手把手教你用Python實(shí)現(xiàn)人臉識(shí)別

姓名:尤學(xué)強(qiáng) 學(xué)號(hào):17101223374

轉(zhuǎn)載自:http://mp.weixin.qq.com/s/TAW2T0V-bXgnQgTqL55zOA

【嵌牛導(dǎo)讀】:Python,被列入計(jì)算機(jī)等級(jí)考試的語(yǔ)言

【嵌牛鼻子】:圖片帅刊,代碼

【嵌牛提問(wèn)】:人臉識(shí)別會(huì)是理疙,發(fā)展大趨勢(shì)么?

【嵌牛正文】:

環(huán)境要求:

Ubuntu17.10

Python 2.7.14

環(huán)境搭建:

1. 安裝 Ubuntu17.10 > 安裝步驟在這里

2. 安裝 Python2.7.14 (Ubuntu17.10 默認(rèn)Python版本為2.7.14)

3. 安裝 git 葱椭、cmake 耕漱、 python-pip

# 安裝 git

$ sudo apt-get install -y git

# 安裝 cmake

$ sudo apt-get install -y cmake

# 安裝 python-pip

$ sudo apt-get install -y python-pip

4. 安裝編譯dlib

安裝face_recognition這個(gè)之前需要先安裝編譯dlib

# 編譯dlib前先安裝 boost

$ sudo apt-get install libboost-all-dev

# 開(kāi)始編譯dlib

# 克隆dlib源代碼

$ 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 .(注意中間有個(gè)空格)

$ cd ..

$ python setup.py install --yes USE_AVX_INSTRUCTIONS --no DLIB_USE_CUDA

5. 安裝 face_recognition

# 安裝 face_recognition

$ pip install face_recognition

# 安裝face_recognition過(guò)程中會(huì)自動(dòng)安裝 numpy龙优、scipy 等

環(huán)境搭建完成后,在終端輸入 face_recognition 命令查看是否成功

實(shí)現(xiàn)人臉識(shí)別:

示例一(1行代碼實(shí)現(xiàn)人臉識(shí)別):

1. 首先你需要提供一個(gè)文件夾浇借,里面是所有你希望系統(tǒng)認(rèn)識(shí)的人的圖片捉撮。其中每個(gè)人一張圖片,圖片以人的名字命名:

known_people文件夾下有babe逮刨、成龍呕缭、容祖兒的照片

2. 接下來(lái),你需要準(zhǔn)備另一個(gè)文件夾修己,里面是你要識(shí)別的圖片:

unknown_pic文件夾下是要識(shí)別的圖片恢总,其中韓紅是機(jī)器不認(rèn)識(shí)的

3. 然后你就可以運(yùn)行face_recognition命令了,把剛剛準(zhǔn)備的兩個(gè)文件夾作為參數(shù)傳入睬愤,命令就會(huì)返回需要識(shí)別的圖片中都出現(xiàn)了誰(shuí):

識(shí)別成功F隆!尤辱!

示例二(識(shí)別圖片中的所有人臉并顯示出來(lái)):

# filename : find_faces_in_picture.py

# -*- coding: utf-8 -*-

# 導(dǎo)入pil模塊 砂豌,可用命令安裝 apt-get install python-Imagingfrom PIL

import Image

# 導(dǎo)入face_recogntion模塊,可用命令安裝 pip install face_recognition

import face_recognition

# 將jpg文件加載到numpy 數(shù)組中

image = face_recognition.load_image_file("/opt/face/unknown_pic/all_star.jpg")

# 使用默認(rèn)的給予HOG模型查找圖像中所有人臉

# 這個(gè)方法已經(jīng)相當(dāng)準(zhǔn)確了光督,但還是不如CNN模型那么準(zhǔn)確阳距,因?yàn)闆](méi)有使用GPU加速

# 另請(qǐng)參見(jiàn): 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:我從圖片中找到了 多少 張人臉

print("I found {} face(s) in this photograph.".format(len(face_locations)))

# 循環(huán)找到的所有人臉

for face_location in face_locations:

# 打印每張臉的位置信息

top, right, bottom, left = face_location

print("A face is located at pixel location Top:

{}, Left: {}, Bottom: {}, Right: {}".format(top, left, bottom, right))

# 指定人臉的位置信息结借,然后顯示人臉圖片

face_image = image[top:bottom, left:right]

pil_image = Image.fromarray(face_image)

pil_image.show()

用于識(shí)別的圖片

# 執(zhí)行python文件

$ python find_faces_in_picture.py

從圖片中識(shí)別出7張人臉筐摘,并顯示出來(lái)

示例三(自動(dòng)識(shí)別人臉特征):

# filename : find_facial_features_in_picture.py

# -*- coding: utf-8 -*-

# 導(dǎo)入pil模塊 ,可用命令安裝 apt-get install python-Imaging

from PIL import Image, ImageDraw

# 導(dǎo)入face_recogntion模塊船老,可用命令安裝 pip install face_recognition

import face_recognition

# 將jpg文件加載到numpy 數(shù)組中

image = face_recognition.load_image_file("biden.jpg")

#查找圖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:

#打印此圖像中每個(gè)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]))

#讓我們?cè)趫D像中描繪出每個(gè)人臉特征咖熟!

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()

自動(dòng)識(shí)別出人臉特征

示例四(識(shí)別人臉鑒定是哪個(gè)人):

# filename : recognize_faces_in_pictures.py

# -*- conding: utf-8 -*-

# 導(dǎo)入face_recogntion模塊,可用命令安裝 pip install face_recognition

import face_recognition

#將jpg文件加載到numpy數(shù)組中

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")

#獲取每個(gè)圖像文件中每個(gè)面部的面部編碼

#由于每個(gè)圖像中可能有多個(gè)面柳畔,所以返回一個(gè)編碼列表馍管。

#但是由于我知道每個(gè)圖像只有一個(gè)臉,我只關(guān)心每個(gè)圖像中的第一個(gè)編碼薪韩,所以我取索引0确沸。

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

]

#結(jié)果是True/false的數(shù)組,未知面孔known_faces陣列中的任何人相匹配的結(jié)果

results = face_recognition.compare_faces(known_faces, unknown_face_encoding)

print("這個(gè)未知面孔是 Babe 嗎? {}".format(results[0]))

print("這個(gè)未知面孔是 容祖兒 嗎? {}".format(results[1]))

print("這個(gè)未知面孔是 我們從未見(jiàn)過(guò)的新面孔嗎? {}".format(not True in results))

顯示結(jié)果如圖

示例五(識(shí)別人臉特征并美顏):

# filename : digital_makeup.py

# -*- coding: utf-8 -*-

# 導(dǎo)入pil模塊 俘陷,可用命令安裝 apt-get install python-Imaging

from PIL import Image, ImageDraw

# 導(dǎo)入face_recogntion模塊罗捎,可用命令安裝 pip install face_recognition

import face_recognition

#將jpg文件加載到numpy數(shù)組中

image = face_recognition.load_image_file("biden.jpg")

#查找圖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')

#讓眉毛變成了一場(chǎng)噩夢(mèng)

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)

#光澤的嘴唇

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)

#閃耀眼睛

d.polygon(face_landmarks['left_eye'], fill=(255, 255, 255, 30))

d.polygon(face_landmarks['right_eye'], fill=(255, 255, 255, 30))

#涂一些眼線

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()

美顏前后對(duì)比

經(jīng)過(guò)6年多的發(fā)展,LSGO軟件技術(shù)團(tuán)隊(duì)在地理信息系統(tǒng)岭洲、數(shù)據(jù)統(tǒng)計(jì)分析、計(jì)算機(jī)視覺(jué)領(lǐng)域積累了豐富的研發(fā)經(jīng)驗(yàn)坎匿,也建立了人才培養(yǎng)的完備體系盾剩。

本團(tuán)隊(duì)希望能與其他科研團(tuán)隊(duì)進(jìn)行交流合作雷激,并共同成長(zhǎng)進(jìn)步。

本微信公眾平臺(tái)長(zhǎng)期系統(tǒng)化提供有關(guān)機(jī)器學(xué)習(xí)告私、軟件研發(fā)屎暇、教育及學(xué)習(xí)方法、數(shù)學(xué)建模的知識(shí)驻粟,并將以上知識(shí)轉(zhuǎn)化為實(shí)踐根悼。拒絕知識(shí)碎片化、耐心打磨技能蜀撑、解決實(shí)際問(wèn)題是我們的宗旨和追求挤巡。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市酷麦,隨后出現(xiàn)的幾起案子矿卑,更是在濱河造成了極大的恐慌,老刑警劉巖沃饶,帶你破解...
    沈念sama閱讀 217,509評(píng)論 6 504
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件母廷,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡糊肤,警方通過(guò)查閱死者的電腦和手機(jī)琴昆,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,806評(píng)論 3 394
  • 文/潘曉璐 我一進(jìn)店門(mén),熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)馆揉,“玉大人业舍,你說(shuō)我怎么就攤上這事“呀椋” “怎么了勤讽?”我有些...
    開(kāi)封第一講書(shū)人閱讀 163,875評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)拗踢。 經(jīng)常有香客問(wèn)我脚牍,道長(zhǎng),這世上最難降的妖魔是什么巢墅? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,441評(píng)論 1 293
  • 正文 為了忘掉前任诸狭,我火速辦了婚禮,結(jié)果婚禮上君纫,老公的妹妹穿的比我還像新娘驯遇。我一直安慰自己,他們只是感情好蓄髓,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,488評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布叉庐。 她就那樣靜靜地躺著,像睡著了一般会喝。 火紅的嫁衣襯著肌膚如雪陡叠。 梳的紋絲不亂的頭發(fā)上玩郊,一...
    開(kāi)封第一講書(shū)人閱讀 51,365評(píng)論 1 302
  • 那天,我揣著相機(jī)與錄音枉阵,去河邊找鬼译红。 笑死,一個(gè)胖子當(dāng)著我的面吹牛兴溜,可吹牛的內(nèi)容都是我干的侦厚。 我是一名探鬼主播,決...
    沈念sama閱讀 40,190評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼拙徽,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼刨沦!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起斋攀,我...
    開(kāi)封第一講書(shū)人閱讀 39,062評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤已卷,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后淳蔼,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體侧蘸,經(jīng)...
    沈念sama閱讀 45,500評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,706評(píng)論 3 335
  • 正文 我和宋清朗相戀三年鹉梨,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了讳癌。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 39,834評(píng)論 1 347
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡存皂,死狀恐怖晌坤,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情旦袋,我是刑警寧澤骤菠,帶...
    沈念sama閱讀 35,559評(píng)論 5 345
  • 正文 年R本政府宣布,位于F島的核電站疤孕,受9級(jí)特大地震影響商乎,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜祭阀,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,167評(píng)論 3 328
  • 文/蒙蒙 一鹉戚、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧专控,春花似錦抹凳、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 31,779評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至,卻和暖如春幸冻,著一層夾襖步出監(jiān)牢的瞬間嗅剖,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 32,912評(píng)論 1 269
  • 我被黑心中介騙來(lái)泰國(guó)打工嘁扼, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人黔攒。 一個(gè)月前我還...
    沈念sama閱讀 47,958評(píng)論 2 370
  • 正文 我出身青樓趁啸,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親督惰。 傳聞我的和親對(duì)象是個(gè)殘疾皇子不傅,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,779評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容