16歲高中生用Python20行代碼就能寫出

開端

今天給大家介紹一個世界上最簡潔的人臉識別庫 face_recognition，你可以使用 Python 和命令行工具進行提取、識別、操作人臉。

基於業內領先的 C++ 開源庫 dlib 中的深度學習模型，用 Labeled Faces in the Wild 人臉數據集進行測試，有高達99.38%的準確率。

1.特性

1. 從圖片中找到人臉
2. 識別人臉關鍵位置
3. 識別圖片中的人是誰
4. 檢測視頻中的人臉

2.安裝

最好是使用 Linux 或 Mac 環境來安裝，Windows 下安裝會有很多問題。在安裝 face_recognition 之前你需要先安裝以下幾個庫，注意順序.!

2.1 先安裝 cmake 和 boost

pip install cmake
pip install boost

2.3 安裝 dlib

pip install dlib

此處安裝可能要幾分鐘。如安裝出錯，建議使用 whl 文件來安裝 下載地址： pypi.org/simple/dlib…

2.3 安裝 face_recognition face_recongnition 一般要配合 opencv 一起使用

pip install face_recognition
pip install opencv-python

3. 人臉識別

比如這裡總共有三張圖片，其中有兩張已知，第三張是需要識別的圖片

這三張圖片名字分別為： “kobe,jpg”, "jordan.jpeg", "unkown.jpeg" 首先獲取人臉中的信息

kobe_image = face_recognition.load_image_file("kobe.jpg") # 已知科比照片
jordan_image = face_recognition.load_image_file("jordan.jpeg") # 已知喬丹照片
unknown_image = face_recognition.load_image_file("unkown.jpeg") # 未知照片
kobe_face_encoding = face_recognition.face_encodings(kobe_image)[0]
jordan_face_encoding = face_recognition.face_encodings(jordan_image)[0]
unknown_face_encoding = face_recognition.face_encodings(unknown_image)[0]

代碼中前三行分別是加載三張圖片文件並返回圖像的 numpy 數組，後三行返回圖像中每個面部的人臉編碼

然後將未知圖片中的人臉和已知圖片中的人臉進行對比，使用 compare_faces() 函數， 代碼如下：

known_faces = [
 kobe_face_encoding,
 jordan_face_encoding
]
results = face_recognition.compare_faces(known_faces, unknown_face_encoding) # 識別結果列表
print("這張未知照片是科比嗎? {}".format(results[0]))
print("這張未知照片是喬丹嗎? {}".format(results[1]))

運行結果如下：

不到 二十 行代碼，就能識別出人臉是誰，是不是 so easy！

4. 人臉標註

僅僅識別圖片中的人臉總是感覺差點什麼，那麼將識別出來的人臉進行姓名標註是不是更加有趣~ 已知圖片的識別和前面代碼是一樣的，未知圖片多了人臉位置的識別，face_locations() 函數，傳入圖像數組，返回以上，右，下，左固定順序的臉部位置列表 代碼如下：

face_locations = face_recognition.face_locations(unknown_image)
face_encodings = face_recognition.face_encodings(unknown_image, face_locations)

使用 face_distance() 函數。將已知臉部位置和未知面部編碼進行比較，得到歐式距離~·具體是什麼我也不知道，距離就相當於相識度。 face_distance(face_encodings, face_to_compare) face_encodings：已知的面部編碼 face_to_compare：要比較的面部編碼

本次圖片前面兩張沒有變化，第三張換成了科比和喬丹的合影，最終運行之後結果如下:

左邊是原圖，右邊是識別後自動標註出來的圖片。

import face_recognition
from PIL import Image, ImageDraw
import numpy as np
def draws():
 kobe_image = face_recognition.load_image_file("kobe.jpg")
 kobe_face_encoding = face_recognition.face_encodings(kobe_image)[0]
 jordan_image = face_recognition.load_image_file("jordan.jpeg")
 jordan_face_encoding = face_recognition.face_encodings(jordan_image)[0]
 known_face_encodings = [
 kobe_face_encoding,
 jordan_face_encoding
 ]
 known_face_names = [
 "Kobe",
 "Jordan"
 ]
 unknown_image = face_recognition.load_image_file("two_people.jpeg")
 face_locations = face_recognition.face_locations(unknown_image)
 face_encodings = face_recognition.face_encodings(unknown_image, face_locations)
 pil_image = Image.fromarray(unknown_image)
 draw = ImageDraw.Draw(pil_image)
 for (top, right, bottom, left), face_encoding in zip(face_locations, face_encodings):
 matches = face_recognition.compare_faces(known_face_encodings, face_encoding)
 name = "Unknown"
 face_distances = face_recognition.face_distance(known_face_encodings, face_encoding)
 best_match_index = np.argmin(face_distances)
 if matches[best_match_index]:
 name = known_face_names[best_match_index]
 draw.rectangle(((left, top), (right, bottom)), outline=(0, 0, 255))
 text_width, text_height = draw.textsize(name)
 draw.rectangle(((left, bottom - text_height - 10), (right, bottom)), fill=(0, 0, 255), outline=(0, 0, 255))
 draw.text((left + 6, bottom - text_height - 5), name, fill=(255, 255, 255, 255))
 del draw
 pil_image.show()
 pil_image.save("image_with_boxes.jpg")

5. 給人臉美妝

這個功能需要結合 PIL 一起使用。用法都差不多，首先就是將圖片文件加載到 numpy 數組中，然後將人臉中的面部所有特徵識別到一個列表中

image = face_recognition.load_image_file("bogute.jpeg")
face_landmarks_list = face_recognition.face_landmarks(image)
複製代碼

遍歷列表中的元素，修改眉毛

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)
複製代碼

給人臉塗口紅

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)
複製代碼

增加眼線

d.polygon(face_landmarks['left_eye'], fill=(255, 255, 255, 30))
d.polygon(face_landmarks['right_eye'], fill=(255, 255, 255, 30))
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), wid=6)
複製代碼

根據以上代碼做了，我用實力不行，打球又髒的 "大嘴" 博格特來做演示！ 左邊是原圖，右邊是加了美妝後的效果

你打球的樣子真像 cxk!

喜歡這篇文章的小夥伴可以點贊收藏加轉發哦~

需要Python爬蟲源碼資料的可以私信小編：Python 即可獲取 前10名私信小編的粉絲即可免費獲取Python的20本學習電子書外加學習視頻一套哦