey(1) != -1:
            # 关闭摄像头
            vc.release()
            # 销毁窗口
            cv2.destroyAllWindows()
            # 结束循环
            break

# 设定主程序
if __name__ == '__main__':
    main()

• 两个重要函数的说明：

# face_encodings(face_image, known_face_locations=None, num_jitters=1, model="small")
# 传入带有人脸的图片，为每一张人脸返回128维的人脸向量
# known_face_locations已知图片中每一个人脸的位置
# num_jitters重新采样的次数，值越大，越精确，但也会更慢
# compare_faces(known_face_encodings, face_encoding_to_check, tolerance=0.6)
# 检查未知人脸编码是否与已知人脸编码匹配
# tolerance两者距离多大才算匹配，越小越严格，0.6是典型的最佳性能
# 返回True、False的列表，标识哪些已知人脸与未知人脸匹配