Python 基于 dlib 的实时人脸识别

ゝ一纸荒年。 2023-10-12 15:25 97阅读 0赞

本项目是世界上最简洁的人脸识别库，你可以使用Python和命令行工具提取、识别、操作人脸。

本项目的人脸识别是基于业内领先的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。但对小孩和亚洲人脸的识别准确率尚待提升。

Labeled Faces in the Wild是美国麻省大学安姆斯特分校（University of Massachusetts Amherst)制作的人脸数据集，该数据集包含了从网络收集的13,000多张面部图像。

本项目提供了简易的face_recognition命令行工具，你可以用它处理整个文件夹里的图片。

源码下载地址

源码下载地址:https://download.csdn.net/download/yujun2023/87904725

特性

从图片里找到人脸

定位图片中的所有人脸：

img

  1. import face_recognition
  2. image = face_recognition.load_image_file("your_file.jpg")
  3. face_locations = face_recognition.face_locations(image)
识别人脸关键点

识别人脸关键点，包括眼睛、鼻子、嘴和下巴。

img

  1. import face_recognition
  2. image = face_recognition.load_image_file("your_file.jpg")
  3. face_landmarks_list = face_recognition.face_landmarks(image)

识别人脸关键点在很多领域都有用处，但同样你也可以把这个功能玩坏，比如本项目的 digital make-up自动化妆案例（就像美图秀秀一样）。

img

识别图片中的人是谁

img

  1. import face_recognition
  2. known_image = face_recognition.load_image_file("biden.jpg")
  3. unknown_image = face_recognition.load_image_file("unknown.jpg")
  5. biden_encoding = face_recognition.face_encodings(known_image)[0]
  6. unknown_encoding = face_recognition.face_encodings(unknown_image)[0]
  8. results = face_recognition.compare_faces([biden_encoding], unknown_encoding)

你也可以配合其它的Python库（比如opencv）实现实时人脸检测：

img

看这个案例 实时人脸检测 。

安装

环境配置

  • Python 3.3+ or Python 2.7
  • macOS or Linux
  • Windows并不是我们官方支持的，但也许也能用

不同操作系统的安装方法

在 Mac 或者 Linux上安装本项目

First, make sure you have dlib already installed with Python bindings:

第一步，安装dlib和相关Python依赖：

  • 如何在macOS或者Ubuntu上安装dlib

Then, install this module from pypi using pip3 (or pip2 for Python 2):

  1. pip3 install face_recognition

如果你遇到了幺蛾子，可以用Ubuntu虚拟机安装本项目，看下面这个教程。 如何使用Adam Geitgey大神提供的Ubuntu虚拟机镜像文件安装配置虚拟机，本项目已经包含在镜像中.

在 Mac 或者 Linux上安装本项目 2

修改你的pip镜像源为清华镜像，然后使用pip install face_recognition,可以自动帮你安装各种依赖，包括dlib。只是在安装dlib的时候可能会出问题，因为dlib需要编译，出现的问题一般是gcc或者g++版本的问题，所以在pip install face_recognition之前，可以通过在命令行键入

  1. export CC=/usr/local/bin/gcc
  2. export CXX=/usr/local/bin/g++

来指定你gcc和g++对应的位置，（这两句话会临时修改当前终端的环境变量/usr/local/bin/gcc对应你自己gcc或者g++所在目录）。

在树莓派上安装
  • 树莓派安装指南
在Windows上安装

虽然本项目官方并不支持Windows，但一些大神们摸索出了在Windows上运行本项目的方法：

  • @masoudr写的教程：如何在Win10系统上安装 dlib库和 face_recognition项目
使用Ubuntu虚拟机镜像文件安装配置虚拟机，本项目已经包含在这个镜像中
  • 如何使用Adam Geitgey大神提供的Ubuntu虚拟机镜像文件安装配置虚拟机，本项目已经包含在镜像中（需要电脑中安装VMWare Player 或者 VirtualBox）

使用方法

命令行界面

当你安装好了本项目，你可以使用两种命令行工具：

  • face_recognition - 在单张图片或一个图片文件夹中认出是谁的脸。
  • face_detection - 在单张图片或一个图片文件夹中定位人脸位置。
face_recognition 命令行工具

face_recognition命令行工具可以在单张图片或一个图片文件夹中认出是谁的脸。

首先，你得有一个你已经知道名字的人脸图片文件夹，一个人一张图，图片的文件名即为对应的人的名字：

known

然后，你需要第二个图片文件夹，文件夹里面是你希望识别的图片：

unknown

然后，你在命令行中切换到这两个文件夹所在路径，然后使用face_recognition命令行，传入这两个图片文件夹，然后就会输出未知图片中人的名字：

  1. $ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/
  3. /unknown_pictures/unknown.jpg,Barack Obama
  4. /face_recognition_test/unknown_pictures/unknown.jpg,unknown_person

输出结果的每一行对应着图片中的一张脸，图片名字和对应人脸识别结果用逗号分开。

如果结果输出了unknown_person，那么代表这张脸没有对应上已知人脸图片文件夹中的任何一个人。

face_detection 命令行工具

face_detection命令行工具可以在单张图片或一个图片文件夹中定位人脸位置（输出像素点坐标）。

在命令行中使用face_detection，传入一个图片文件夹或单张图片文件来进行人脸位置检测：

  1. $ face_detection  ./folder_with_pictures/
  3. examples/image1.jpg,65,215,169,112
  4. examples/image2.jpg,62,394,211,244
  5. examples/image2.jpg,95,941,244,792

输出结果的每一行都对应图片中的一张脸，输出坐标代表着这张脸的上、右、下、左像素点坐标。

调整人脸识别的容错率和敏感度

如果一张脸识别出不止一个结果，那么这意味着他和其他人长的太像了（本项目对于小孩和亚洲人的人脸识别准确率有待提升）。你可以把容错率调低一些，使识别结果更加严格。

通过传入参数 --tolerance 来实现这个功能，默认的容错率是0.6，容错率越低，识别越严格准确。

  1. $ face_recognition --tolerance 0.54 ./pictures_of_people_i_know/ ./unknown_pictures/
  3. /unknown_pictures/unknown.jpg,Barack Obama
  4. /face_recognition_test/unknown_pictures/unknown.jpg,unknown_person

如果你想看人脸匹配的具体数值，可以传入参数 --show-distance true：

  1. $ face_recognition --show-distance true ./pictures_of_people_i_know/ ./unknown_pictures/
  3. /unknown_pictures/unknown.jpg,Barack Obama,0.378542298956785
  4. /face_recognition_test/unknown_pictures/unknown.jpg,unknown_person,None
更多的例子

如果你并不在乎图片的文件名，只想知道文件夹中的图片里有谁，可以用这个管道命令：

  1. $ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/ | cut -d ',' -f2
  3. Barack Obama
  4. unknown_person
加速人脸识别运算

如果你的CPU是多核的，你可以通过并行运算加速人脸识别。例如，如果你的CPU有四个核心，那么你可以通过并行运算提升大概四倍的运算速度。

如果你使用Python3.4或更新的版本，可以传入 --cpus <number_of_cpu_cores_to_use> 参数：

  1. $ face_recognition --cpus 4 ./pictures_of_people_i_know/ ./unknown_pictures/

你可以传入 --cpus -1参数来调用cpu的所有核心。

子豪兄批注：树莓派3B有4个CPU核心，传入多核参数可以显著提升图片识别的速度（亲测）。

Python 模块:face_recognition

在Python中，你可以导入face_recognition模块，调用我们提供的丰富的API接口，用几行代码就可以轻松玩转各种人脸识别功能！

API 接口文档: https://face-recognition.readthedocs.io

在图片中定位人脸的位置
  1. import face_recognition
  3. image = face_recognition.load_image_file("my_picture.jpg")
  4. face_locations = face_recognition.face_locations(image)
  6. # face_locations is now an array listing the co-ordinates of each face!

看 案例：定位拜登的脸

案例：定位拜登的脸

你也可以使用深度学习模型达到更加精准的人脸定位。

注意：这种方法需要GPU加速（通过英伟达显卡的CUDA库驱动），你在编译安装dlib的时候也需要开启CUDA支持。

  1. import face_recognition
  3. image = face_recognition.load_image_file("my_picture.jpg")
  4. face_locations = face_recognition.face_locations(image, model="cnn")
  6. # face_locations is now an array listing the co-ordinates of each face!

看 案例：使用卷积神经网络深度学习模型定位拜登的脸

如果你有很多图片需要识别，同时又有GPU，那么你可以参考这个例子：案例：使用卷积神经网络深度学习模型批量识别图片中的人脸.

识别单张图片中人脸的关键点
  1. import face_recognition
  3. image = face_recognition.load_image_file("my_picture.jpg")
  4. face_landmarks_list = face_recognition.face_landmarks(image)
  6. # face_landmarks_list is now an array with the locations of each facial feature in each face.
  7. # face_landmarks_list[0]['left_eye'] would be the location and outline of the first person's left eye.

看这个案例 案例：提取奥巴马和拜登的面部关键点 案例：提取奥巴马和拜登的面部关键点

识别图片中的人是谁
  1. import face_recognition
  3. picture_of_me = face_recognition.load_image_file("me.jpg")
  4. my_face_encoding = face_recognition.face_encodings(picture_of_me)[0]
  6. # my_face_encoding now contains a universal 'encoding' of my facial features that can be compared to any other picture of a face!
  8. unknown_picture = face_recognition.load_image_file("unknown.jpg")
  9. unknown_face_encoding = face_recognition.face_encodings(unknown_picture)[0]
  11. # Now we can see the two face encodings are of the same person with `compare_faces`!
  13. results = face_recognition.compare_faces([my_face_encoding], unknown_face_encoding)
  15. if results[0] == True:
  16.     print("It's a picture of me!")
  17. else:
  18.     print("It's not a picture of me!")

看这个案例 案例：是奥巴马还是拜登？

Python 案例

所有案例都在这个链接中 也就是examples文件夹.

人脸定位
  • 案例：定位拜登的脸
  • 案例：使用卷积神经网络深度学习模型定位拜登的脸
  • 案例：使用卷积神经网络深度学习模型批量识别图片中的人脸
  • 案例：把来自网络摄像头视频里的人脸高斯模糊（需要安装OpenCV）
人脸关键点识别
  • 案例：提取奥巴马和拜登的面部关键点
  • 案例：给美国副总统拜登涂美妆
人脸识别
  • 案例：是奥巴马还是拜登？
  • 案例：人脸识别之后在原图上画框框并标注姓名
  • 案例：在不同精度上比较两个人脸是否属于一个人
  • 案例：从摄像头获取视频进行人脸识别-较慢版（需要安装OpenCV）
  • 案例：从摄像头获取视频进行人脸识别-较快版（需要安装OpenCV）
  • 案例：从视频文件中识别人脸并把识别结果输出为新的视频文件（需要安装OpenCV）
  • 案例：通过树莓派摄像头进行人脸个数统计及人脸身份识别
  • 案例：通过浏览器HTTP访问网络服务器进行人脸识别（需要安装Flask后端开发框架）)
  • 案例：基于K最近邻KNN分类算法进行人脸识别

关于 face_recognition的文章和教程

  • 本项目作者写的一篇文章

    Modern Face Recognition with Deep Learning

    • 主要内容：基本算法和原理

  • Face recognition with OpenCV, Python, and deep learning

    by Adrian Rosebrock

    • 主要内容：如何实际使用本项目

  • Raspberry Pi Face Recognition

    by Adrian Rosebrock

    • 主要内容：如何在树莓派上使用本项目

  • Face clustering with Python

    by Adrian Rosebrock

    • 主要内容：使用非监督学习算法实现把图片中的人脸高斯模糊

发表评论

表情：
评论列表 （有 0 条评论，97人围观）

还没有评论，来说两句吧...

相关阅读

    相关 Python实时人脸识别/替换

    摄像头中的人脸检测,也是人脸识别的一部分, 摄像头播放的画面本质上是按帧将图片拼凑起来的, 有图片的话,获取图片的中人脸呢再上一篇中我们已经涉及了 想要进行人脸识别, 我们需

    迈不过友情╰迈不过友情╰/ 0 赞/ 67 阅读

    相关 人脸特征检测--基于DLIB库

    　　Dlib是一个C++编写的工具包，它包含了机器学习算法以及一些用来解决现实复杂问题的工具，可以广泛应用于机器人、嵌入式设备、手机，甚至高性能计算中，可以在其官网了解更多。这

    港控/mmm°港控/mmm°/ 0 赞/ 128 阅读

    相关 利用dlib库进行人脸识别

    现如今人脸识别的技术已经十分先进了，识别率很高，dlib也是人脸识别常用的一个库，可以检测出人脸上的68个点，并且进行标注，当我们准备自己的人脸数据时，常常用dlib进行数据提

    小灰灰小灰灰/ 0 赞/ 376 阅读