16岁高中生用Python20行代码就能写出

开端

今天给大家介绍一个世界上最简洁的人脸识别库 face_recognition，你可以使用 Python 和命令行工具进行提取、识别、操作人脸。

基于业内领先的 C++ 开源库 dlib 中的深度学习模型，用 Labeled Faces in the Wild 人脸数据集进行测试，有高达99.38%的准确率。

1.特性

1. 从图片中找到人脸
2. 识别人脸关键位置
3. 识别图片中的人是谁
4. 检测视频中的人脸

2.安装

最好是使用 Linux 或 Mac 环境来安装，Windows 下安装会有很多问题。在安装 face_recognition 之前你需要先安装以下几个库，注意顺序.!

2.1 先安装 cmake 和 boost

pip install cmake
pip install boost

2.3 安装 dlib

pip install dlib

此处安装可能要几分钟。如安装出错，建议使用 whl 文件来安装 下载地址： pypi.org/simple/dlib…

2.3 安装 face_recognition face_recongnition 一般要配合 opencv 一起使用

pip install face_recognition
pip install opencv-python

3. 人脸识别

比如这里总共有三张图片，其中有两张已知，第三张是需要识别的图片

这三张图片名字分别为： “kobe,jpg”, "jordan.jpeg", "unkown.jpeg" 首先获取人脸中的信息

kobe_image = face_recognition.load_image_file("kobe.jpg") # 已知科比照片
jordan_image = face_recognition.load_image_file("jordan.jpeg") # 已知乔丹照片
unknown_image = face_recognition.load_image_file("unkown.jpeg") # 未知照片
kobe_face_encoding = face_recognition.face_encodings(kobe_image)[0]
jordan_face_encoding = face_recognition.face_encodings(jordan_image)[0]
unknown_face_encoding = face_recognition.face_encodings(unknown_image)[0]

代码中前三行分别是加载三张图片文件并返回图像的 numpy 数组，后三行返回图像中每个面部的人脸编码

然后将未知图片中的人脸和已知图片中的人脸进行对比，使用 compare_faces() 函数， 代码如下：

known_faces = [
 kobe_face_encoding,
 jordan_face_encoding
]
results = face_recognition.compare_faces(known_faces, unknown_face_encoding) # 识别结果列表
print("这张未知照片是科比吗? {}".format(results[0]))
print("这张未知照片是乔丹吗? {}".format(results[1]))

运行结果如下：

不到 二十 行代码，就能识别出人脸是谁，是不是 so easy！

4. 人脸标注

仅仅识别图片中的人脸总是感觉差点什么，那么将识别出来的人脸进行姓名标注是不是更加有趣~ 已知图片的识别和前面代码是一样的，未知图片多了人脸位置的识别，face_locations() 函数，传入图像数组，返回以上，右，下，左固定顺序的脸部位置列表 代码如下：

face_locations = face_recognition.face_locations(unknown_image)
face_encodings = face_recognition.face_encodings(unknown_image, face_locations)

使用 face_distance() 函数。将已知脸部位置和未知面部编码进行比较，得到欧式距离~·具体是什么我也不知道，距离就相当于相识度。 face_distance(face_encodings, face_to_compare) face_encodings：已知的面部编码 face_to_compare：要比较的面部编码

本次图片前面两张没有变化，第三张换成了科比和乔丹的合影，最终运行之后结果如下:

左边是原图，右边是识别后自动标注出来的图片。

import face_recognition
from PIL import Image, ImageDraw
import numpy as np
def draws():
 kobe_image = face_recognition.load_image_file("kobe.jpg")
 kobe_face_encoding = face_recognition.face_encodings(kobe_image)[0]
 jordan_image = face_recognition.load_image_file("jordan.jpeg")
 jordan_face_encoding = face_recognition.face_encodings(jordan_image)[0]
 known_face_encodings = [
 kobe_face_encoding,
 jordan_face_encoding
 ]
 known_face_names = [
 "Kobe",
 "Jordan"
 ]
 unknown_image = face_recognition.load_image_file("two_people.jpeg")
 face_locations = face_recognition.face_locations(unknown_image)
 face_encodings = face_recognition.face_encodings(unknown_image, face_locations)
 pil_image = Image.fromarray(unknown_image)
 draw = ImageDraw.Draw(pil_image)
 for (top, right, bottom, left), face_encoding in zip(face_locations, face_encodings):
 matches = face_recognition.compare_faces(known_face_encodings, face_encoding)
 name = "Unknown"
 face_distances = face_recognition.face_distance(known_face_encodings, face_encoding)
 best_match_index = np.argmin(face_distances)
 if matches[best_match_index]:
 name = known_face_names[best_match_index]
 draw.rectangle(((left, top), (right, bottom)), outline=(0, 0, 255))
 text_width, text_height = draw.textsize(name)
 draw.rectangle(((left, bottom - text_height - 10), (right, bottom)), fill=(0, 0, 255), outline=(0, 0, 255))
 draw.text((left + 6, bottom - text_height - 5), name, fill=(255, 255, 255, 255))
 del draw
 pil_image.show()
 pil_image.save("image_with_boxes.jpg")

5. 给人脸美妆

这个功能需要结合 PIL 一起使用。用法都差不多，首先就是将图片文件加载到 numpy 数组中，然后将人脸中的面部所有特征识别到一个列表中

image = face_recognition.load_image_file("bogute.jpeg")
face_landmarks_list = face_recognition.face_landmarks(image)
复制代码

遍历列表中的元素，修改眉毛

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)
复制代码

给人脸涂口红

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)
复制代码

增加眼线

d.polygon(face_landmarks['left_eye'], fill=(255, 255, 255, 30))
d.polygon(face_landmarks['right_eye'], fill=(255, 255, 255, 30))
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), wid=6)
复制代码

根据以上代码做了，我用实力不行，打球又脏的 "大嘴" 博格特来做演示！ 左边是原图，右边是加了美妆后的效果

你打球的样子真像 cxk!

喜欢这篇文章的小伙伴可以点赞收藏加转发哦~

需要Python爬虫源码资料的可以私信小编：Python 即可获取 前10名私信小编的粉丝即可免费获取Python的20本学习电子书外加学习视频一套哦