1. 查找图像中出现的人脸
代码示例:
#导入face_recognition模块
import face_recognition
#将jpg文件加载到numpy数组中
image = face_recognition.load_image_file(“your_file.jpg”)
#查找图片中人脸(上下左右)的位置,图像中可能有多个人脸
#face_locations的值类似[(135,536,198,474),()]
Face_locations = face_recognition.face_locations(image);
# 使用CNN模型 准确率高
face_locations = face_recognition.face_locations(image, number_of_times_to_upsample=0, model="cnn")
face_locations = face_recognition.face_locations(small_frame, model="cnn")
2. 获取图像中人脸的眼睛、鼻子、嘴、下巴、眉毛的位置和轮廓
代码示例:
import face_recognition
image = face_recognition.load_image_file(“your_file.jpg”)
#查找图片中人脸的所有面部特征(眉毛,眼睛,鼻子,上下嘴唇,面部轮廓)
#face_landmarks_list是个二维数组
face_landmarks_list = face_recognition.face_landmarks(image)
3. 识别图像中出现的人脸
import face_recognition
known_image = face_recognition.load_image_file(“biden.jpg”)
unknown_imag = face_recognition.load_image_file(“unknown.jpg”)
#获取每个图像文件中每个面部的面部编码
#由于每个图像中可能有多个人脸,所以返回一个编码列表。
#但是事先知道每个图像只有一个人脸,每个图像中的第一个编码,取索引0。
Biden_encoding =face_recognition.face_encodings(known_image)[0]
Unknown_encoding=face_recognition.face_encodings(unknown_image)[0]
#如果图像中有多个人脸 获取图像中多个人脸编码
face_locations = face_recognition.face_locations(unknow_image)
face_encodings = face_recognition.face_encodings(unknown_image, face_locations)
#结果是True/false的数组,未知面孔known_faces阵列中的任何人相匹配的结果
#[true, false,false]
Results=face_recognition.compare_faces([biden_encoding],unknown_encoding)
#结果是True/false的数组,未知面孔known_faces阵列中的任何人相匹配的结果 设定比对结果的阀值
#[true, false,false]
match = face_recognition.compare_faces(known_faces, face_encoding, tolerance=0.50)
4.两个人脸的相似度
#结果是小于1的值 例如0.5 0.7等
face_distances = face_recognition.face_distance(known_encodings, image_to_test_encoding)
设定阀值 05或者0.6等
face_distances < 阀值
更多关于face_recognition库的介绍请查看以下链接