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、 安装 Ubuntu17.10 安装步骤在这里。

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

3、 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  

4、 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  

5、 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 行命令实现人脸识别)：

1、 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

2、 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

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，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   

原文发布时间为：2017-10-27 

本文作者：Kangvcar

本文来自云栖社区合作伙伴“51CTO”，了解相关信息可以关注。