手把手教你实现人脸识别，有手就行

川川菜鸟

已于 2022-07-21 11:58:59 修改

阅读量1.4w

点赞数 29

文章标签：计算机视觉人工智能深度学习

于 2022-02-05 16:22:49 首次发布

本文链接：https://blog.csdn.net/weixin_46211269/article/details/122790313

版权

机器视觉专栏收录该内容

28 篇文章

订阅专栏

应用领域

金融领域。人脸识别当前在金融领域的应用最为广泛，当前国内金融领域监管要求严格，金融相关产品都需要实名认证，并且具有较高的安全性要求，活体识别，银行卡ocr识别，身份证ocr识别，人证对比等在各大手机银行，金融app，保险app等都已经成为不可或缺的一个环节
安保领域。目前大量的企业，住宅，社区，学校等安全管理越来越普及，人脸门禁系统已经成为非常普及的一种安保方式。
通行领域。很多城市的火车站已经安装了人脸识别通行设备，进行人证对比过检，有些城市的地铁站也可以通过人脸识别的方式进行地铁进出站通行。
泛娱乐领域。现在市场上火爆的美颜相机，网络直播，短视频等都是建立在人脸识别的基础上对人脸进行美颜和特效处理。
公安，司法领域。公安系统在追捕逃犯时也会利用人脸识别系统对逃犯进行定位，监狱系统目前也会对服刑人员通过人脸识别系统进行报警和安防
自助服务设备。如银行的自动提款机，无人超市等。
考勤及会务。如工作考勤，会议出席人脸墙等。目前人脸识别市场上的巨头主要有商场，也有很多领域内巨头公司投资的小公司。

第一步：导入模块

dlib模块安装其实是比较繁琐的，要认真耐心点，可以参考：dlib安装，如果不行再看看别的教程。

import sys
import cv2
import face_recognition #dlib 人脸识别库

第二步：加载图片并数值化

测试图片为我的偶像：
在这里插入图片描述

face_img=face_recognition.load_image_file('1.png')
print(face_img)

打印结果：
在这里插入图片描述
输出为三维图像矩阵，把图像转为矩阵。

第三步：获取图片中的人脸数据

提取人脸特征编码，并获取到人脸五官的位置：

face_encodings=face_recognition.face_encodings(face_img)#进行特征提取向量化，获取人脸的编码
face_locations=face_recognition.face_locations(face_img)#五官对应的位置
print(face_encodings)

图片中有几个人脸就有几个数组：
在这里插入图片描述

第四步：人数计算

这里只做判断两个人是否为一个人，超出两个就退出了

n=len(face_encodings)
print(n)
#这里只做判断两个人是否为一个人，超出两个就退出了
if n>2:
    print('超过两个人')
    sys.exit()

打印可以分出是两个人：
在这里插入图片描述

第五步：人脸比较

#获取两个人的数据
face1=face_encodings[0]
face2=face_encodings[1]

result=face_recognition.compare_faces([face1],face2,tolerance=0.6)#人脸比较，，误差不超过0.6则可以，默认值也为0.6
print(result)

返回：
在这里插入图片描述
判断出为不是同一个人。
再稍微修改一下，让表达更清楚：

if result==[True]:
    name='same'
    print('两个人为同一个人')
else:
    print('两者不是同一个人')
    name='different'

返回：
在这里插入图片描述

第六步：框出人脸写上文字

获取两个人脸位置坐标：

for i in range(len(face_encodings)):
    face_encoding=face_encodings[(i-1)] #倒序获取
    face_location = face_locations[(i - 1)]
    print(face_location)#获取人脸位置

返回：
在这里插入图片描述
元祖四个数值分别表示框人脸矩形框的四个点坐标。

获取到坐标后开始画框框并写上文字：

top,right,bottom,left=face_location#确定出坐标
    #画框框
    cv2.rectangle(face_img,(left,top),(right,bottom),(255,0,0))#传参分别为：图片，坐标，RGB颜色,框粗细
    #写字上去
    cv2.putText(face_img,name,(left-10,top-10),cv2.FONT_HERSHEY_DUPLEX,0.8,(255,255,0),2)#传参数分别为：图片，文字，坐标，字体，字体大小，颜色，粗细

第七步：显示处理好的图像

face_img_rgb=cv2.cvtColor(face_img,cv2.COLOR_BGR2RGB)#确保颜色不要混乱
#展示图像
cv2.imshow('compare',face_img_rgb)
#设置等待关闭
cv2.waitKey(0)

效果：
在这里插入图片描述
你只需要按步骤敲代码即可为全部代码，当然为了便于大家直接cv,代码展示如下：

# coding=gbk
"""
作者：川川
公众号：玩转大数据
@时间  : 2022/2/5 14:36
"""
import sys
import cv2
import face_recognition #dlib 人脸识别库


face_img=face_recognition.load_image_file('1.png')
# print(face_img)

face_encodings=face_recognition.face_encodings(face_img)#进行特征提取向量化，获取人脸的编码
face_locations=face_recognition.face_locations(face_img)#五官对应的位置
# print(face_encodings)

n=len(face_encodings)
print(n)
#这里只做判断两个人是否为一个人，超出两个就退出了
if n>2:
    print('超过两个人')
    sys.exit()

#获取两个人的数据
face1=face_encodings[0]
face2=face_encodings[1]

result=face_recognition.compare_faces([face1],face2,tolerance=0.6)#人脸比较，，误差不超过0.6则可以，默认值也为0.6
# print(result)
if result==[True]:
    name='same'
    print('两个人为同一个人')
else:
    print('两者不是同一个人')
    name='different'


for i in range(len(face_encodings)):
    face_encoding=face_encodings[(i-1)] #倒序获取
    face_location = face_locations[(i - 1)]
    # print(face_location)#获取人脸位置

    top,right,bottom,left=face_location#确定出坐标
    #画框框
    cv2.rectangle(face_img,(left,top),(right,bottom),(255,0,0))#传参分别为：图片，坐标，RGB颜色,框粗细
    #写字上去
    cv2.putText(face_img,name,(left-10,top-10),cv2.FONT_HERSHEY_DUPLEX,0.8,(255,255,0),2)#传参数分别为：图片，文字，坐标，字体，字体大小，颜色，粗细

face_img_rgb=cv2.cvtColor(face_img,cv2.COLOR_BGR2RGB)#确保颜色不要混乱
#展示图像
cv2.imshow('compare',face_img_rgb)
#设置等待关闭
cv2.waitKey(0)