Python人脸识别——OpenCV、Dlib和Face-Recognition_face recognition 和opencv 的关联-优快云博客

本文链接：https://blog.youkuaiyun.com/ad_yangang/article/details/120445932

本文介绍了在Python环境下，结合OpenCV和Face-Recognition库进行人脸识别的步骤。首先，阐述了配置环境时遇到的问题及解决方法，确保在Anaconda环境中正确安装和使用这两个库。接着，详细讲解如何使用OpenCV定位人脸，尽管它在识别精度和多脸识别上有局限。最后，通过Face-Recognition库实现高精度的人脸识别，包括框出面部和精确的标定点定位，展示了其在处理大尺寸图片和多脸识别上的优势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、配置环境

Python人脸识别主要通过OpenCV和Face-Recognition插件来实现。相比之下，Face-Recognition应用范围更广，精确度也会更高。Face-Recognition的使用依赖Dlib，因此需要先安装Dlib。

在安装OpenCV插件的过程中，发现用上一次的方法——在Jupyter Notebook中直接输入pip install xxx指令无法顺利安装。而在命令行中安装时，虽然提示安装成功，但在Jupyter Notebook中却无法成功调用，依然提示没有此插件。

通过在网上检索信息，我发现原因是我的电脑中除了Anaconda环境，还有之前下载的Python38 IDLE环境，而通过命令行安装插件的默认安装路径是Python38文件而并非所使用的Anaconda文件。网上通过代码更改默认安装路径的方法有一些看不懂，但老师上课讲解了Python的插件在电脑中是有固定的位置的。因此我使用的简单方法是，在本地找到Python38文件中下载好的插件文件，将文件复制到Anaconda文件的site-packages中，在Jupyter Notebook中即可成功调用。

二、使用OpenCV定位人脸

import cv2
import os
import matplotlib.pyplot as plt

def detect(filename):
    face_cascade = cv2.CascadeClassifier('C:\ProgramData\Anaconda3\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml')
    
    img=cv2.imread(filename)
    gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    
    faces=face_cascade.detectMultiScale(gray,1.3,5)
    
    for (x,y,w,h) in faces:
        img = cv2.rectangle(img,(x