怎么用Python代码实现人脸识别

这篇文章主要介绍“怎么用python代码实现人脸识别”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“怎么用Python代码实现人脸识别”文章能帮助大家解决问题。

正文：

环境要求：

• ubuntu17.10

• Python 2.7.14

环境搭建：

安装 Ubuntu17.10 > 安装步骤在这里

安装 Python2.7.14 (Ubuntu17.10 默认Python版本为2.7.14)

安装 git 、cmake 、 python-pip

#安装 git$ sudo apt-get install -y git# 安装 cmake$ sudo apt-get install -y cmake# 安装 python-pip$ sudo apt-get install -y python-pip

安装编译dlib

安装face_recognition这个之前需要先安装编译dlib

# 编译dlib前先安装 boost$ sudo apt-get install libboost-all-dev # 开始编译dlib# 克隆dlib源代码$ git clone https://GitHub.com/davisking/dlib.git$ cd dlib$ mkdir build$ cd build$ cmake .. -DDLIB_USE_CUDA=0 -DUSE_AVX_INSTRUCTIONS=1$ cmake --build .（注意中间有个空格）$ cd ..$ python setup.py install --yes USE_AVX_INSTRUCTIONS --no   DLIB_USE_CUDA

安装 face_recognition

# 安装 face_recognition$ pip install face_recognition# 安装face_recognition过程中会自动安装 numpy、scipy 等

环境搭建完成后，在终端输入 face_recognition 命令查看是否成功

实现人脸识别：

示例一(1行代码实现人脸识别)

首先你需要提供一个文件夹，里面是所有你希望系统认识的人的图片。其中每个人一张图片，图片以人的名字命名：

known_people文件夹下有babe、成龙、容祖儿的照片

接下来，你需要准备另一个文件夹，里面是你要识别的图片： unknown_pic文件夹下是要识别的图片，其中韩红是机器不认识的

然后你就可以运行face_recognition命令了，把刚刚准备的两个文件夹作为参数传入，命令就会返回需要识别的图片中都出现了谁：

识别成功！！！

示例二(识别图片中的所有人脸并显示出来)

 # filename : find_faces_in_picture.py # -*- coding: utf-8 -*- # 导入pil模块 ，可用命令安装 apt-get install python-Imaging from PIL import Image # 导入face_recogntion模块，可用命令安装 pip install face_recognition import face_recognition  # 将jpg文件加载到numpy 数组中image = face_recognition.load_image_file("/opt/face/unknown_pic/all_star.jpg")  # 使用默认的给予HOG模型查找图像中所有人脸 # 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 # 另请参见: find_faces_in_picture_cnn.pyface_locations = face_recognition.face_locations(image)  # 使用CNN模型 # face_locations = face_recognition.face_locations(image, number_of_times_to_upsample=0, model="cnn")  # 打印：我从图片中找到了 多少 张人脸print("I found {} face(s) in this photograph.".fORMat(len(face_locations)))  # 循环找到的所有人脸 for face_location in face_locations:         # 打印每张脸的位置信息        top, right, bottom, left = face_location        print("A face is located at pixel location Top: {}, Left: {}, Bottom: {}, Right: {}".format(top, left, bottom, right))         # 指定人脸的位置信息，然后显示人脸图片        face_image = image[top:bottom, left:right]        pil_image = Image.fromarray(face_image)        pil_image.show()

如下图为用于识别的图片

 # 执行python文件$ python find_faces_in_picture.py

从图片中识别出7张人脸，并显示出来，如下图

示例三(自动识别人脸特征)

 # filename : find_facial_features_in_picture.py # -*- coding: utf-8 -*- # 导入pil模块 ，可用命令安装 apt-get install python-Imagingfrom PIL import Image, ImageDraw # 导入face_recogntion模块，可用命令安装 pip install face_recognitionimport face_recognition  # 将jpg文件加载到numpy 数组中image = face_recognition.load_image_file("biden.jpg") ＃查找图像中所有面部的所有面部特征face_landmarks_list = face_recognition.face_landmarks(image) print("I found {} face(s) in this photograph.".format(len(face_landmarks_list))) for face_landmarks in face_landmarks_list:    ＃打印此图像中每个面部特征的位置    facial_features = [        'chin',        'left_eyebrow',        'right_eyebrow',        'nose_bridge',        'nose_tip',        'left_eye',        'right_eye',        'top_lip',        'bottom_lip'    ]     for facial_feature in facial_features:        print("The {} in this face has the following points: {}".format(facial_feature, face_landmarks[facial_feature]))    ＃让我们在图像中描绘出每个人脸特征！    pil_image = Image.fromarray(image)    d = ImageDraw.Draw(pil_image)     for facial_feature in facial_features:        d.line(face_landmarks[facial_feature], width=5)     pil_image.show()

自动识别出人脸特征(轮廓)

示例四(识别人脸鉴定是哪个人)

 # filename : recognize_faces_in_pictures.py # -*- conding: utf-8 -*- # 导入face_recogntion模块，可用命令安装 pip install face_recognitionimport face_recognition  ＃将jpg文件加载到numpy数组中babe_image = face_recognition.load_image_file("/opt/face/known_people/babe.jpeg")Rong_zhu_er_image = face_recognition.load_image_file("/opt/face/known_people/Rong zhu er.jpg")unknown_image = face_recognition.load_image_file("/opt/face/unknown_pic/babe2.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面，所以返回一个编码列表。 ＃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。babe_face_encoding = face_recognition.face_encodings(babe_image)[0]Rong_zhu_er_face_encoding = face_recognition.face_encodings(Rong_zhu_er_image)[0]unknown_face_encoding = face_recognition.face_encodings(unknown_image)[0] known_faces = [    babe_face_encoding,    Rong_zhu_er_face_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results = face_recognition.compare_faces(known_faces, unknown_face_encoding) print("这个未知面孔是 Babe 吗? {}".format(results[0]))print("这个未知面孔是 容祖儿 吗? {}".format(results[1]))print("这个未知面孔是 我们从未见过的新面孔吗? {}".format(not True in results))

显示结果下如图

示例五(识别人脸特征并美颜)

 # filename : digital_makeup.py # -*- coding: utf-8 -*- # 导入pil模块 ，可用命令安装 apt-get install python-Imagingfrom PIL import Image, ImageDraw # 导入face_recogntion模块，可用命令安装 pip install face_recognitionimport face_recognition ＃将jpg文件加载到numpy数组中image = face_recognition.load_image_file("biden.jpg") ＃查找图像中所有面部的所有面部特征face_landmarks_list = face_recognition.face_landmarks(image) for face_landmarks in face_landmarks_list:    pil_image = Image.fromarray(image)    d = ImageDraw.Draw(pil_image, 'RGBA')     ＃让眉毛变成了一场噩梦    d.polyGon(face_landmarks['left_eyebrow'], fill=(68, 54, 39, 128))    d.polygon(face_landmarks['right_eyebrow'], fill=(68, 54, 39, 128))    d.line(face_landmarks['left_eyebrow'], fill=(68, 54, 39, 150), width=5)    d.line(face_landmarks['right_eyebrow'], fill=(68, 54, 39, 150), width=5)     ＃光泽的嘴唇    d.polygon(face_landmarks['top_lip'], fill=(150, 0, 0, 128))    d.polygon(face_landmarks['bottom_lip'], fill=(150, 0, 0, 128))    d.line(face_landmarks['top_lip'], fill=(150, 0, 0, 64), width=8)    d.line(face_landmarks['bottom_lip'], fill=(150, 0, 0, 64), width=8)     ＃闪耀眼睛    d.polygon(face_landmarks['left_eye'], fill=(255, 255, 255, 30))    d.polygon(face_landmarks['right_eye'], fill=(255, 255, 255, 30))     ＃涂一些眼线    d.line(face_landmarks['left_eye'] + [face_landmarks['left_eye'][0]], fill=(0, 0, 0, 110), width=6)    d.line(face_landmarks['right_eye'] + [face_landmarks['right_eye'][0]], fill=(0, 0, 0, 110), width=6)     pil_image.show()

美颜前后对比如下图：

关于“怎么用Python代码实现人脸识别”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注编程网Python频道，小编每天都会为大家更新不同的知识点。