人脸识别系统python_基于python语言的人脸识别技术

人脸识别技术，如果往深了研究，很难，现在已经有团队致力于研究3D人脸识别技术。本文还是基于python成熟的函数库(模块)dlib对人脸识别进行简单的介绍。首先看一下效果图，首先给出对人脸的68个特征点进行提取的效果图：

再给出识别的效果：

因为代码中的算法是，与数据库中图片欧式距离最小的，则判断为该候选人。所以虽然左右两位朋友不在数据库中，但是也给出了识别结果。后期改进可以判断，当欧式距离大于某个门限时，则判定为未知人员。

下面对人脸识别技术进行详细介绍。

数据库准备

在进行人脸识别时，首先得有数据，其中包含人脸数据、训练好的模型数据，如下图所示：

训练好的数据包含人脸关键点检测器、人脸识别模型，如图所示：

系统与模块

Ubuntu64系统系统用的是Ubuntu64系统，便于后续dlib模块的安装，本文在做实验时，是在虚拟机中进行的，如图所示：

dlib模块安装dlib官方文档给出的标语是：高质量的机器学习、图像处理、深度学习、人脸识别 C++/Python库。

dlib模块可以在Linux和Max系统安装，但是也有很多资料显示如何在windows系统中安装dlib，感兴趣的读者可以自行研究。

dlib模块的安装需要两个模块依赖：cmake和boost，由于篇幅限制，本文不介绍如何安装dlib模块，因为相关的资料、博客很多，请查阅相关资料。

人脸识别关键代码

如上图所示给出3句人脸识别的关键代码，其中第一句是加载正脸检测器，第二句是加载人脸关键点检测器，第三句是加载人脸识别模型。

这一句代码中，是对变量descriptors进行初始化，其中count是数据库中人脸的个数，128是固定的值(因为文章借用别人已经训练好的模型，而模型的特征向量就是128维度的)。

上图中的代码，第一句detector(img, 1)是对人脸进行检测，for循环是对图片中的人脸进行循环，有几张人脸，就循环几次。然后将特征向量存储在descriptors中。

最后将变量descriptors存储在文件candidates.npy中，即训练得到的数据库。

全部代码

全部代码内容较多，我们将放入网盘，包括前期的数据库，训练模型等数据，一并上传网盘。

人脸识别数据库

Labeled Faces in the Wild Home (LFW)本文使用的就是LFW人脸数据库，LFW中的人脸数据多来源网络，已经被广泛的应用在评价Face Verification算法性能上。

除此之外，我们再介绍几种数据库：

PubFig: Public Figures Face Database(哥伦比亚大学公众人物脸部数据库)Large-scale CelebFaces Attributes (CelebA) DatasetColorferetMulti-Task Facial Landmark (MTFL) datasetBioID Face Database - FaceDBPerson identification in TV seriesCMUVASC & PIE Face dataset等等，还有很多。当然读者也可以自己采集。也可以通过爬虫的手段在互联网上进行爬虫获取。

总结

本文利用python的dlib模块，对人脸识别技术进行了介绍。希望对你的学习有所帮助，谢谢