Github开源人脸识别项目face_recognition

face_recognition是一个基于深度学习的人脸识别开源项目，使用Python编写，可以轻松地检测和识别图像和视频中的人脸特征。它是由Adam Geitgey创建并维护的，目前已经得到了广泛的应用和认可。

首先，您需要安装face_recognition模块。该模块的安装方法有多种途径，其中最简单的方法是运行以下命令：

```

pip install face_recognition

```

安装完成后，您可以导入face_recognition模块并开始使用它。下面是一个基本示例：

```

import face_recognition

# 将要识别的图片加载到numpy数组中

image = face_recognition.load_image_file("path_to_image_file.jpg")

# 查找图片中所有的面部特征

face_landmarks_list = face_recognition.face_landmarks(image)

# 打印面部特征的数量

print("I found {} face(s) in this photograph.".format(len(face_landmarks_list)))

# 在图片中标记每个面部特征的位置

for face_landmarks in face_landmarks_list:

# 获取每个面部特征的坐标

for facial_feature in face_landmarks.keys():

print("The {} in this face has the following points: {}".format(facial_feature, face_landmarks[facial_feature]))

```

通过运行上面的代码，您可以将面部特征标记为图像（或帧）中每个面部。该代码还打印了图像中所有面部的数量，以及每个面部特征的坐标。

下面是一些进一步的示例使用face_recognition模块的方法：

### 人脸识别

```

import face_recognition

# 加载已知人脸图像并获取特征向量编码

person1_image = face_recognition.load_image_file("person1.jpg")

person1_face_encoding = face_recognition.face_encodings(person1_image)[0]

person2_image = face_recognition.load_image_file("person2.jpg")

person2_face_encoding = face_recognition.face_encodings(person2_image)[0]

# 创建一个已知人名到已知人脸编码的映射

known_face_encodings = [person1_face_encoding, person2_face_encoding]

known_face_names = ["Person 1", "Person 2"]

# 加载要识别的图片并获取其中所有面部的编码

unknown_image = face_recognition.load_image_file("unknown.jpg")

face_encodings = face_recognition.face_encodings(unknown_image)

# 遍历每一个面部编码，进行人脸识别

for face_encoding in face_encodings:

# 查看此面部是否与已知面部相匹配

matches = face_recognition.compare_faces(known_face_encodings, face_encoding)

if True in matches:

first_match_index = matches.index(True)

name = known_face_names[first_match_index]

else:

name = "Unknown"

# 在图片中标记出每个面部的位置并将已知人名写在下方

top, right, bottom, left = face_recognition.face_locations(unknown_image)[0]

cv2.rectangle(unknown_image, (left, top), (right, bottom), (0, 0, 255), 2)

cv2.rectangle(unknown_image, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)

font = cv2.FONT_HERSHEY_DUPLEX

cv2.putText(unknown_image, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)

# 显示标记后的图片

cv2.imshow("Results", unknown_image)

cv2.waitKey(0)

```

在这个示例中，我们将两个已知的面部图像加载到Python中并获取其特征向量编码。我们还创建了一个映射，将已知的脸部编码与人名相关联。接下来，我们加载我们要识别人脸的图像，并获取其面部编码。我们遍历每个面部编码，并使用compare_faces函数比较该编码是否与已知编码的任何一个匹配。如果有匹配的编码，则我们使用在映射中找到的人名。否则，我们将人名设置为“未知”。

最后，我们在图像中标记出每个面部的位置，并将已知人名写在下方。

### 人脸聚类

```

import os

import face_recognition

# 加载要聚类的所有图片的encoding

encodings = []

image_filenames = []

for root, dirs, files in os.walk("images"):

for filename in files:

if filename.endswith(".jpg"):

image_filenames.append(os.path.join(root, filename))

image = face_recognition.load_image_file(os.path.join(root, filename))

encodings.append(face_recognition.face_encodings(image)[0])

# 进行人脸聚类

names = []

labels = face_recognition.face_clustering(encodings)

# 将聚类结果保存到csv文件中

with open("face_clusters.csv", "w") as f:

for i, cluster in enumerate(labels):

for j, name in enumerate(cluster):

names.append(image_filenames[name])

f.write("{},{}\n".format(name, i))

# 显示每个人的面部图像，按照聚类结果排序

for i in range(len(labels)):

for j in range(len(labels[i])):

image = face_recognition.load_image_file(names[labels[i][j]])

cv2.imshow("Cluster {}, Image {}".format(i, j), image)

cv2.waitKey(0)

```

在这个示例中，我们首先加载要聚类的所有图像并获取它们的编码。接下来，我们使用face_clustering函数对面部进行聚类。我们将每个面部的名称和所属聚类编号写入csv文件中。最后，我们显示每个人的面部图像，按照聚类结果排序。

总结：

face_recognition是一个功能强大的工具，它使用深度学习技术实现了准确的人脸识别和面部特征分析。通过使用该模块，你可以轻松地创建自己的人脸识别系统，实现识别、聚类等功能。然而，在使用face_recognition时需要注意保护个人隐私，确保遵守相关法律法规。 如果你喜欢我们三七知识分享网站的文章， 欢迎您分享或收藏知识分享网站文章 欢迎您到我们的网站逛逛喔！https://www.37seo.cn/