深度学习系列18：开源人脸识别库

最新推荐文章于 2024-05-19 07:00:00 发布

原创

最新推荐文章于 2024-05-19 07:00:00 发布 · 1.1k 阅读

1 ·

CC 4.0 BY-SA版权

该博客介绍了如何利用face_recognition库在ARM设备上进行人脸检测、关键点检测和人脸识别。它强调了库在CPU上使用CNN模型速度较慢，适合在GPU环境下进行批量人脸检测。同时，提到了该库在口罩识别上的不足。通过代码示例展示了如何使用face_recognition进行人脸位置标记和128维面部编码计算。

这年头，能有个开源的人脸库真是感天谢地了，而且可以在arm机器上使用，真不容易。git地址见https://github.com/ageitgey/face_recognition

1. 人脸检测

人脸检测可以选hog和cnn两种。默认用hog（在cpu上用cnn真的很慢）。这个人脸检测对于口罩的识别率不高，慎用。
在使用gpu时，还可以使用批量人脸检测：
face_recognition.batch_face_locations(frames, number_of_times_to_upsample=0)

import cv2
image = face_recognition.load_image_file("....png")
face_locations = face_recognition.face_locations(image,model='cnn')
for r in face_locations:
    cv2.rectangle(image,(r[1],r[0]),(r[3],r[2]),(255,0,0),5) # 注意这里的顺序！
io.imshow(image)

说明如下：

Signature:
face_recognition.face_locations(
    img,
    number_of_times_to_upsample=1,
    model='hog',
)
Docstring:
Returns an array of bounding boxes of human faces in a image

:param img: An image (as a numpy array)
:param number_of_times_to_upsample: How many times to upsample the image looking for faces. Higher numbers find smaller faces.
:param model: Which face detection m