python 人脸识别

python版本 3.7.0
这里写图片描述

1、 安装 cmake

pip install cmake
这里写图片描述

2、安装 boost

pip install boost
这里写图片描述

3、安装 dlib

pip install dlib
这里写图片描述

4、安装 face_recognition

pip install face_recognition
这里写图片描述

5、验证

face_recognition 本地模型路径 要识别图片路径
输出:文件名 识别的人名
这里写图片描述

注意:文件名以人名命名
这里写图片描述

6、寻找人脸位置

face_detection “路径”
输出:人脸像素坐标
这里写图片描述

7、调整灵敏度

face_recognition –tolerance 灵敏度 本地模型路径 要识别图片路径
注:默认0.6,识别度越低识别难度越高
这里写图片描述

8、计算每次面部距离

face_recognition –show-distance true 本地模型路径 要识别图片路径
这里写图片描述

9、只是想知道每张照片中人物的姓名,却不关心文件名,可以这样做:

face_recognition 本地模型路径 要识别图片路径 | cut -d ‘,’ -f2

这里写图片描述

10、加速识别

face_recognition –cpus 使用内核数 本地模型路径 要识别图片路径
使用四核识别:
face_recognition –cpus 4 本地模型路径 要识别图片路径
这里写图片描述
使用全部内核识别:
face_recognition –cpus -1 本地模型路径 要识别图片路径这里写图片描述

11、自动查找图像中的所有面孔

import face_recognition

image = face_recognition.load_image_file(“吴京.jpg”)
face_locations = face_recognition.face_locations(image)

12、识别图像中的面孔并识别他们是谁

import face_recognition

picture_of_me = face_recognition.load_image_file("me.jpg")
my_face_encoding = face_recognition.face_encodings(picture_of_me)[0]

# my_face_encoding now contains a universal 'encoding' of my facial features that can be compared to any other picture of a face!

unknown_picture = face_recognition.load_image_file("unknown.jpg")
unknown_face_encoding = face_recognition.face_encodings(unknown_picture)[0]

# Now we can see the two face encodings are of the same person with `compare_faces`!

results = face_recognition.compare_faces([my_face_encoding], unknown_face_encoding)

if results[0] == True:
    print("It's a picture of me!")
else:
    print("It's not a picture of me!")

参考地址:
https://github.com/ageitgey/face_recognition#face-recognition

### 回答1: Python中有很多人脸识别的库,其中比较流行的是OpenCV和dlib。你可以使用它们来实现人脸检测、人脸识别和人脸表情识别等功能。下面是一个基本的人脸识别示例代码: ``` import cv2 face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') cap = cv2.VideoCapture(0) while True: ret, img = cap.read() gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) faces = face_cascade.detectMultiScale(gray, 1.3, 5) for (x,y,w,h) in faces: cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) cv2.imshow('img',img) k = cv2.waitKey(30) & 0xff if k == 27: break cap.release() cv2.destroyAllWindows() ``` 在上面的代码中,我们使用了OpenCV中的Haar Cascade分类器来检测人脸,并在检测到人脸时在图片上绘制一个矩形框。你可以根据具体需求进行修改和扩展。 ### 回答2: Python人脸识别是一种使用Python编程语言实现的人脸识别技术。它基于人脸的皮肤、底部特征点、眼部、鼻子、嘴巴等特征,通过各种算法实现人脸图像的识别和匹配。 Python人脸识别首先需要通过摄像头或者静态图像获取人脸图像。然后,利用Python的图像处理库,对图像进行预处理,将其转换为灰度图像。接下来,使用Python人脸识别库,如OpenCV或Dlib,对人脸图像进行特征提取,包括人脸的位置、大小和形状等信息。 在得到人脸特征后,Python人脸识别库会使用已经训练好的人脸识别模型进行匹配和识别。这个模型是使用大量的人脸图像进行训练得到的,可以根据输入的人脸特征与已知的人脸特征进行比对,从而找到最匹配的人脸。 Python人脸识别在很多领域都有广泛的应用。它可以用于人脸识别门禁系统、人脸支付、人脸考勤、人脸身份验证等场景。此外,它还可以用于人脸情绪识别、人脸表情分析等研究领域。 Python人脸识别的优势在于其简洁易用的编程语言,以及丰富的开源库支持。Python的语法简单明了,易于学习和使用。同时,有很多成熟的开源人脸识别库可以选择使用,节省了开发人员的时间和精力。 总的来说,Python人脸识别是一种强大而灵活的人脸识别技术。它通过Python编程语言,利用图像处理和机器学习算法,实现了对人脸图像的识别和匹配,并在多个领域有着广泛的应用前景。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值