手把手教你用1行命令实现人脸识别

环境要求

Ubuntu 17.10 Python 2.7.14

环境搭建

1、手把手教实现识别 安装 Ubuntu17.10 > 安装步骤在这里。用行

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

3、人脸 安装 git 、手把手教实现识别cmake 、用行 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  

4、命令 安装编译 dlib

安装 face_recognition 这个之前需要先安装编译 dlib。人脸

# 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  

5、手把手教实现识别 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、用行scipy 等  

 

环境搭建完成后，命令在终端输入 face_recognition 命令查看是人脸否成功

实现人脸识别

示例一(1 行命令实现人脸识别)：

1、 首先你需要提供一个文件夹，手把手教实现识别里面是用行所有你希望系统认识的人的图片。其中每个人一张图片，命令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

2、 接下来，你需要准备另一个文件夹，里面是源码库你要识别的图片：

 

unknown_pic 文件夹下是要识别的图片，其中韩红是机器不认识的

3、 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.py face_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()  

 

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

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-Imaging from PIL import Image, ImageDraw # 导入face_recogntion模块，站群服务器可用命令安装 pip install face_recognition import face_recognition # 将jpg文件加载到numpy 数组中 image = face_recognition.load_image_file("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

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_recognition import 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-Imaging from PIL import Image, ImageDraw # 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("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)     ＃光泽的服务器租用嘴唇     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 

很赞哦!（7）