deepface人脸识别基础笔记

 DeepFace基础介绍

DeepFace是一个专为Python设计的轻量级人脸识别和人脸属性分析框架，能够进行年龄、性别、情感以及种族的识别。这个库集成了多个先进的人脸识别模型，包括VGG-Face、Google FaceNet、OpenFace、Facebook DeepFace和DeepIDArcFaceDlib。这些模型的存在使得DeepFace在人脸识别上的准确率高达97%，并被证实在人脸检测方面优于一般的人脸识别框架。

DeepFace还具备人脸对齐的功能，这是为了提高识别准确性而设置的一步操作。通过对检测到的人脸进行对齐操作，可以消除姿态、光照和表情等因素对识别结果的影响。

 DeepFace的项目文档地址

Github地址https://github.com/serengil/deepface

DeepFace安装

安装DeepFace的方法非常简单，你只需要通过pip工具安装即可。具体来说，你可以在命令行中输入以下命令进行安装：

# pip install deepface

DeepFace的方法参数介绍

verify方法

DeepFace库中的verify方法用于验证两张脸部图片是否属于同一个人。该方法的输入是两个面部图像，输出是一个布尔值，表示这两个图像是否来自同一个人。

'''
Args:
img1_path: 第一张图片的路径。
img2_path: 第二张图片的路径。
model_name: 使用的人脸识别模型的名称，默认为"VGG-Face"。
detector_backend: 使用的检测器后端的名称，默认为"opencv"。
distance_metric: 用于计算相似度的度量方法，默认为"cosine"。
enforce_detection: 是否强制检测人脸，默认为True。
align: 是否对齐人脸，默认为True。
normalization: 归一化方法，默认为"base"。
'''
 
dfs = DeepFace.verify(
    img1_path="img1",
    img2_path ="img2",
    model_name="VGG-Face",）
    detector_backend="opencv",
    distance_metric="cosine",
    enforce_detection=True,
    align=True, 
    normalization="base")


'''
Returns:
"verified": 布尔值，表示两张图片是否属于同一个人。如果距离小于等于阈值，则返回True，否则返回False。
"distance": 浮点数，表示两张图片之间的距离。
"threshold": 浮点数，表示用于判断两张图片是否属于同一个人的阈值。
"model": 字符串，表示使用的人脸识别模型的名称。
"detector_backend": 字符串，表示使用的检测器后端的名称。
"similarity_metric": 字符串，表示用于计算相似度的度量方法。
"facial_areas": 字典，包含两个键值对，分别表示两张图片的人脸区域信息。键为"img1"和"img2"，值为对应的人脸区域数据。
"time": 浮点数，表示执行该段代码所花费的时间，保留两位小数。
'''

resp_obj = {
    "verified": distance <= threshold,
    "distance": distance,
    "threshold": threshold,
    "model": model_name,
    "detector_backend": detector_backend,
    "similarity_metric": distance_metric,
    "facial_areas": {"img1": facial_areas[0], "img2": facial_areas[1]},
    "time": round(toc - tic, 2),
    }

find方法

deepface 库中的 find 方法用于在给定的目录中查找与查询人脸图像最相似的图像。返回一个包含最相似图像信息的字典。

'''
Args:
img_path：要查找的图像的路径。
db_path：包含人脸数据库的文件夹路径。
model_name：使用的人脸识别模型，默认为"VGG-Face"。
distance_metric：用于计算相似度的距离度量方法，默认为"cosine"。
enforce_detection：是否强制检测人脸，默认为True。
detector_backend：用于检测人脸的后端，默认为"opencv"。
align：是否对齐人脸，默认为True。
normalization：归一化方法，默认为"base"。
silent：是否在执行过程中保持静默，默认为False。
'''

dfs = DeepFace.find(
    img_path,
    db_path,
    model_name="VGG-Face",
    distance_metric="cosine",
    enforce_detection=True,
    detector_backend="opencv",
    align=True,
    normalization="base",
    silent=False
)

'''
Returns:
返回值是一个包含匹配信息的字典。该字典包含以下字段：
'identity' (字符串):表示最相似图像的身份或标识。
'verified' (布尔值):表示是否找到了匹配的图像。如果为 True，则表示找到了匹配；如果为 False，则表示未找到匹配。
'distance' (浮点数):表示查询图像与找到的最相似图像之间的距离。
'''

extract_faces方法

extract_faces 用于对图像进行特征分析，提取头像坐标。

'''
Args:
img_path：输入图像的路径。
target_size：目标大小，默认为(224, 224)。
detector_backend：检测器后端，默认为"opencv"。
enforce_detection：是否强制检测人脸，默认为True。
align：是否对齐人脸，默认为True。
grayscale：是否将图像转换为灰度图，默认为False。
'''

dfs= DeepFace.extract_faces(
    img_path,
    target_size=(224, 224),
    detector_backend="opencv",
    enforce_detection=True,
    align=True,
    grayscale=False,
)

'''
Returns:
返回一个包含人脸图像、人脸区域和置信度的字典列表。
face 键对应的值是提取的人脸图像
facial_area 键对应的值是人脸在原始图像中的位置和大小
confidence 键对应的值是人脸检测的置信度
'''

analyze方法

analyze方法函数的作用是分析图像中的人脸，并返回关于人脸的各种属性，如情绪、年龄、性别和种族。

'''
Args:
img_path：图像文件的路径。
actions：一个元组，包含要分析的属性名称。默认值为("emotion", "age", "gender", "race")。
enforce_detection：布尔值，表示是否强制检测人脸。默认值为True。
detector_backend：字符串，表示用于检测人脸的后端库。默认值为"opencv"。
align：布尔值，表示是否对齐人脸。默认值为True。
silent：布尔值，表示是否在执行过程中保持静默。默认值为False。
'''
dfs = DeepFace.analyze(
    img_path,
    actions=("emotion", "age", "gender", "race"),
    enforce_detection=True,
    detector_backend="opencv",
    align=True,
    silent=False,
)

'''
Returns:
"region"：人脸在图像中的位置和大小，包括x坐标、y坐标、宽度和高度。
"age"：人脸的年龄预测值。
"dominant_gender"：人脸的主要性别，可能是"Woman"（女性）或"Man"（男性）。
"gender"：一个字典，包含了各个性别的概率。
"dominant_emotion"：人脸的主要情绪，可能是"neutral"（中性）、"sad"（悲伤）、"angry"（愤怒）、"surprise"（惊讶）、"fear"（恐惧）、"happy"（快乐）或"disgust"（厌恶）。
"emotion"：一个字典，包含了各个情绪的概率。
"dominant_race"：人脸的主要种族，可能是"indian"（印度裔）、"asian"（亚裔）、"latino hispanic"（拉丁裔西班牙裔）、"black"（黑人）、"middle eastern"（中东裔）或"white"（白人）。
"race"：一个字典，包含了各个种族的概率。
'''

总结

deepface 库是一个用于人脸识别和面部属性分析的 Python 库。以下是该库的一些关键特点和功能总结：

1. 支持多种模型： deepface 支持多种经典的人脸识别模型，包括 VGG-Face、Facenet、Facenet512、OpenFace、DeepFace、DeepID、Dlib、ArcFace、SFace 等。

2. 人脸检测： 提供不同的人脸检测器后端，包括 opencv、retinaface、mtcnn、ssd、dlib 和 mediapipe。

3. 距离度量： 提供不同的距离度量标准，包括 cosine、euclidean 和 euclidean_l2。

4. 实时人脸识别： 提供了实时人脸识别功能，可以应用于网络摄像头或视频流。

5. 面部属性分析： 支持对人脸进行面部属性分析，如性别、年龄、种族等。

6. 集成了多个模型： 能够以简单的方式比较不同模型的性能，以便选择最适合特定任务的模型。

7. 简化的 API 接口： 提供简单易用的 API 接口，方便用户进行人脸识别和分析。

8. 支持图像和视频： 既可以处理静态图像，也可以应用于实时视频流。