人脸识别face_recognition代码理解

参考

https://blog.csdn.net/Nirvana_6174/article/details/81392308

 

 

首先调用load_image_file加载人脸库图片

a_images = face_recognition.load_image_file(file_str)

然后face_encodings对图片对象a_images进行编码并返回数组0位置编码结果；

a_face_encoding = face_recognition.face_encodings(a_images)[0]

所有编码结果放到known_face_encodings数组里。

known_face_encodings.append(a_face_encoding)

 

opencv摄像头处理

    # 读取摄像头画面
    ret, frame = cam.read()

    # 改变摄像头图像的大小，图像小，所做的计算就少。frame原大小，缩小后small_frame 
    small_frame = cv2.resize(frame, (0, 0), fx=0.33, fy=0.33)

    # opencv的图像是BGR格式的，而我们需要是的RGB格式的，因此需要进行一个转换。
    rgb_small_frame = small_frame[:, :, ::-1]

        # 根据encoding来判断是不是同一个人，是就输出true，不是为flase
        face_locations = face_recognition.face_locations(rgb_small_frame)

        拿到当前帧的face编码
        face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)

for face_encoding in face_encodings:
    # 默认为unknown,当前人脸跟人脸库中的进行对比。并返回比对结果matches
    matches = face_recognition.compare_faces(known_face_encodings, face_encoding, tolerance=0.48)
    # 阈值太低容易造成无法成功识别人脸，太高容易造成人脸识别混淆 默认阈值tolerance为0.6
    # print(matches)
    name = "Unknown"

# 将捕捉到的人脸显示出来
for (top, right, bottom, left), name in zip(face_locations, face_names):
    # Scale back up face locations since the frame we detected in was scaled to 1/4 size
    # 由于我们检测到的帧被缩放到1/4大小，所以要缩小面位置
    top *= 3
    right *= 3
    bottom *= 3
    left *= 3

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

# 引入ft2中的字体
# 加上标签
cv2.rectangle(frame, (left, bottom - 20), (right, bottom), (0, 0, 255), cv2.FILLED)
font = cv2.FONT_HERSHEY_DUPLEX
cv2.putText(frame, name, (left + 6, bottom - 6), font, 0.8, (255, 255, 255), 1)

显示打上标签和字的人脸

cv2.imshow('monitor', frame)

 

函数说明

函数face_locations

face_locations(img, number_of_times_to_upsample=1, model='hog')

给定一个图像，返回图像中每个人脸的面部特征位置(眼睛、鼻子等)

参数： 
img：一个image（numpy array类型）

number_of_times_to_upsample：从images的样本中查找多少次人脸，该参数的值越高的话越能发现更小的人脸

model：使用哪种人脸检测模型。“hog” 准确率不高，但是在CPUs上运行更快，“cnn” 更准确更深度（且GPU/CUDA加速，如果有GPU支持的话），默认是“hog”

返回值：

一个元组列表，列表中的每个元组包含人脸的位置(top, right, bottom, left)

https://blog.csdn.net/u012819339/article/details/81671574

https://blog.csdn.net/qq_37950540/article/details/88907027

void rectangle(Mat& img, Point pt1,Point pt2,const Scalar& color, int thickness=1, int lineType=8, int shift=0) 
参数介绍： 
要进行绘制的目标图像 
矩形的一个顶点 
矩阵对角线上的另一个顶点 
线条的颜色（RGB）或亮度（灰度图） 
组成矩形线条的粗细程度。取负值时，函数绘制填充了色彩的矩形。 
线条的类型。 
坐标点的小数点位数。 
Rect()定义一个矩形数据，rectangle将其画出来。
原文：https://blog.csdn.net/Du_Shuang/article/details/77905698 

 

原型 void putText( Mat& img, const string& text, Point org, int fontFace,double fontScale，  Scalar color, int thickness=1, int lineType=8 );

参数1：， Mat& img，待写字的图片，我们写在img图上

参数2：，const string& text，待写入的字，我们下面写入Hello

参数3：， Point org， 第一个字符左下角坐标，我们设定在图片的Point（50,60）坐标。表示x = 50,y = 60。

参数4：，int fontFace，字体类型，FONT_HERSHEY_SIMPLEX ，FONT_HERSHEY_PLAIN ，FONT_HERSHEY_DUPLEX 等等等。

参数5：，double fontScale，字体大小，我们设置为2号

参数6：，Scalar color，字体颜色，颜色用Scalar（）表示，不懂得去百度。

参数7：， int thickness，字体粗细，我们下面代码使用的是4号

参数8：， int lineType，线型，我们使用默认值8.

原文：https://blog.csdn.net/fanjiule/article/details/81606874