8-5(face_recognition源码解读)

1、face_recognition 人脸识别学习

• 检测人脸：face_locations = face_recognition.face_locations(frame)
  返回值 (top,bottom,right,left)
  人脸检测，可用opencv替换：
  优势：pc端速度提高了一倍，树莓派上提高了接近九倍（520ms - 67ms）

    #opencv的人脸检测
    def detect_byOpencv(self,img):
        start_detect_time = time.time()
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        faces = faceCascade.detectMultiScale(gray, 1.3, 5)
        loctions = []
        for (x,y,w,h) in faces:
            top = y
            right = x + w
            bottom = y + h
            left = x
            loctions.append((top, right, bottom, left))   
        print ("opencv detect:",time.time()-start_detect_time)
        return loctions
   

def face_locations(img, number_of_times_to_upsample=1, model="hog"):

返回图像中人脸边界框的数组
param img：图像（作为numpy数组）
upsample以查找面。数字越大，面越小
param model：要使用的人脸检测模型。““Hog”在CPU上不太准确，但速度更快。CNN“更准确。GPU/CUDA加速的深度学习模型（如有）。默认值为“hog”
返回：按css（上、右、下、左）顺序找到的面位置的元组列表

• 面部信息编码：face_encodings = face_recognition.face_encodings(frame, face_locations)
  对脸部信息进行编码，比较耗时；pc端37ms，树莓派端570ms
  def face_encodings(face_image, known_face_locations=None, num_jitters=1):

给定一个图像，返回图像中每个面的128维面编码
param face image：包含一个或多个面的图像.
param known face locations：可选-每个面的边界框（如果您已经知道）
计算编码时要对人脸重新采样多少次。越高越准确，但越慢（即100是100的速度越慢)
返回：128维面编码列表（图像中的每个面一个）

：param face image：包含一个或多个面的图像

：param known face locations：可选-每个面的边界框（如果您已经知道）。

计算编码时要对人脸重新采样多少次。越高越准确，但越慢（即100是100的速度越慢）

：返回：128维面编码列表（图像中的每个面一个）

• 识别人脸
  tolerance越低，越准，但unknown率增高

for i, v in enumerate(total_face_encoding):
 	match = face_recognition.compare_faces([v], face_encoding, tolerance=0.35)#0.5

def compare_faces(known_face_encodings, face_encoding_to_check, tolerance=0.6):

将人脸编码列表与候选编码进行比较，看它们是否匹配。
param known_face_encodings：已知人脸编码列表
param face_encoding_to_check:要与列表进行比较的单个面编码
param tolerance：面与面之间的距离应视为匹配。越低越严格。0.6是典型的最佳性能
RETURN：一个真/假值列表，指示要检查的已知面部编码与面部编码匹配

• 下载匹配模板并编码
  后面的编码方式需相同！

        total_face_encoding.append(
            face_recognition.face_encodings(
                face_recognition.load_image_file(path + "/" + fn))[0])

face_recognition -