开源人脸识别库，face_recognition

转载请注明出处：http://blog.csdn.net/hongbin_xu 或 http://hongbin96.com/ 
文章链接：http://blog.csdn.net/hongbin_xu/article/details/74981819 或http://hongbin96.com/125

今天看微信时，看到一篇推送文章介绍了一个基于python的开源人脸识别库，且其离线识别率高达99.38%，于是上网搜了搜。 
网上相关的中文文章基本都是一样的，且都是从github上的英文版本介绍翻译过来的，所以我就直接看github上的介绍了。（github链接）

简介

该库可以通过python或者命令行即可实现人脸识别的功能。使用dlib深度学习人脸识别技术构建，在户外脸部检测数据库基准（Labeled Faces in the Wild）上的准确率为99.38%。 
在github上有相关的链接和API文档。 

在下方为提供的一些相关源码或是文档。当前库的版本是v0.2.0，点击docs可以查看API文档，我们可以查看一些函数相关的说明等。 

安装配置

安装配置很简单，按照github上的说明一步一步来就可以了。

根据你的python版本输入指令：

pip install face_recognition

或者

pip3 install face_recognition

正常来说，安装过程中会出错，会在安装dlib时出错，可能报错也可能会卡在那不动。因为pip在编译dlib时会出错，所以我们需要手动编译dlib再进行安装。 
github上给的解决办法的链接需要翻墙才能访问，都懂得。(¬ -̮ ¬) 
先进入网页代理：https://mm.ww.rrjs.pw/ 
在网页中输入：https://gist.github.com/ageitgey/629d75c1baac34dfa5ca2a1928a7aeaf 
按照它给出的解决办法： 
1、先下载下来dlib的源码。

git clone https://github.com/davisking/dlib.git

•  

2、编译dlib。

cd dlib
mkdir build
cd build
cmake .. -DDLIB_USE_CUDA=0 -DUSE_AVX_INSTRUCTIONS=1
cmake --build

3、编译并安装python的拓展包。

cd ..
python3 setup.py install --yes USE_AVX_INSTRUCTIONS --no DLIB_USE_CUDA

注意：这个安装步骤是默认认为没有GPU的，所以不支持cuda。 
在自己手动编译了dlib后，我们可以在python中import dlib了。 
之后再重新安装，就可以配置成功了。 
根据你的python版本输入指令：

pip install face_recognition

或者

pip3 install face_recognition

安装成功之后，我们可以在python中正常import face_recognition了。 

编写人脸识别程序

编写py文件：

# -*- coding: utf-8 -*-
# 

# 检测人脸
import face_recognition
import cv2

# 读取图片并识别人脸
img = face_recognition.load_image_file("silicon_valley.jpg")
face_locations = face_recognition.face_locations(img)
print face_locations

# 调用opencv函数显示图片
img = cv2.imread("silicon_valley.jpg")
cv2.namedWindow("原图")
cv2.imshow("原图", img)

# 遍历每个人脸，并标注
faceNum = len(face_locations)
for i in range(0, faceNum):
    top =  face_locations[i][0]
    right =  face_locations[i][1]
    bottom = face_locations[i][2]
    left = face_locations[i][3]

    start = (left, top)
    end = (right, bottom)

    color = (55,255,155)
    thickness = 3
    cv2.rectangle(img, start, end, color, thickness)

# 显示识别结果
cv2.namedWindow("识别")
cv2.imshow("识别", img)

cv2.waitKey(0)
cv2.destroyAllWindows()

注意：这里使用了python-opencv，一定要配置好了opencv才能运行成功。

运行结果： 
程序会读取当前目录下指定的图片，然后识别其中的人脸，并标注每个人脸。 
（使用图片来自美剧硅谷） 

编写人脸比对程序

首先，我在目录下放了几张图片： 
 
这里用到的是一张乔布斯的照片和一张奥巴马的照片，和一张未知的照片。 
编写程序：

# 识别图片中的人脸
import face_recognition
jobs_image = face_recognition.load_image_file("jobs.jpg");
obama_image = face_recognition.load_image_file("obama.jpg");
unknown_image = face_recognition.load_image_file("unknown.jpg");

jobs_encoding = face_recognition.face_encodings(jobs_image)[0]
obama_encoding = face_recognition.face_encodings(obama_image)[0]
unknown_encoding = face_recognition.face_encodings(unknown_image)[0]

results = face_recognition.compare_faces([jobs_encoding, obama_encoding], unknown_encoding )
labels = ['jobs', 'obama']

print('results:'+str(results))

for i in range(0, len(results)):
    if results[i] == True:
        print('The person is:'+labels[i])

运行结果： 
 
识别出未知的那张照片是乔布斯的。

摄像头实时识别

代码：

# -*- coding: utf-8 -*-
import face_recognition
import cv2

video_capture = cv2.VideoCapture(1)

obama_img = face_recognition.load_image_file("obama.jpg")
obama_face_encoding = face_recognition.face_encodings(obama_img)[0]

face_locations = []
face_encodings = []
face_names = []
process_this_frame = True

while True:
    ret, frame = video_capture.read()

    small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)

    if process_this_frame:
        face_locations = face_recognition.face_locations(small_frame)
        face_encodings = face_recognition.face_encodings(small_frame, face_locations)

        face_names = []
        for face_encoding in face_encodings:
            match = face_recognition.compare_faces([obama_face_encoding], face_encoding)

            if match[0]:
                name = "Barack"
            else:
                name = "unknown"

            face_names.append(name)

    process_this_frame = not process_this_frame

    for (top, right, bottom, left), name in zip(face_locations, face_names):
        top *= 4
        right *= 4
        bottom *= 4
        left *= 4

        cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255),  2)

        cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), 2)
        font = cv2.FONT_HERSHEY_DUPLEX
        cv2.putText(frame, name, (left+6, bottom-6), font, 1.0, (255, 255, 255), 1)

    cv2.imshow('Video', frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

video_capture.release()
cv2.destroyAllWindows()

 

 

识别结果： 
我直接在手机上百度了几张图试试，程序识别出了奥巴马。 

这个库很cool啊！

————————————————2017.10.19————————————————–

我自己后来还基于这个库编写了一个小软件，实现了前面的博文中提到的功能。 
传送门：基于PYQT编写一个人脸识别软件

————————————————2017.11.3————————————————– 
由于很多人问我有关安装dlib时碰到的问题。直接用pip安装会出错，需要我们自己编译安装。自己编译也费不了多少力。 
所以这里分享一下Ubuntu下安装dlib的过程：

• 安装相关依赖包

sudo apt-get install libboost-python-dev cmake  

• 1

• 下载dlib源码。（目前最新版本是19.7） 
  github下载链接：https://github.com/davisking/dlib 
  官网也有下载：http://dlib.net/

• 接下来开始编译。 
  到dlib中找到setup.py， 运行进行安装。

python setup.py install

• 1

会先自动编译dlib的c++库。 
 
随后安装到python。 
 
可以正常导入dlib了。 

————————————————2018.2.10————————————————– 
face_recognition库的性能还是有较多限制，所以我后来又在空闲时间基于dlib重新写了一个软件，相对之前的那个效果会好一点。没有用face_recognition库，它的速度相对比较慢，而且打包也会遇到一些比较奇葩的问题。 
基于PYQT编写一个人脸识别软件（2）