face_recognition人脸识别框架

 

2018年08月13日 15:44:34

阅读数：18

一、环境搭建

１．系统环境

1. Ubuntu 17.04

2. Python 2.7.14

3. pycharm 开发工具

2.开发环境，安装各种系统包

• 人脸检测基于dlib，dlib依赖Boost和cmake

1. $ sudo apt-get install build-essential cmake

2. $ sudo apt-get install libgtk-3-dev

3. $ sudo apt-get install libboost-all-dev

• 其他重要的包

1. $ pip install numpy

2. $ pip install scipy

3. $ pip install opencv-python

4. $ pip install dlib

• 安装 face_recognition

1. # 安装 face_recognition

2. $ pip install face_recognition

3. # 安装face_recognition过程中会自动安装 numpy、scipy 等

---

二、使用教程

1、facial_features文件夹

此demo主要展示了识别指定图片中人脸的特征数据，下面就是人脸的八个特征，我们就是要获取特征数据

1. 'chin',

2. 'left_eyebrow',

3. 'right_eyebrow',

4. 'nose_bridge',

5. 'nose_tip',

6. 'left_eye',

7. 'right_eye',

8. 'top_lip',

9. 'bottom_lip'

运行结果：

自动识别图片中的人脸，并且识别它的特征

原图：

特征数据，数据就是运行出来的矩阵，也就是一个二维数组

代码：

1. # -*- coding: utf-8 -*-

2. # 自动识别人脸特征

3. # filename : find_facial_features_in_picture.py

4.  

5. # 导入pil模块 ，可用命令安装 apt-get install python-Imaging

6. from PIL import Image, ImageDraw

7. # 导入face_recogntion模块，可用命令安装 pip install face_recognition

8. import face_recognition

9.  

10. # 将jpg文件加载到numpy 数组中

11. image = face_recognition.load_image_file("chenduling.jpg")

12.  

13. #查找图像中所有面部的所有面部特征

14. face_landmarks_list = face_recognition.face_landmarks(image)

15.  

16. print("I found {} face(s) in this photograph.".format(len(face_landmarks_list)))

17.  

18. for face_landmarks in face_landmarks_list:

19.  

20. #打印此图像中每个面部特征的位置

21. facial_features = [

22. 'chin',

23. 'left_eyebrow',

24. 'right_eyebrow',

25. 'nose_bridge',

26. 'nose_tip',

27. 'left_eye',

28. 'right_eye',

29. 'top_lip',

30. 'bottom_lip'

31. ]

32.  

33. for facial_feature in facial_features:

34. print("The {} in this face has the following points: {}".format(facial_feature, face_landmarks[facial_feature]))

35.  

36. #让我们在图像中描绘出每个人脸特征！

37. pil_image = Image.fromarray(image)

38. d = ImageDraw.Draw(pil_image)

39.  

40. for facial_feature in facial_features:

41. d.line(face_landmarks[facial_feature], width=5)

42.  

43. pil_image.show()

2、find_face文件夹

不仅能识别出来所有的人脸，而且可以将其截图挨个显示出来,打印在前台窗口

原始的图片

识别的图片

代码：

1. # -*- coding: utf-8 -*-

2. # 识别图片中的所有人脸并显示出来

3. # filename : find_faces_in_picture.py

4.  

5. # 导入pil模块 ，可用命令安装 apt-get install python-Imaging

6. from PIL import Image

7. # 导入face_recogntion模块，可用命令安装 pip install face_recognition

8. import face_recognition

9.  

10. # 将jpg文件加载到numpy 数组中

11. image = face_recognition.load_image_file("yiqi.jpg")

12.  

13. # 使用默认的给予HOG模型查找图像中所有人脸

14. # 这个方法已经相当准确了，但还是不如CNN模型那么准确，因为没有使用GPU加速

15. # 另请参见: find_faces_in_picture_cnn.py

16. face_locations = face_recognition.face_locations(image)

17.  

18. # 使用CNN模型

19. # face_locations = face_recognition.face_locations(image, number_of_times_to_upsample=0, model="cnn")

20.  

21. # 打印：我从图片中找到了 多少 张人脸

22. print("I found {} face(s) in this photograph.".format(len(face_locations)))

23.  

24. # 循环找到的所有人脸

25. for face_location in face_locations:

26.  

27. # 打印每张脸的位置信息

28. top, right, bottom, left = face_location

29. print("A face is located at pixel location Top: {}, Left: {}, Bottom: {}, Right: {}".format(top, left, bottom, right))

30. # 指定人脸的位置信息，然后显示人脸图片

31. face_image = image[top:bottom, left:right]

32. pil_image = Image.fromarray(face_image)

33. pil_image.show()

　３、know_face文件夹

通过设定的人脸图片识别未知图片中的人脸

1. # -*- coding: utf-8 -*-

2. # 识别人脸鉴定是哪个人

3.  

4. # 导入face_recogntion模块，可用命令安装 pip install face_recognition

5. import face_recognition

6.  

7. #将jpg文件加载到numpy数组中

8. chen_image = face_recognition.load_image_file("chenduling.jpg")

9. #要识别的图片

10. unknown_image = face_recognition.load_image_file("sunyizheng.jpg")

11.  

12. #获取每个图像文件中每个面部的面部编码

13. #由于每个图像中可能有多个面，所以返回一个编码列表。

14. #但是由于我知道每个图像只有一个脸，我只关心每个图像中的第一个编码，所以我取索引0。

15. chen_face_encoding = face_recognition.face_encodings(chen_image)[0]

16. print("chen_face_encoding:{}".format(chen_face_encoding))

17. unknown_face_encoding = face_recognition.face_encodings(unknown_image)[0]

18. print("unknown_face_encoding :{}".format(unknown_face_encoding))

19.  

20. known_faces = [

21. chen_face_encoding

22. ]

23. #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

24. results = face_recognition.compare_faces(known_faces, unknown_face_encoding)

25.  

26. print("result :{}".format(results))

27. print("这个未知面孔是 陈都灵 吗? {}".format(results[0]))

28. print("这个未知面孔是 我们从未见过的新面孔吗? {}".format(not True in results))

4、video文件夹

通过调用电脑摄像头动态获取视频内的人脸，将其和我们指定的图片集进行匹配，可以告知我们视频内的人脸是否是我们设定好的

实现：

代码：

1. # -*- coding: utf-8 -*-

2. # 摄像头头像识别

3. import face_recognition

4. import cv2

5.  

6. video_capture = cv2.VideoCapture(0)

7.  

8. # 本地图像

9. chenduling_image = face_recognition.load_image_file("chenduling.jpg")

10. chenduling_face_encoding = face_recognition.face_encodings(chenduling_image)[0]

11.  

12. # 本地图像二

13. sunyizheng_image = face_recognition.load_image_file("sunyizheng.jpg")

14. sunyizheng_face_encoding = face_recognition.face_encodings(sunyizheng_image)[0]

15.  

16. # 本地图片三

17. zhangzetian_image = face_recognition.load_image_file("zhangzetian.jpg")

18. zhangzetian_face_encoding = face_recognition.face_encodings(zhangzetian_image)[0]

19.  

20. # Create arrays of known face encodings and their names

21. # 脸部特征数据的集合

22. known_face_encodings = [

23. chenduling_face_encoding,

24. sunyizheng_face_encoding,

25. zhangzetian_face_encoding

26. ]

27.  

28. # 人物名称的集合

29. known_face_names = [

30. "michong",

31. "sunyizheng",

32. "chenduling"

33. ]

34.  

35. face_locations = []

36. face_encodings = []

37. face_names = []

38. process_this_frame = True

39.  

40. while True:

41. # 读取摄像头画面

42. ret, frame = video_capture.read()

43.  

44. # 改变摄像头图像的大小，图像小，所做的计算就少

45. small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)

46.  

47. # opencv的图像是BGR格式的，而我们需要是的RGB格式的，因此需要进行一个转换。

48. rgb_small_frame = small_frame[:, :, ::-1]

49.  

50. # Only process every other frame of video to save time

51. if process_this_frame:

52. # 根据encoding来判断是不是同一个人，是就输出true，不是为flase

53. face_locations = face_recognition.face_locations(rgb_small_frame)

54. face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)

55.  

56. face_names = []

57. for face_encoding in face_encodings:

58. # 默认为unknown

59. matches = face_recognition.compare_faces(known_face_encodings, face_encoding)

60. name = "Unknown"

61.  

62. # if match[0]:

63. # name = "michong"

64. # If a match was found in known_face_encodings, just use the first one.

65. if True in matches:

66. first_match_index = matches.index(True)

67. name = known_face_names[first_match_index]

68. face_names.append(name)

69.  

70. process_this_frame = not process_this_frame

71.  

72. # 将捕捉到的人脸显示出来

73. for (top, right, bottom, left), name in zip(face_locations, face_names):

74. # Scale back up face locations since the frame we detected in was scaled to 1/4 size

75. top *= 4

76. right *= 4

77. bottom *= 4

78. left *= 4

79.  

80. # 矩形框

81. cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)

82.  

83. #加上标签

84. cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)

85. font = cv2.FONT_HERSHEY_DUPLEX

86. cv2.putText(frame, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)

87.  

88. # Display

89. cv2.imshow('monitor', frame)

90.  

91. # 按Q退出

92. if cv2.waitKey(1) & 0xFF == ord('q'):

93. break

94.  

95. video_capture.release()

96. cv2.destroyAllWindows()