人脸识别（摄像头）——基于face_recognition库

最新推荐文章于 2023-06-16 18:48:27 发布
VIP文章 最新推荐文章于 2023-06-16 18:48:27 发布
阅读量1.1k 收藏 8
点赞数 1
分类专栏： python OpenCV应用 文章标签： python 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mr_nobody17/article/details/120353420
版权
最低0.47元/天 解锁文章
Mr_Nobody17
关注
  • 1
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python人脸识别方法_Python3 利用face_recognition实现人脸识别的方法
weixin_39611769的博客
11-22 995
前言之前实践了下face++在线人脸识别版本，这回做一下离线版本。github 上面有关于face_recognition的相关资料，本人只是做个搬运工，对其中的一些内容进行搬运，对其中一些例子进行实现。官方描述：face_recognition是一个强大、简单、易上手的人脸识别开源项目，并且配备了完整的开发文档和应用案例，特别是兼容树莓派系统。本项目是世界上最简洁的人脸识别库，你可以使用Pyth...
基于Python的face_recognition库实现人脸识别
01-20
face_recognition是Python的一个开源人脸识别库，支持Python 3.3+和Python 2.7。引用官网介绍： Recognize and manipulate faces from Python or from the command line with the world’s simplest face ...
基于深度学习的人脸识别代码 和 基于face_recognition的人脸识别代码.rar
03-27
这个文档有两个工程代码，一个是基于卷积神经网络人脸识别代码，还有一个是基于开源的face_recognition库的人脸代码，这个代码有详细的注释，并且有基于图片识别的和基于摄像头视频实时识别的，代码内容丰富，值的大家学习。
[深度学习] Python人脸识别库face_recognition使用教程
热门推荐
You and Me
02-26 2万+
Python人脸识别库face_recognition使用教程 face_recognition号称是世界上最简单的开源人脸识别库，可以通过Python或命令行识别和操作人脸。face_recognition提供了十分完整的技术文档和应用实例，人脸识别初学者建议研究该库上手。face_recognition的官方代码仓库为：face_recognition。face_recognition也有自己的官方中文文档，该文档详情见：face_recognition中文使用说明。 本文所有的代码和大部分测试图像来自
face_recognition人脸识别
matafeiyanll的博客
02-22 5270
face_recognition人脸识别 face_recognition简介 这是世界上最简单的人脸识别库了。你可以通过Python引用或者命令行的形式使用它，来管理和识别人脸。 该软件包使用dlib中最先进的人脸识别深度学习算法，使得识别准确率在《Labled Faces in the world》测试基准下达到了99.38%。它同时提供了一个叫face_recognition的命令行工具，以...
人脸识别开源库face_recognition
02-10 7659
原文出处: https://blog.xugaoxiang.com/ai/face-recognition-cnn.html 软硬件环境 ubuntu 18.04 64bit GTX 1070Ti anaconda with python 3.6 face_recognition 1.2.3 dlib opencv face_recognition简介 face_recognition号称是世...
人脸识别(Face Recognition)简要综述
Konata的博客
03-28 1万+
文章目录人脸识别在计算机视觉中的位置早期方法Face Recognition with Local Binary Patterns(【ECCV 2004】)LBP的feature map计算方法:除此以外LBP算子还有改进版本:LBP的特点从LBP的得到的“图片”到“向量”数据集一些较新的文章FaceNet(【CVPR 2015】)Finding Tiny Faces with GAN(【CVPR 2018】)Masked Face Recgonition with latent part(【ACM
face_recognition库的使用
u012693479的博客
08-19 7782
​ face_recognition库基于dlib的使用，包含dlib的安装，及face_recognition库各个方法的使用
子豪兄教你从零开始实现人脸识别
同济子豪兄
10-01 1万+
Github开源人脸识别项目face_recognition 译者注： 本项目face_recognition是一个强大、简单、易上手的人脸识别开源项目，并且配备了完整的开发文档和应用案例，特别是兼容树莓派系统。 为了便于中国开发者研究学习人脸识别、贡献代码，我将本项目README文件翻译成中文。 向本项目的所有贡献者致敬。 英译汉：同济大学开源软件协会 子豪兄Tommy Translator’...
机器学习之人脸识别face_recognition使用
god953的博客
07-06 5578
机器学习之人脸识别face_recognition使用简介一二主要方法介绍1. load_image_file 加载图像2. face_locations 定位图中所有人脸3. face_landmarks 识别人脸关键点4. face_encodings 获取图像文件中所有面部编码5. compare_faces 由面部编码匹配脸实践demo1：识别人脸特征并打印出来demo2 : 识别图片中的所有人脸并显示demo3 : 显示未知图片中已知人物的脸demo4 : 摄像头头像识别demo5人脸识别签到系统
AI实战：深度学习之人脸识别 Face recognition
Zack的博客
05-17 5861
前言 人脸识别是机器视觉最成熟、最热门的领域，近几年，人脸识别已经逐步超过指纹识别成为生物识别的主导技术。 人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。【人脸识别：来源百度百科】 人脸识别系统主要包括四个组成部分，分别为：人脸图像...
使用 Dlib 和 Face_Recognition 库的人脸识别和考勤系统-研究论文
06-10
用于面部识别的计算机视觉算法概述。 本文的主要思想是探索一种算法，该算法可用于具有合适方法和可用输入的生物识别考勤系统。 该算法主要使用面向直方图的... 本文主要使用 dlib 和 face_recognition 库来提供功能。
face_recognition_人脸识别_cnn人脸识别_face_recognition_cnn人脸识别_facerecog
09-11
利用CNN实现人脸识别
基于face_recognition和OpenCV的人脸识别程序源代码
07-07
能够实现调用摄像头，实时检测人脸，实时注册捕捉照片存入本地，同时多人识别的人脸识别程序的源代码，需要环境为face_recognition,dlib,cv2,numpy等，可自行在pycharm等配置环境。
人脸识别 Face Recognition 入门
ydd的博客，记录生活
04-25 1987
找论文搭配 Sci-Hub 食用更佳 💪 Sci-Hub 实时更新 : https://tool.yovisun.com/scihub/ 公益科研通文献求助：https://www.ablesci.com/人脸识别流程：检测、对齐、（活体）、预处理、提取特征（表示）、人脸识别（验证） 传统方法试图通过一两层表示来识别人脸，例如过滤响应、特征直方图分布。学术圈进行了深入的研究，分别改进了预处理、局部描述符和特征转换，但这些方法在提高FR准确性方面进展缓慢。更糟糕的是，大多数方法只针对不受约束的面部变化的一
使用Python face_recognition 人脸识别 - 5 人脸比对并打分
我的英文站点：https://iorilan.medium.com/
01-19 3791
比对两张人脸编码后的照片，打印出相似度。   import face_recognition # Often instead of just checking if two faces match or not (True or False), it's helpful to see how similar they are. # You can do that by using the...
人脸识别（Face recognition）-简要介绍
csdn_xmj的博客
05-24 4593
来源：Coursera吴恩达深度学习课程 卷积神经网络包括一些特殊的特殊应用，例如人脸识别（face recognition）和神经风格迁移（neural style transfer）。 从人脸识别开始，这里Andrew演示了百度的人脸识别系统（face recognition system）。讲解时播放了一段短视频。 视频在百度的中国总部，在这里进入公司不需要刷工卡，使用人脸识别，机器会识别人脸，然后可通过。当Andrew经过人脸识别机器时，可以正常通过。 然后，林元庆，IDL（百度深度
face-recognition多人脸识别实时检测代码实例加精细化讲解
明天谈的博客
12-02 9909
import cv2 import numpy as np import face_recognition name1 = cv2.imread("name1.jpg") name2 = cv2.imread("name2.jpg") name1_RGB = name1[:, :, ::-1] name2_RGB = name2[:, :, ::-1] name1_face = face_recognition.face_locations(name1_RGB) name2_face = face_rec.
人脸识别4：Android InsightFace实现人脸识别Face Recognition(含源码)
最新发布
AI吃大瓜的博客
06-16 1万+
人脸识别4：Android InsightFace实现人脸识别Face Recognition(含源码)；Android实现人脸识别，Android人脸检测；Android人脸识别
基于face_recognition库的人脸识别方案
06-01
好的，下面是一个简单的基于face_recognition库的人脸识别方案代码示例： ```python import face_recognition import cv2 # 加载已知人脸的图像和名称 known_face_encodings = [] known_face_names = [] image1 = face_recognition.load_image_file("person1.jpg") image2 = face_recognition.load_image_file("person2.jpg") image3 = face_recognition.load_image_file("person3.jpg") known_face_encodings.append(face_recognition.face_encodings(image1)[0]) known_face_encodings.append(face_recognition.face_encodings(image2)[0]) known_face_encodings.append(face_recognition.face_encodings(image3)[0]) known_face_names = ["person1", "person2", "person3"] # 打开摄像头 cap = cv2.VideoCapture(0) while True: # 读取一帧图像 ret, frame = cap.read() # 将图像转换为RGB格式 rgb_frame = frame[:, :, ::-1] # 检测人脸 face_locations = face_recognition.face_locations(rgb_frame) face_encodings = face_recognition.face_encodings(rgb_frame, face_locations) # 遍历所有检测到的人脸 for face_encoding, face_location in zip(face_encodings, face_locations): # 尝试匹配人脸 matches = face_recognition.compare_faces(known_face_encodings, face_encoding) # 如果有匹配到的人脸，则取出其名称 if True in matches: match_index = matches.index(True) name = known_face_names[match_index] else: name = "unknown" # 绘制人脸矩形框和名称 top, right, bottom, left = face_location cv2.rectangle(frame, (left, top), (right, bottom), (0, 255, 0), 2) cv2.putText(frame, name, (left, top-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) # 显示图像 cv2.imshow('Face Recognition', frame) # 按下q键退出 if cv2.waitKey(1) & 0xFF == ord('q'): break # 释放摄像头和窗口 cap.release() cv2.destroyAllWindows() ``` 在这个代码示例中，我们使用face_recognition库加载了已知人脸的图像和名称，并使用cv2.VideoCapture()方法打开了摄像头。在每一帧图像中，我们使用face_recognition库检测人脸，并使用face_recognition.compare_faces()方法尝试匹配人脸。如果有匹配到的人脸，则取出其名称，并使用cv2.rectangle()和cv2.putText()方法绘制人脸矩形框和名称。最后，我们使用cv2.imshow()方法显示图像，并使用cv2.waitKey()方法等待用户按下q键退出程序。 值得注意的是，face_recognition库是一个基于dlib库的人脸识别库，其检测速度较慢，但是识别精度较高。在实际应用中，我们需要根据具体情况选择不同的人脸识别方法以达到更好的效果。 希望这个代码对您有所帮助！

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值