开源人脸库,免费的人脸识别face recognition

这个库安装起来稍微有点麻烦

第一步下载微软的VS2019社区版即可

第二部配置c++环境,在VS中配置c++的环境

第三步

pip install cmake

pip install dlib

pip install face recognition

之后就能用了

很多人不知道要配置C++环境哎........但是在ubuntu下用不着配置c++环境

直接执行第三步就行了

具体使用非常简单,请参考https://github.com/ageitgey/face_recognition

import face_recognition

def compare_faces(image_path1, image_path2):
    try:
        # 加载图像并提取人脸特征
        image1 = face_recognition.load_image_file(image_path1)
        image2 = face_recognition.load_image_file(image_path2)

        face_encoding1 = face_recognition.face_encodings(image1)[0]
        face_encoding2 = face_recognition.face_encodings(image2)[0]

        # 计算人脸相似度
        face_distance = face_recognition.face_distance([face_encoding1], face_encoding2)[0]

        # 将相似度转换为百分比
        similarity = (1 - face_distance) * 100

        return similarity

    except Exception as e:
        return None

# 调用函数进行人脸比较
image_path1 = "path_to_image1.jpg"  # 第一张图像的路径
image_path2 = "path_to_image2.jpg"  # 第二张图像的路径

similarity = compare_faces(image_path1, image_path2)
if similarity is not None:
    print(f"人脸相似度：{similarity:.2f}%")
else:
    print("无法识别人脸或发生错误。")

方法	Face Recognition函数示例	适合使用的情况
欧几里得距离 (Euclidean Distance)	face_recognition.face_distance(face_encodings, face_to_compare)	通常用于一对一的人脸相似度比较，对于已知的人脸特征向量。
曼哈顿距离 (Manhattan Distance)	自定义实现，可使用NumPy等库来计算。	类似于欧几里得距离，但可能更适合特定数据集和度量需求。
余弦相似度 (Cosine Similarity)	自定义实现，可使用NumPy等库来计算。	通常用于一对一的人脸相似度比较，尤其在特征向量具有不同尺度时。
Jaccard相似度 (Jaccard Similarity)	自定义实现，需要将特征向量转换为二进制或布尔值。	适用于比较两个人脸特征向量的相似度，例如，用于人脸集合匹配。
标准化欧几里得距离 (Normalized Euclidean Distance)	自定义实现，需要对特征向量进行标准化。	用于特征向量具有不同尺度的情况，可以在欧几里得距离的基础上进行改进。

最小检测的代码示范如下

import face_recognition

# 加载图像并提取人脸特征
image1 = face_recognition.load_image_file("image1.jpg")
image2 = face_recognition.load_image_file("image2.jpg")

face_encoding1 = face_recognition.face_encodings(image1)[0]
face_encoding2 = face_recognition.face_encodings(image2)[0]

# 计算人脸相似度
face_distance = face_recognition.face_distance([face_encoding1], face_encoding2)[0]

# 将相似度转换为百分比
similarity = (1 - face_distance) * 100

print(f"人脸相似度：{similarity:.2f}%")

通常情况下，欧几里得距离和余弦相似度是常用的方法。

import face_recognition
import os

# 加载目标图片的人脸特征
target_image = face_recognition.load_image_file("target_image.jpg")
target_face_encodings = face_recognition.face_encodings(target_image)

# 设置相似度阈值
threshold_similarity = 0.8

# 遍历目录中的图片文件
directory = "C:\User\Picture"  # 修改为你的图片目录路径
for filename in os.listdir(directory):
    if filename.endswith(".jpg") or filename.endswith(".png"):
        image_path = os.path.join(directory, filename)
        
        # 加载当前图片并提取人脸特征
        current_image = face_recognition.load_image_file(image_path)
        current_face_encodings = face_recognition.face_encodings(current_image)
        
        # 检查当前图片中的每个人脸与目标图片的相似度
        for current_face_encoding in current_face_encodings:
            similarity = face_recognition.face_distance(target_face_encodings, current_face_encoding)
            
            # 如果相似度高于阈值，打印出文件名和相似度
            if similarity[0] < threshold_similarity:
                print(f"找到一个图片 {filename} 人脸相似度为 {1 - similarity[0]:.2f}")

要在一个目录中遍历图片并找出与给定图片相似度高于80%的人脸图片，可以使用Face Recognition库来完成这个任务，用于图片搜索。