【Python】使用OpenCV和Dlib库来实现人脸识别

以下是一个简单的人脸识别代码示例，使用OpenCV和Dlib库来实现：

import cv2
import dlib

# 加载人脸识别模型
detector = dlib.get_frontal_face_detector()

# 加载人脸关键点检测模型
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

# 加载人脸识别模型
face_recognizer = dlib.face_recognition_model_v1("dlib_face_recognition_resnet_model_v1.dat")

# 加载待比对人脸图像
image_to_compare = cv2.imread("image.jpg")

# 检测人脸
faces = detector(image_to_compare)

# 遍历检测到的人脸
for face in faces:
    # 获取人脸关键点
    landmarks = predictor(image_to_compare, face)
    
    # 生成人脸特征向量
    face_descriptor = face_recognizer.compute_face_descriptor(image_to_compare, landmarks)
    
    # 将特征向量转换为numpy数组
    face_descriptor_array = []
    for i in range(len(face_descriptor)):
        face_descriptor_array.append(face_descriptor[i])
    
    # 对比人脸特征向量，判断是否为同一个人
    # 这里可以与已知人脸库中的特征进行比对，或使用其他判别算法
    # 若特征向量之间的距离小于某个阈值，则判断为同一个人
    # 也可以计算欧氏距离或余弦相似度等来衡量相似度
    # 这里只是一个简单的示例
    if distance(face_descriptor_array, known_face_descriptor_array) < 0.6:
        print("是同一个人")
    else:
        print("不是同一个人")

在这个示例中，首先加载了人脸识别模型、人脸关键点检测模型和人脸识别模型。然后加载待比对人脸图像，使用人脸检测器检测人脸，并使用人脸关键点检测器获取人脸关键点。接下来，将人脸特征向量计算为128维的向量。最后，通过比对待比对人脸图像的特征向量与已知人脸库中的特征向量，判断是否为同一个人。这里只是一个简单的示例，实际应用中可能需要更复杂的算法和流程。