深度学习火焰识别_AI宝宝识人指南深度学习人脸识别-CSDN博客

本文链接：https://blog.csdn.net/weixin_36213081/article/details/112770475

本文大致介绍了pillow， dlib，face_recognition 包的安装及使用，以及深度学习中人脸识别的简单运用。

环境搭建
简单的人脸识别

环境搭建

Anaconda 、Python 和 Pycharm 的安装和调试本文不做过多的赘述，不太了解的小伙伴可以在上一篇AI宝宝接生指南中看到。安装 pillow 、face_recognition 包也可参照上一篇文章，如果报错缺失环境文件，建议按照下面步骤先安装Cmake、c++ build tools 和 dlib。因为用直接安装的方法安装 dlib 很可能会报错，所以这里就简单的介绍一下。由于dlib包中有c语言编译成分所以安装它的时候系统中必须要有适配的C++编译器。官网下载： https://visualstudio.microsoft.com/visual-cpp-build-tools/

下载完成后打开安装包，稍等片刻，进入应用界面后默认勾选红框内的选项，然后点击右下角安装。友情提示：在工具栏的第三个选项可以安装中文的适配包，安装完成后，会提示需要重启。电脑重启后即可完成安装。

重启后我们打开Pycharm，新建一个工程文件或 python 文件，或者在 github 上提前下载好需要运行的的代码，然后直接在右下角选取合适的编译环境。

打开左下角第三栏的terminal，依次输入以下代码，友情提示这个过程可能会有点慢。

pip install cmakepip install dlibpip install face-recognitionpip install pillow

简单的人脸识别

因为face_reccognition包不支持读取在线的图片文件，所以我们先把要要识别的图片下载到本地目录。

import face_recognitionimport requests#这里的链接你可以改成网上任意的照片链接，只要保证后缀是.jpg或.png计算机可读取即可response = requests.get("https://raw.githubusercontent.com/neowalter/Neural_network/main/pics/MUSK.jpg")file = open("MUSK.jpg", "wb")file.write(response.content)file.close()response = requests.get("https://raw.githubusercontent.com/neowalter/Neural_network/main/pics/MHT.jpg")file = open("MHT.jpg", "wb")file.write(response.content)file.close()response = requests.get("https://raw.githubusercontent.com/neowalter/Neural_network/main/pics/Elon-Musk-2010.jpg")file = open("p3.jpg", "wb")file.write(response.content)file.close()MUSK = face_recognition.load_image_file("MUSK.jpg")MHT = face_recognition.load_image_file("MHT.jpg")# Get the face encoding of each person. This can fail if no one is found in the photo.musk_face_encoding = face_recognition.face_encodings(MUSK)[0]mht_face_encoding = face_recognition.face_encodings(MHT)[0]# Create a list of all known face encodingsknown_face_encodings = [    musk_face_encoding,    mht_face_encoding,]# Load the image we want to checkunknown_image = face_recognition.load_image_file("p3.jpg")# Get face encodings for any people in the pictureface_locations = face_recognition.face_locations(unknown_image, number_of_times_to_upsample=2)unknown_face_encodings = face_recognition.face_encodings(unknown_image, known_face_locations=face_locations)# There might be more than one person in the photo, so we need to loop over each face we foundfor unknown_face_encoding in unknown_face_encodings:    # Test if this unknown face encoding matches any of the three people we know    results = face_recognition.compare_faces(known_face_encodings, unknown_face_encoding, tolerance=0.6)    name = "Unknown"    if results[0]:        name = "MUSK"    elif results[1]:        name = "MHT"    print(f"Found {name} in the photo!")