python基于open cv实现人脸识别技术，小白也可以做出来

2018-12-06 本文已影响4人编程新视野

一、环境搭建

１．系统环境

<pre style="-webkit-tap-highlight-color: transparent; box-sizing: border-box; font-family: Consolas, Menlo, Courier, monospace; font-size: 16px; white-space: pre-wrap; position: relative; line-height: 1.5; color: rgb(153, 153, 153); margin: 1em 0px; padding: 12px 10px; background: rgb(244, 245, 246); border: 1px solid rgb(232, 232, 232); font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: normal; letter-spacing: normal; orphans: 2; text-align: start; text-indent: 0px; text-transform: none; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; text-decoration-style: initial; text-decoration-color: initial;">Ubuntu 17.04
Python 2.7.14
pycharm 开发工具
</pre>

2.开发环境，安装各种系统包

我们都知道Python容易学，但是就是不知道如何去学，去哪里找资料，在这里呢，我分享我精心准备的Python学习资料，0基础到进阶！希望你们在学习Python道路上少走弯路！

关注后私信小编“资料”即可。

人脸检测基于dlib，dlib依赖Boost和cmake
在windows中如果要使用dlib还是比较麻烦的，如果想省时间可以在anaconda中安装

conda install -c conda-forge dlib=19.4

<pre style="-webkit-tap-highlight-color: transparent; box-sizing: border-box; font-family: Consolas, Menlo, Courier, monospace; font-size: 16px; white-space: pre-wrap; position: relative; line-height: 1.5; color: rgb(153, 153, 153); margin: 1em 0px; padding: 12px 10px; background: rgb(244, 245, 246); border: 1px solid rgb(232, 232, 232); font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: normal; letter-spacing: normal; orphans: 2; text-align: start; text-indent: 0px; text-transform: none; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; text-decoration-style: initial; text-decoration-color: initial;"> $sudo apt-get install build-essential cmake$ sudo apt-get install libgtk-3-dev
$ sudo apt-get install libboost-all-dev
</pre>

其他重要的包

<pre style="-webkit-tap-highlight-color: transparent; box-sizing: border-box; font-family: Consolas, Menlo, Courier, monospace; font-size: 16px; white-space: pre-wrap; position: relative; line-height: 1.5; color: rgb(153, 153, 153); margin: 1em 0px; padding: 12px 10px; background: rgb(244, 245, 246); border: 1px solid rgb(232, 232, 232); font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: normal; letter-spacing: normal; orphans: 2; text-align: start; text-indent: 0px; text-transform: none; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; text-decoration-style: initial; text-decoration-color: initial;"> $pip install numpy$ pip install scipy
$pip install opencv-python$ pip install dlib
</pre>

安装 face_recognition

<pre style="-webkit-tap-highlight-color: transparent; box-sizing: border-box; font-family: Consolas, Menlo, Courier, monospace; font-size: 16px; white-space: pre-wrap; position: relative; line-height: 1.5; color: rgb(153, 153, 153); margin: 1em 0px; padding: 12px 10px; background: rgb(244, 245, 246); border: 1px solid rgb(232, 232, 232); font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: normal; letter-spacing: normal; orphans: 2; text-align: start; text-indent: 0px; text-transform: none; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; text-decoration-style: initial; text-decoration-color: initial;"># 安装 face_recognition
$ pip install face_recognition

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

</pre>

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

<pre style="-webkit-tap-highlight-color: transparent; box-sizing: border-box; font-family: Consolas, Menlo, Courier, monospace; font-size: 16px; white-space: pre-wrap; position: relative; line-height: 1.5; color: rgb(153, 153, 153); margin: 1em 0px; padding: 12px 10px; background: rgb(244, 245, 246); border: 1px solid rgb(232, 232, 232); font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: normal; letter-spacing: normal; orphans: 2; text-align: start; text-indent: 0px; text-transform: none; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; text-decoration-style: initial; text-decoration-color: initial;"> 'chin',
'left_eyebrow',
'right_eyebrow',
'nose_bridge',
'nose_tip',
'left_eye',
'right_eye',
'top_lip',
'bottom_lip'
</pre>

运行结果：

自动识别图片中的人脸，并且识别它的特征

原图：

python基于open cv实现人脸识别技术，小白也可以做出来（代码）

特征数据，数据就是运行出来的矩阵，也就是一个二维数组

python基于open cv实现人脸识别技术，小白也可以做出来（代码）

image

代码：

自动识别人脸特征

filename : find_facial_features_in_picture.py

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("chenduling.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()
</pre>

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

python基于open cv实现人脸识别技术，小白也可以做出来（代码）

这里写图片描述

识别的图片

python基于open cv实现人脸识别技术，小白也可以做出来（代码）

这里写图片描述

代码：

识别图片中的所有人脸并显示出来

filename : find_faces_in_picture.py

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("yiqi.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()
</pre>

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

识别人脸鉴定是哪个人

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

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

要识别的图片

unknown_image = face_recognition.load_image_file("sunyizheng.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。

chen_face_encoding = face_recognition.face_encodings(chen_image)[0]
print("chen_face_encoding:{}".format(chen_face_encoding))
unknown_face_encoding = face_recognition.face_encodings(unknown_image)[0]
print("unknown_face_encoding :{}".format(unknown_face_encoding))
known_faces = [
chen_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("result :{}".format(results))
print("这个未知面孔是陈都灵吗? {}".format(results[0]))
print("这个未知面孔是我们从未见过的新面孔吗? {}".format(not True in results))
</pre>

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：

python基于open cv实现人脸识别技术，小白也可以做出来（代码）

image

代码：

摄像头头像识别

import face_recognition
import cv2
video_capture = cv2.VideoCapture(0)

本地图像

chenduling_image = face_recognition.load_image_file("chenduling.jpg")
chenduling_face_encoding = face_recognition.face_encodings(chenduling_image)[0]

本地图像二

sunyizheng_image = face_recognition.load_image_file("sunyizheng.jpg")
sunyizheng_face_encoding = face_recognition.face_encodings(sunyizheng_image)[0]

本地图片三

zhangzetian_image = face_recognition.load_image_file("zhangzetian.jpg")
zhangzetian_face_encoding = face_recognition.face_encodings(zhangzetian_image)[0]

Create arrays of known face encodings and their names

脸部特征数据的集合

known_face_encodings = [
chenduling_face_encoding,
sunyizheng_face_encoding,
zhangzetian_face_encoding
]

人物名称的集合

known_face_names = [
"michong",
"sunyizheng",
"chenduling"
]
face_locations = []
face_encodings = []
face_names = []
process_this_frame = True
while True:

读取摄像头画面

ret, frame = video_capture.read()

改变摄像头图像的大小，图像小，所做的计算就少

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

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。

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

Only process every other frame of video to save time

if process_this_frame:

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

face_locations = face_recognition.face_locations(rgb_small_frame)
face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)
face_names = []
for face_encoding in face_encodings:

默认为unknown

matches = face_recognition.compare_faces(known_face_encodings, face_encoding)
name = "Unknown"

if match[0]:

name = "michong"

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

if True in matches:
first_match_index = matches.index(True)
name = known_face_names[first_match_index]
face_names.append(name)
process_this_frame = not process_this_frame

将捕捉到的人脸显示出来

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

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

top *= 4
right *= 4
bottom *= 4
left *= 4

矩形框

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

加上标签

cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)
font = cv2.FONT_HERSHEY_DUPLEX
cv2.putText(frame, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)

Display

cv2.imshow('monitor', frame)

按Q退出

if cv2.waitKey(1) & 0xFF == ord('q'):
break
video_capture.release()
cv2.destroyAllWindows()
</pre>

5、boss文件夹

本开源项目,主要是结合摄像头程序+极光推送，实现识别摄像头中的人脸。并且通过极光推送平台给移动端发送消息！

python基于open cv实现人脸识别技术，小白也可以做出来

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

自动识别人脸特征

filename : find_facial_features_in_picture.py

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

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

将jpg文件加载到numpy 数组中

查找图像中所有面部的所有面部特征

打印此图像中每个面部特征的位置

让我们在图像中描绘出每个人脸特征！

识别图片中的所有人脸并显示出来

filename : find_faces_in_picture.py

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

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

将jpg文件加载到numpy 数组中

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

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

循环找到的所有人脸

打印每张脸的位置信息

指定人脸的位置信息，然后显示人脸图片

识别人脸鉴定是哪个人

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

将jpg文件加载到numpy数组中

要识别的图片

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。

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

摄像头头像识别

本地图像

本地图像二

本地图片三

Create arrays of known face encodings and their names

脸部特征数据的集合

人物名称的集合

读取摄像头画面

改变摄像头图像的大小，图像小，所做的计算就少

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。

Only process every other frame of video to save time

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

默认为unknown

if match[0]:

name = "michong"

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

将捕捉到的人脸显示出来

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

矩形框

加上标签

Display

按Q退出

猜你喜欢

热点阅读

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

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

打印：我从图片中找到了多少张人脸