史上最簡單的人臉識別專案登上GitHub趨勢榜
來源 | GitHub Trending
整理 | Freesia
譯者 | TommyZihao
出品 | AI科技大本營(ID: rgznai100)
【導讀】近日,一個名為 face_recognition 的人臉識別專案登上了 GitHub Trending 趨勢榜,賺足了眼球。自開源至截稿,此專案在 Github 上的 Star 數已達 26500,Fork 數也達到了 7117。本文主要介紹了該專案的使用說明和使用方法,便於國內的開發者們進行研究學習。
face_recognition 宣稱是史上最強大,最簡單的人臉識別專案。據悉,該專案由軟體工程開發師和諮詢師 Adam Geitgey 開發,其強大之處在於不僅基於業內領先的 C++ 開源庫 dlib 中的深度學習模型,採用的人臉資料集也是由美國麻省大學安姆斯特分校製作的 Labeled Faces in the Wild,它含有從網路收集的 13,000 多張面部影像,準確率高達 99.38%。此外,專案還配備了完整的開發文件和應用案例,特別是相容樹莓派系統。簡單之處在於操作者可以直接使用 Python和命令列工具提取、識別、操作人臉。
目前,該專案的說明已有中文翻譯版,本文已獲得譯者授權(GitHub ID:TommyZihao),引用譯文對本專案進行簡單介紹。
照例先奉上 GitHub 專案連結:
特性
- 找到並定點陣圖片中的所有人臉:
import face_recognition
image = face_recognition.load_image_file("your_file.jpg")
face_locations = face_recognition.face_locations(image)
2.識別人臉關鍵點(包括眼睛、鼻子、嘴和下巴)
import face_recognition
image = face_recognition.load_image_file("your_file.jpg")
face_landmarks_list = face_recognition.face_landmarks(image)
本人臉識別專案除了在某些關鍵領域有重要作用外,還有一個可能會引起 “玩心” 的 digital make-up 自動化妝功能(類似美圖秀秀)。
3.識別圖片中的人是誰
import face_recognition
known_image = face_recognition.load_image_file("biden.jpg")
unknown_image = face_recognition.load_image_file("unknown.jpg")
biden_encoding = face_recognition.face_encodings(known_image)[0]
results = face_recognition.compare_faces([biden_encoding], unknown_encoding)
4.配合其它的Python庫(比如opencv),該專案還可實現實時人臉檢測:詳細案例見:
n/blob/master/examples/facerec_from_webcam_faster.py
安裝
環境配置:
- Python 3.3+ or Python 2.7macOS or LinuxWindows(官方並不支援,但一些大神們摸索出了在Windows上執行的方法)
不同作業系統的安裝方法:
1. 在 Mac 或者 Linux上安裝本專案:
方法一:
首先安裝dlib和相關Python依賴:
然後透過 pip3 或者是 Python 2 的 pip2 用以下程式碼安裝
pip3 install face_recognition
若未能安裝成功,可以用Ubuntu虛擬機器安裝,參見這一教程:
(需要電腦中安裝VMWare Player 或者 VirtualBox)
方法二:
修改你的 pip 映象源為清華映象,然後使用 pip install face_recognition,可以自動幫你安裝各種依賴,包括dlib。只是在安裝dlib的時候可能會出問題,因為dlib需要編譯,出現的問題一般是gcc或者g++版本的問題,所以在pip install face_recognition之前,可以透過在命令列鍵入
export CC=/usr/local/bin/gcc
export CXX=/usr/local/bin/g++
來指定你gcc和g++對應的位置,(這兩句話會臨時修改當前終端的環境變數/usr/local/bin/gcc對應你自己gcc或者g++所在目錄)。
2. 在樹莓派上安裝:
樹莓派安裝指南:
3. 在Windows上安裝:雖然本專案官方並不支援Windows,但一些大神們摸索出了在Windows上執行本專案的方法:@masoudr寫的如何在Win10系統上安裝 dlib庫和 face_recognition專案的教程:
n/issues/175#issue-257710508
使用Ubuntu虛擬機器映象檔案安裝配置虛擬機器,本專案已經包含在這個映象中
使用方法
1.使用命令列工具
本專案安裝完畢後,有兩種命令列工具可供使用:
- face_recognition - 在單張圖片或一個圖片資料夾中識別人臉身份。face_detection - 在單張圖片或一個圖片資料夾中定位人臉位置。
face_recognition 命令列工具:
face_recognition命令列工具可以在單張圖片或一個圖片資料夾中識別人臉身份。首先,需要一個你已經知道名字的人臉圖片資料夾,一個人一張圖,圖片的檔名即為對應的人的名字,然後,需要第二個圖片資料夾,資料夾裡面是你希望識別的圖片:
然後,在命令列中切換到這兩個資料夾所在路徑,使用 face_recognition 命令列,傳入這兩個圖片資料夾,然後就會輸出未知圖片中人的名字:
$ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/
/unknown_pictures/unknown.jpg,Barack Obama
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person
輸出結果的每一行對應著圖片中的一張臉,圖片名字和對應人臉識別結果用逗號分開。
如果結果輸出了unknown_person,那麼代表這張臉沒有對應上已知人臉圖片資料夾中的任何一個人。
face_detection 命令列工具
face_detection命令列工具可以在單張圖片或一個圖片資料夾中定位人臉位置(輸出畫素點座標)。在命令列中使用face_detection,傳入一個圖片資料夾或單張圖片檔案來進行人臉位置檢測:
$ face_detection ./folder_with_pictures/
examples/image1.jpg,65,215,169,112
examples/image2.jpg,62,394,211,244
examples/image2.jpg,95,941,244,792
輸出結果的每一行都對應圖片中的一張臉,輸出座標代表著這張臉的上、右、下、左畫素點座標。
調整人臉識別的容錯率和敏感度
如果一張臉識別出不止一個結果,那麼這意味著他和其他人長的太像了(此外,本專案對於小孩和亞洲人的人臉識別準確率有待提升)。你可以把容錯率調低一些,使識別結果更加嚴格。這個功能可透過傳入引數 --tolerance 來實現,預設的容錯率是0.6,容錯率越低,識別越嚴格準確。
$ face_recognition --tolerance 0.54 ./pictures_of_people_i_know/ ./unknown_pictures/
/unknown_pictures/unknown.jpg,Barack Obama
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person
人臉匹配的具體數值可以透過傳入引數 --show-distance true 來檢視
$ face_recognition --show-distance true ./pictures_of_people_i_know/ ./unknown_pictures/
/unknown_pictures/unknown.jpg,Barack Obama,0.378542298956785
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person,None
對識別速度不滿意怎麼辦?
如果你的CPU是多核的,你可以透過並行運算加速人臉識別。例如,如果你的CPU有四個核心,那麼你可以透過並行運算提升大概四倍的運算速度。
如果你使用Python3.4或更新的版本,可以傳入 --cpus <number_of_cpu_cores_to_use> 引數:
$ face_recognition --cpus 4 ./pictures_of_people_i_know/ ./unknown_pictures/
(你可以傳入 --cpus -1引數來呼叫cpu的所有核心。)此外,子豪兄Tommy 表示樹莓派3B有4個CPU核心,傳入多核引數可以顯著提升圖片識別的速度。
更多案例
如果你並不在乎圖片的檔名,只想知道資料夾中的圖片裡有誰,可以用這個管道命令:
$ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/ | cut -d ',' -f2
Barack Obama
unknown_person
2.使用Python
在 Python 中匯入 face_recognition模組,呼叫豐富的API介面,用幾行程式碼就可以輕鬆玩轉各種人臉識別功能!API 介面文件:
如何定位人臉位置或者識別人臉身份?
在 Python 中可以分別透過以下程式碼來實現在圖片中定位人臉的位置
import face_recognition
image = face_recognition.load_image_file("my_picture.jpg")
face_locations = face_recognition.face_locations(image)
# face_locations is now an array listing the co-ordinates of each face
參考案例:
n/blob/master/examples/find_faces_in_picture.py
在圖片中識別人臉身份
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
參考案例:
n/blob/master/examples/recognize_faces_in_pictures.py
對人臉識別有精準要求怎麼辦?
可以使用深度學習模型以達到更加精準的人臉定位,但要注意:這種方法需要GPU加速(透過英偉達顯示卡的CUDA庫驅動),在編譯安裝dlib的時候也需要開啟CUDA支援。
import face_recognition
image = face_recognition.load_image_file("my_picture.jpg")
face_locations = face_recognition.face_locations(image, model="cnn")
# face_locations is now an array listing the co-ordinates of each face
參考案例:
n/blob/master/examples/find_faces_in_picture_cnn.py
如果有大量圖片需要識別,同時又有GPU,那麼你可以參考這個例子:
n/blob/master/examples/find_faces_in_batches.py
如何識別單張圖片中人臉的關鍵點?
import face_recognition
image = face_recognition.load_image_file("my_picture.jpg")
face_landmarks_list = face_recognition.face_landmarks(image)
# face_landmarks_list is now an array with the locations of each facial feature in each face.
# face_landmarks_list[0]['left_eye'] would be the location and outline of the first person's left eye
參考案例:
n/blob/master/examples/find_facial_features_in_picture.py
識別奧巴馬和拜登的人臉關鍵點
更多案例:
n/tree/master/examples
人臉定位
案例:定位拜登的臉
n/blob/master/examples/find_faces_in_picture_cnn.py
案例:使用卷積神經網路深度學習模型定位拜登的臉
n/blob/master/examples/find_faces_in_picture_cnn.py
案例:使用卷積神經網路深度學習模型批次識別圖片中的人臉
n/blob/master/examples/find_faces_in_batches.py
案例:把來自網路攝像頭影片裡的人臉高斯模糊(需要安裝OpenCV)
n/blob/master/examples/blur_faces_on_webcam.py
人臉關鍵點識別
案例:提取奧巴馬和拜登的面部關鍵點
n/blob/master/examples/find_facial_features_in_picture.py
案例:給美國副總統拜登塗美妝
n/blob/master/examples/digital_makeup.py
人臉識別
案例:是奧巴馬還是拜登?
n/blob/master/examples/recognize_faces_in_pictures.py
案例:人臉識別之後在原圖上畫框框並標註姓名
n/blob/master/examples/identify_and_draw_boxes_on_faces.py
案例:在不同精度上比較兩個人臉是否屬於一個人
n/blob/master/examples/face_distance.py
案例:從攝像頭獲取影片進行人臉識別-較慢版(需要安裝OpenCV)
n/blob/master/examples/facerec_from_webcam.py
- 案例:從攝像頭獲取影片進行人臉識別-較快版(需要安裝OpenCV)
n/blob/master/examples/facerec_from_webcam_faster.py
- 案例:從影片檔案中識別人臉並把識別結果輸出為新的影片檔案(需要安裝OpenCV)
n/blob/master/examples/facerec_from_video_file.py
- 案例:透過樹莓派攝像頭進行人臉個數統計及人臉身份識別
n/blob/master/examples/facerec_on_raspberry_pi.py
- 案例:透過瀏覽器HTTP訪問網路伺服器進行人臉識別(需要安裝Flask後端開發框架)
n/blob/master/examples/web_service_example.py
- 案例:基於K最近鄰KNN分類演算法進行人臉識別
n/blob/master/examples/face_recognition_knn.py
關於 face_recognition的文章和教程
- 本專案作者寫的一篇文章 Modern Face Recognition with Deep Learning:
- 主要內容:基本演算法和原理
- Face recognition with OpenCV, Python, and deep learning by Adrian Rosebrock:
https://www.pyimagesearch.com/2018/06/18/face-recognition-with-opencv-python-and-deep-learning/
- 主要內容:如何實際使用本專案
- Raspberry Pi Face Recognition by Adrian Rosebrock
https://www.pyimagesearch.com/2018/06/25/raspberry-pi-face-recognition/
- 主要內容:如何在樹莓派上使用本專案
- Face clustering with Python by Adrian Rosebrock
https://www.pyimagesearch.com/2018/07/09/face-clustering-with-python/
- 主要內容:使用非監督學習演算法實現把圖片中的人臉高斯模糊
人臉識別的原理
如果你想更深入瞭解人臉識別這個黑箱的原理請讀這篇文章:
警告說明
本專案的人臉識別模型是基於成年人的,在孩子身上效果可能一般。如果圖片中有孩子的話,建議把臨界值設為0.6.不同人種的識別結果可能不同, 看wiki百科頁面檢視更多細節。
把本專案部署在雲伺服器上 (Heroku, AWS等)
本專案是基於C++庫dlib的,所以把本專案部署在Heroku或者AWS的雲端伺服器上是很明智的。
為了簡化這個過程,有一個Dockerfile案例,教你怎麼把face_recognition開發的app封裝成Docker 容器檔案,你可以把它部署在所以支援Docker映象檔案的雲服務上。
出了么蛾子?
如果出了問題,請在Github提交Issue之前檢視 常見錯誤 。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/29829936/viewspace-2653482/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- GitHub 上週 JavaScript 趨勢榜專案GithubJavaScript
- 一個簡單的人臉識別庫
- 這個專案沒有一行程式碼,卻登上了 GitHub 趨勢榜榜首行程Github
- 利用opencv 做一個簡單的人臉識別OpenCV
- 如何理解並實現一個簡單的人臉識別演算法(下):人臉識別演算法
- SAP官方提供的人臉識別APIAPI
- 最簡單地將GitHub專案更新到本地倉庫Github
- 用Python實現簡單的人臉識別,10分鐘搞定!(附原始碼)Python原始碼
- 人臉識別檢測專案實戰
- 微軟牛津專案人臉識別API初探微軟API
- 【基於PCA的人臉識別演算法】從QR分解到PCA,再到人臉識別PCA演算法
- 一個簡單的完整人臉識別系統
- 基於PCA(主成分分析)的人臉識別PCA
- 14個開源免費的人工智慧專案,人臉識別依舊很受歡迎人工智慧
- 通過git上傳專案到碼雲和GitHub最簡單的流程Github
- 64行程式碼實現簡單人臉識別行程
- 直播美顏SDK的人臉識別技術進階知識
- 人臉識別相關開源專案彙總
- .NET 開源的功能強大的人臉識別 APIAPI
- 人臉識別應用領域以及未來的行業發展趨勢行業
- 基於卷積神經網路的人臉識別專案_使用Tensorflow-gpu+dilib+sklearn卷積神經網路GPU
- 最簡單的人工神經網路神經網路
- “阿里巴巴幣”登上爛幣榜,3分鐘教你識破高風險專案阿里
- GitHub車牌檢測識別專案調研Github
- 史上最簡單的 SpringCloud 教程 | 終章SpringGCCloud
- 史上最簡單的 Spring MVC 教程(一)SpringMVC
- 基於深度學習的人臉識別系統系列(Caffe+OpenCV+Dlib)——【六】設計人臉識別的識別類深度學習OpenCV
- 人臉識別和手勢識別應用(face++)開發
- 【專案】Python人臉識別(GUI介面)—— 基於pyopencvPythonGUIOpenCV
- 弱電智慧化系統中的人臉識別技術
- 史上最簡單的推薦系統設計
- 史上最簡單的Windows系統密碼解救Windows密碼
- 一個最簡單的 Github workflow 例子Github
- 計算機視覺專案-人臉識別與檢測計算機視覺
- 小程式:隨時隨地獲取 GitHub 熱門專案榜單Github
- 基於DNN的人臉識別中的反欺騙機制DNN
- 用沒有任何AI專業知識的人腦簡單分析AIAI
- 這幾個換臉 GitHub 專案太牛了!Github