人工智慧之Python人臉識別技術，人人都能做識別！

知識 11-13

Linux編程

點擊右側關注，免費入門到精通！

作者丨Python小哥哥

https://www.jianshu.com/p/dce1498ef0ee

一、環境搭建

１．系統環境

Ubuntu

 17.04
 
Python
 2.7.14

pycharm
 開發工具

2.開發環境，安裝各種系統包

人臉檢測基於dlib，dlib依賴Boost和cmake

在windows中如果要使用dlib還是比較麻煩的，如果想省時間可以在anaconda中安裝

conda install -c conda-forge dlib=19.4

$ sudo apt-get

install

 build
-essential cmake
$ sudo apt-get
 install
 libgtk-3
-dev
$ sudo apt-get
 install

libboost-all-dev

其他重要的包

$ pip install numpy $ pip install scipy $ pip install opencv-python $ pip install dlib

安裝 face_recognition

# 安裝 face_recognition


$ pip install face_recognition
# 安裝face_recognition過程中會自動安裝 numpy、scipy 等

二、使用教程

1、facial_features文件夾

此demo主要展示了識別指定圖片中人臉的特徵數據，下面就是人臉的八個特徵，我們就是要獲取特徵數據

"chin"

,
        "left_eyebrow"
,
        "right_eyebrow"
,
        "nose_bridge"
,
        "nose_tip"
,
        "left_eye"
,
        "right_eye"
,
        "top_lip"
,
        "bottom_lip"

運行結果：

自動識別圖片中的人臉，並且識別它的特徵

原圖：

特徵數據，數據就是運行出來的矩陣，也就是一個二維數組

代碼：

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


# 自動識別人臉特徵

# filename : find_facial_features_in_picture.py

# 導入pil模塊 ，可用命令安裝 apt-get install python-Imaging

from
 PIL import
 Image, ImageDraw
# 導入face_recogntion模塊，可用命令安裝 pip install face_recognition

import
 face_recognition
# 將jpg文件載入到numpy 數組中

image = face_recognition.load_image_file("chenduling.jpg"
)
#查找圖像中所有面部的所有面部特徵

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:
   
#列印此圖像中每個面部特徵的位置

    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]))
   
#讓我們在圖像中描繪出每個人臉特徵！

    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()

2、find_face文件夾

不僅能識別出來所有的人臉，而且可以將其截圖挨個顯示出來,列印在前台窗口

原始的圖片

識別的圖片

代碼：

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


#  識別圖片中的所有人臉並顯示出來

# filename : find_faces_in_picture.py

# 導入pil模塊 ，可用命令安裝 apt-get install python-Imaging

from
 PIL import
 Image
# 導入face_recogntion模塊，可用命令安裝 pip install face_recognition

import
 face_recognition
# 將jpg文件載入到numpy 數組中

image = face_recognition.load_image_file("yiqi.jpg"
)
# 使用默認的給予HOG模型查找圖像中所有人臉

# 這個方法已經相當準確了，但還是不如CNN模型那麼準確，因為沒有使用GPU加速

# 另請參見: 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")

# 列印：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)))
# 循環找到的所有人臉

for
 face_location in
 face_locations:
        
# 列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，然後顯示人臉圖片

        face_image = image[top:bottom, left:right]
        pil_image = Image.fromarray(face_image)
        pil_image.show()

３、know_face文件夾

通過設定的人臉圖片識別未知圖片中的人臉

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


# 識別人臉鑒定是哪個人

# 導入face_recogntion模塊，可用命令安裝 pip install face_recognition

import face_recognition
#將jpg文件載入到numpy數組中

chen_image = face_recognition.load_image_file("chenduling.jpg"
)
#要識別的圖片

unknown_image = face_recognition.load_image_file("sunyizheng.jpg"
)
#獲取每個圖像文件中每個面部的面部編碼

#由於每個圖像中可能有多個面，所以返回一個編碼列表。

#但是由於我知道每個圖像只有一個臉，我只關心每個圖像中的第一個編碼，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
]
#結果是True/false的數組，未知面孔known_faces陣列中的任何人相匹配的結果

results = face_recognition.compare_faces(known_faces, unknown_face_encoding)
print(
"result :{}"
.format(results))
print("這個未知面孔是 陳都靈 嗎? {}"
.format(results[0]))
print("這個未知面孔是 我們從未見過的新面孔嗎? {}"
.format(not True in results))

4、video文件夾

通過調用電腦攝像頭動態獲取視頻內的人臉，將其和我們指定的圖片集進行匹配，可以告知我們視頻內的人臉是否是我們設定好的

實現：

代碼：

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


# 攝像頭頭像識別

import face_recognition
import cv2
video_capture = cv2.VideoCapture(0)
# 本地圖像

chenduling_image = face_recognition.load_image_file("chenduling.jpg"
)
chenduling_face_encoding = face_recognition.face_encodings(chenduling_image)[0]
# 本地圖像二

sunyizheng_image = face_recognition.load_image_file("sunyizheng.jpg"
)
sunyizheng_face_encoding = face_recognition.face_encodings(sunyizheng_image)[0]
# 本地圖片三

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

# 臉部特徵數據的集合

known_face_encodings = [
    chenduling_face_encoding,
    sunyizheng_face_encoding,
    zhangzetian_face_encoding
]
# 人物名稱的集合

known_face_names = [
    "michong"
,
    "sunyizheng"
,
    "chenduling"

]
face_locations = []
face_encodings = []
face_names = []
process_this_frame = True
while True:
    
# 讀取攝像頭畫面

    ret, frame = video_capture.read()
    
# 改變攝像頭圖像的大小，圖像小，所做的計算就少

    small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)
    
# opencv的圖像是BGR格式的，而我們需要是的RGB格式的，因此需要進行一個轉換。

    rgb_small_frame = small_frame[:, :, ::-1]
    
# Only process every other frame of video to save time

    if process_this_frame:
        # 根據encoding來判斷是不是同一個人，是就輸出true，不是為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:
            
# 默認為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
    
# 將捕捉到的人臉顯示出來

    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)
        
#加上標籤

        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()

5、boss文件夾

本開源項目,主要是結合攝像頭程序+極光推送，實現識別攝像頭中的人臉。並且通過極光推送平台給移動端發送消息！