python图片对比相似度_Python实现人脸识别（50行代码包会）

一、安装windows c++，cmake，dlib，face_recognition

1. 安装visualStudio， visualStudio 结果不对的，至少要选上C++开发环境;

3. pip安装的下载地址超级慢会出现报错的情况，换成国内阿里镜像(可换为国内其他镜像)，下载就很快，命令:

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple

4. 安装 pip install cmake ----->安装完成

5. 接下来，我们安装dlib库，运行命令 Pip installed dlib，结果不带顺利，报错了，需要我们把pip升级到19.2.1的版本才能继续安装 (pip 19.2.1以下版本可能存在安装不成功的可能性)

升级pip，运行cmd命令，打开控制台，输入python -m pip install --upgrade pip

安装 dlib 命令: pip install dlib 该安装比较慢且占用cpu 较高

6.安装face_recognition， 命令:pip install face_recognition 安装提示安装完成 则表示已成功安装face_recognition，安装过程曲折，终于大功告成。

二、人脸识别代码

原理很简单，人脸特征在计算机是用数字来存储，叫人脸特征向量，这些数据记录人脸的长，高，肤色等等，根据这些特征通过face_recognition库从图片中获取，通过矩阵二范数运行计算出相似度，又我们自定义个阈值，在这个阈值上的相似度，代码两张图片为一个人

1.获取人脸特征向量

#获取人脸库特征向量

def getFaceEncoding(src):

image = face_recognition.load_image_file(src)

face_locations = face_recognition.face_locations(image)

face_encoding = face_recognition.face_encodings(image, face_locations)[0]

return face_encoding

2.计算相似度

xl1=getFaceEncoding(imgSrc1)

xl2=getFaceEncoding(imgSrc7)

#人脸对比，tolerance相似度阈值

match_results = face_recognition.compare_faces([xl1], xl2, tolerance=0.7)

完整代码

import cv2

import face_recognition

import numpy as np

imgSrc1="C:/1.jpg"

imgSrc2="C:/2.jpg"

imgSrc3="C:/3.jpg"

imgSrc4="C:/4.jpg"

imgSrc5="C:/5.jpg"

imgSrc6="C:/6.jpg"

imgSrc7="C:/7.jpg"

#打开图片检测人脸

def openImg(src):

image = face_recognition.load_image_file(src)

face_locations = face_recognition.face_locations(image)

#print(face_locations)

image1=image*1

image1[:,:,0]=image[:,:,2]

image1[:,:,2]=image[:,:,0]

for (A,B,C,D) in face_locations:

cv2.rectangle(image1,(D,A),(B,C),(0,255,0),2)

cv2.imshow('image',image1)

cv2.waitKey(0)

cv2.destroyAllWindows()

face_encoding = face_recognition.face_encodings(image, face_locations)[0]

print(face_encoding)

#获取人脸库特征向量

def getFaceEncoding(src):

image = face_recognition.load_image_file(src)

face_locations = face_recognition.face_locations(image)

face_encoding = face_recognition.face_encodings(image, face_locations)[0]

return face_encoding

#计算两张图片的相似度，范围：[0,1]

def simcos(A,B):

A=np.array(A)

B=np.array(B)

dist = np.linalg.norm(A - B) # 二范数

sim = 1.0 / (1.0 + dist) #

return sim

if __name__ == '__main__':

xl1=getFaceEncoding(imgSrc1)

xl2=getFaceEncoding(imgSrc7)

#人脸对比，tolerance相似度阈值

match_results = face_recognition.compare_faces([xl1], xl2, tolerance=0.7)

# 测试两张图像中人脸比对的差值(不相似度)

face_distances = face_recognition.face_distance([xl1], xl2)

i=simcos(xl1,xl2)

if i>0.7:

print(True)

else:

print(False)

#openImg(imgSrc3)

官网：http://www.sykjwh.cn

qq技术交流群：855531299

项目地址：https://gitee.com/shangyakejiwenhua/sykj