face_recognition的5個應用例項
Face Recognition 是一個基於 Python 的人臉識別庫,它還提供了一個命令列工具,讓你通過命令列對任意資料夾中的影象進行人臉識別操作。
該庫使用 dlib 頂尖的深度學習人臉識別技術構建,在戶外臉部檢測資料庫基準(Labeled Faces in the Wild benchmark)上的準確率高達 99.38%。
在網上找到了很多關於face_recognition的有趣程式,這裡進行一下彙總。
安裝:
- 人臉檢測基於dlib,dlib依賴Boost和cmake
- 在windows中如果要使用dlib還是比較麻煩的,最好使用anaconda中安裝,這樣可以減少很多麻煩
執行:pip install face_recognition
這是安裝好的face_recognition,可以看見所依賴的庫!
如果安裝的過程遇到缺少庫的話,缺少哪個就安裝哪個!!!
應用1:
檢測給定影象中的所有人臉
# -*- coding: utf-8 -*-
# 檢測人臉
import face_recognition
import cv2
# 讀取圖片並識別人臉
img = face_recognition.load_image_file("1.png")
face_locations = face_recognition.face_locations(img)
print (face_locations)
# 呼叫opencv函式顯示圖片
img = cv2.imread("1.png")
cv2.namedWindow("原圖")
cv2.imshow("原圖", img)
# 遍歷每個人臉,並標註
faceNum = len(face_locations)
for i in range(0, faceNum):
top = face_locations[i][0]
right = face_locations[i][1]
bottom = face_locations[i][2]
left = face_locations[i][3]
start = (left, top)
end = (right, bottom)
color = (55,255,155)
thickness = 3
cv2.rectangle(img, start, end, color, thickness)
# 顯示識別結果
cv2.namedWindow("識別")
cv2.imshow("識別", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
用到的圖片1.png
執行結果:
應用2:
識別影象中的人臉
資料夾結構:
images資料夾中的檔案
my_image.jpg
程式碼 :faceRecognition.py
# 匯入庫
import os
import face_recognition
# 製作所有可用影象的列表
images = os.listdir('images')
# 載入影象
image_to_be_matched = face_recognition.load_image_file('my_image.jpg')
# 將載入影象編碼為特徵向量
image_to_be_matched_encoded = face_recognition.face_encodings(
image_to_be_matched)[0]
# 遍歷每張影象
for image in images:
# 載入影象
current_image = face_recognition.load_image_file("images/" + image)
# 將載入影象編碼為特徵向量
current_image_encoded = face_recognition.face_encodings(current_image)[0]
# 將你的影象和影象對比,看是否為同一人
result = face_recognition.compare_faces(
[image_to_be_matched_encoded], current_image_encoded)
# 檢查是否一致
if result[0] == True:
print ("Matched: " + image)
else:
print ("Not matched: " + image)
執行結果:
程式碼中利用face_recognition將要檢視的圖片載入,並將圖片編碼為特徵向量。然後遍歷images檔案中的每一張圖片都載入為特徵向量,並進行比較,輸出結果。
應用3:
實時人臉識別
程式碼:
# -*- coding: utf-8 -*-
import face_recognition
import cv2
video_capture = cv2.VideoCapture(0)
obama_img = face_recognition.load_image_file("lq.jpg")
obama_face_encoding = face_recognition.face_encodings(obama_img)[0]
face_locations = []
face_encodings = []
face_names = []
process_this_frame = True
while True:
ret, frame = video_capture.read()
small_frame = cv2.resize(frame,(0,0),fx=0.25, fy=0.25)
if process_this_frame:
face_locations = face_recognition.face_locations(small_frame)
face_encodings = face_recognition.face_encodings(small_frame, face_locations)
face_names = []
for face_encoding in face_encodings:
match = face_recognition.compare_faces([obama_face_encoding], face_encoding)
if match[0]:
name = "lq"
else:
name = "unkonwn"
face_names.append(name)
process_this_frame = not process_this_frame
for (top, right, bottom, left), name in zip(face_locations, face_names):
top *= 4
right *= 4
bottom *= 4
left *= 4
cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)
cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), 2)
font = cv2.FONT_HERSHEY_DUPLEX
cv2.putText(frame, name, (left+6, bottom-6), font, 1.0, (255, 255, 255), 1)
cv2.imshow('Video', frame)
#按Q退出,結束程式
if cv2.waitKey(1) & 0xFF == ord('q'):
break
video_capture.release()
cv2.destroyAllWindows()
執行結果:
應用4:
檢測和標記影象中的人臉特徵:
程式碼:
# -*- coding: utf-8 -*-
# 自動識別人臉特徵
from PIL import Image, ImageDraw
import face_recognition
# 將jpg檔案載入到numpy 陣列中
image = face_recognition.load_image_file("my_image.jpg")
#查詢影象中所有面部的所有面部特徵
face_landmarks_list = face_recognition.face_landmarks(image)
#列印發現的臉張數
print("I found {} face(s) in this photograph.".format(len(face_landmarks_list)))
for face_landmarks in face_landmarks_list:
#列印此影象中每個面部特徵的位置
facial_features = [
'chin',
'left_eyebrow',
'right_eyebrow',
'nose_bridge',
'nose_tip',
'left_eye',
'right_eye',
'top_lip',
'bottom_lip'
]
for facial_feature in facial_features:
print("The {} in this face has the following points: {}".format(facial_feature, face_landmarks[facial_feature]))
#讓我們在影象中描繪出每個人臉特徵!
pil_image = Image.fromarray(image)
d = ImageDraw.Draw(pil_image)
for facial_feature in facial_features:
d.line(face_landmarks[facial_feature], width=5)
pil_image.show()
結果:
如果用上文中的1.png,就會發現5張臉,會標記每一張臉的特徵。
應用5:
識別人臉並美顏
程式碼 :
# -*- coding: utf-8 -*-
from PIL import Image, ImageDraw
import face_recognition
#將jpg檔案載入到numpy陣列中
image = face_recognition.load_image_file("3.jpg")
#查詢影象中所有面部的所有面部特徵
face_landmarks_list = face_recognition.face_landmarks(image)
for face_landmarks in face_landmarks_list:
pil_image = Image.fromarray(image)
d = ImageDraw.Draw(pil_image, 'RGBA')
#讓眉毛變成了一場噩夢
d.polygon(face_landmarks['left_eyebrow'], fill=(68, 54, 39, 128))
d.polygon(face_landmarks['right_eyebrow'], fill=(68, 54, 39, 128))
d.line(face_landmarks['left_eyebrow'], fill=(68, 54, 39, 150), width=5)
d.line(face_landmarks['right_eyebrow'], fill=(68, 54, 39, 150), width=5)
#光澤的嘴脣
d.polygon(face_landmarks['top_lip'], fill=(150, 0, 0, 128))
d.polygon(face_landmarks['bottom_lip'], fill=(150, 0, 0, 128))
d.line(face_landmarks['top_lip'], fill=(150, 0, 0, 64), width=8)
d.line(face_landmarks['bottom_lip'], fill=(150, 0, 0, 64), width=8)
#閃耀眼睛
d.polygon(face_landmarks['left_eye'], fill=(255, 255, 255, 30))
d.polygon(face_landmarks['right_eye'], fill=(255, 255, 255, 30))
#塗一些眼線
d.line(face_landmarks['left_eye'] + [face_landmarks['left_eye'][0]], fill=(0, 0, 0, 110), width=6)
d.line(face_landmarks['right_eye'] + [face_landmarks['right_eye'][0]], fill=(0, 0, 0, 110), width=6)
pil_image.show()
這個就不放執行的截圖了,哈哈,感興趣可以自己找一張圖片執行!!!
相關文章
- ”innerHTML“的應用例項HTML
- 基礎python5個例項運用Python
- dd應用例項
- SAP UI5 應用中 MockServer 的例項化方法UIMockServer
- WEB例項:開發一個聊天室應用Web
- NCF的Dapr應用例項的執行
- WebSocket 簡介及應用例項Web
- 機器視覺應用例項視覺
- redis應用場景及例項Redis
- 模板與例項在系統中的應用
- 騰訊安全科恩實驗室公佈全球首個5G漏洞應用例項!
- eMarketer:各行業VR例項應用分析行業VR
- Cookie、localStorage 和 sessionStorage 的區別及應用例項CookieSession
- Oracle minus用法詳解及應用例項Oracle
- 英國政府部門RPA應用例項
- 觀察者模式應用場景例項模式
- Docker開發例項之應用場景Docker
- Hive 分析函式lead、lag例項應用Hive函式
- 物件導向的例項應用:圖形計算器物件
- 如何區分例項化網格中的每個例項
- webpack+react+antd單頁面應用例項WebReact
- cluster例項運用
- PHP的時間日期與例項應用:日曆核心程式PHP
- 在Cucumber中應用 PicoContainer容器實現元件的例項化AI元件
- 收藏篇:低功耗模組軟體的PWM應用例項
- 關於 Angular 應用 Components 和 Directives 的例項化問題Angular
- 2.4.6 Step 5: (Windows)建立例項Windows
- 【深度學習】--DCGAN從入門到例項應用深度學習
- 淺入Kubernetes(7):應用部署例項,Deployment、Service、ReplicaSet
- 如何使用低程式碼開發平臺快速建立一個應用 | 例項演示
- Tee命令的幾個使用例項
- 7 個日常實用的 Shell 拿來就用指令碼例項!指令碼
- 5 個開源的速讀應用
- docker redis 多個例項DockerRedis
- 基於滴滴雲 DC2 搭建 VPP 應用例項
- [機器視覺]halcon應用例項 邊緣檢測視覺
- PHP 觀察者模式應用場景例項詳解PHP模式
- 例項介紹人工智慧六大應用方向!人工智慧