Python是当前人工智能开发的主流编程语言，有大量人工智能的第三方类库。

今天基于Python类库，实现人脸识别功能的快速开发。

测试环境是Window10。

安装CMake

安装Python库时需要进行编译，需要安装CMake。

CMake下载页面：
https://cmake.org/download/

选择最新的版本，我是在Windows平台，下载的
cmake-3.26.1-windows-x86_64.msi

在安装过程中，一定要将CMake添加到系统路径中，不然后面安装项目的时候，会报找不到cmake的错误。

安装dlib库

创建一个新的python项目及解释器环境，安装dlib库。

这一步会用到CMake。

pip install dlib

安装face_recognition库

face_recognition库中封装了人脸识别的算法及模型。

使用pip命令安装到解释器环境中。

pip install face_recognition

安装OpenCV

OpenCV是开源的进行图像处理的类库，我们会用它进行图片的处理。

使用pip命令安装到解释器环境中。

pip install opencv-python

设置人脸库

经过上面几步，运行环境已经安装好，下面是代码的开发。

这一步是要配置我们希望从图片中识别出来的人脸信息，需要将人脸图片传递给face_recognition库，进行人脸特征的提取。

我们这里配置了1个人脸的图片，本身支持多个人脸的配置。

known_face_encodings中就是提取的人脸特征信息。

# 读取人脸图片
zhangsan_image = face_recognition.load_image_file("zhangsan.jpg")
# 进行特征提取
zhangsan_face_encoding = face_recognition.face_encodings(zhangsan_image)[0]

# 人脸特征集合
known_face_encodings = [
    zhangsan_face_encoding
]

# 人脸名称
known_face_names = [
    "Zhang San",
]

读取待识别的图片

通过face_recognition读取待进行人脸识别的图片，也就是我们用来测试人脸识别的图片。

# 待识别图片
image = face_recognition.load_image_file("zhangsan-ceshi.jpg")

进行人脸信息的匹配

先从image中提取人脸信息，然后与配置的人脸库中的特征进行对比，如果匹配成功，则使用OpenCV在人脸部分画框并标识人脸的名称；如果没有匹配成功，则标识Unknown。

# 识别image中人脸的坐标信息
face_locations = face_recognition.face_locations(image)
# 提取image中的人脸特征
face_encodings = face_recognition.face_encodings(image, face_locations)

# 在人脸画框，并标识人脸名称，如果没有有人脸库匹配，则标识Unknown
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]

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

    cv2.rectangle(image, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)
    font = cv2.FONT_HERSHEY_DUPLEX
    cv2.putText(image, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)

cv2.imshow('image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

face_recognition.compare_faces方法是进行人脸匹配的关键方法，接收三个参数：

第一个参数：是配置的人脸库特征信息；

第二个参数：是待识别的图片信息；

第三个参数：是识别的容忍度，值越小，要求的匹配程度越精确。

results = face_recognition.compare_faces(known_faces, unknown_face_encoding, 0.4)

测试

运行python代码，进行测试。

成功将图片中的人脸信息识别出来，并进行了标识。

完整代码

import face_recognition
import cv2
import numpy as np

# 进行人脸库的设置

# 读取人脸图片
zhangsan_image = face_recognition.load_image_file("zhangsan.jpg")
# 进行特征提取
zhangsan_face_encoding = face_recognition.face_encodings(zhangsan_image)[0]

# 人脸特征集合
known_face_encodings = [
    zhangsan_face_encoding
]

# 人脸名称
known_face_names = [
    "Zhang San",
]

# 待识别图片
image = face_recognition.load_image_file("zhangsan-ceshi.jpg")

# 识别image中人脸的坐标信息
face_locations = face_recognition.face_locations(image)
# 提取image中的人脸特征
face_encodings = face_recognition.face_encodings(image, face_locations)

# 在人脸画框，并标识人脸名称，如果没有有人脸库匹配，则标识Unknown
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]

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

    cv2.rectangle(image, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)
    font = cv2.FONT_HERSHEY_DUPLEX
    cv2.putText(image, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)

cv2.imshow('image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()