Python人臉識(shí)別第三方庫(kù)face_recognition接口說(shuō)明文檔
1. 查找圖像中出現(xiàn)的人臉
代碼示例:
#導(dǎo)入face_recognition模塊 import face_recognition #將jpg文件加載到numpy數(shù)組中 image = face_recognition.load_image_file(“your_file.jpg”) #查找圖片中人臉(上下左右)的位置,圖像中可能有多個(gè)人臉 #face_locations的值類(lèi)似[(135,536,198,474),()] Face_locations = face_recognition.face_locations(image); # 使用CNN模型 準(zhǔn)確率高 face_locations = face_recognition.face_locations(image, number_of_times_to_upsample=0, model="cnn") face_locations = face_recognition.face_locations(small_frame, model="cnn")
2. 獲取圖像中人臉的眼睛、鼻子、嘴、下巴、眉毛的位置和輪廓
代碼示例:
import face_recognition image = face_recognition.load_image_file(“your_file.jpg”) #查找圖片中人臉的所有面部特征(眉毛,眼睛,鼻子,上下嘴唇,面部輪廓) #face_landmarks_list是個(gè)二維數(shù)組 face_landmarks_list = face_recognition.face_landmarks(image)
3. 識(shí)別圖像中出現(xiàn)的人臉
import face_recognition known_image = face_recognition.load_image_file(“biden.jpg”) unknown_imag = face_recognition.load_image_file(“unknown.jpg”) #獲取每個(gè)圖像文件中每個(gè)面部的面部編碼 #由于每個(gè)圖像中可能有多個(gè)人臉,所以返回一個(gè)編碼列表。 #但是事先知道每個(gè)圖像只有一個(gè)人臉,每個(gè)圖像中的第一個(gè)編碼,取索引0。 Biden_encoding =face_recognition.face_encodings(known_image)[0] Unknown_encoding=face_recognition.face_encodings(unknown_image)[0] #如果圖像中有多個(gè)人臉 獲取圖像中多個(gè)人臉編碼 face_locations = face_recognition.face_locations(unknow_image) face_encodings = face_recognition.face_encodings(unknown_image, face_locations) #結(jié)果是True/false的數(shù)組,未知面孔known_faces陣列中的任何人相匹配的結(jié)果 #[true, false,false] Results=face_recognition.compare_faces([biden_encoding],unknown_encoding) #結(jié)果是True/false的數(shù)組,未知面孔known_faces陣列中的任何人相匹配的結(jié)果 設(shè)定比對(duì)結(jié)果的閥值 #[true, false,false] match = face_recognition.compare_faces(known_faces, face_encoding, tolerance=0.50)
4.兩個(gè)人臉的相似度
#結(jié)果是小于1的值 例如0.5 0.7等 face_distances = face_recognition.face_distance(known_encodings, image_to_test_encoding) 設(shè)定閥值 05或者0.6等 face_distances < 閥值
更多關(guān)于face_recognition庫(kù)的介紹請(qǐng)查看以下鏈接
- Python基于Opencv來(lái)快速實(shí)現(xiàn)人臉識(shí)別過(guò)程詳解(完整版)
- python實(shí)現(xiàn)人臉識(shí)別代碼
- Python 40行代碼實(shí)現(xiàn)人臉識(shí)別功能
- python實(shí)現(xiàn)人臉識(shí)別經(jīng)典算法(一) 特征臉?lè)?/a>
- python+opencv實(shí)現(xiàn)的簡(jiǎn)單人臉識(shí)別代碼示例
- Python3 利用face_recognition實(shí)現(xiàn)人臉識(shí)別的方法
- python使用opencv進(jìn)行人臉識(shí)別
- 詳解如何用OpenCV + Python 實(shí)現(xiàn)人臉識(shí)別
- Python3利用Dlib19.7實(shí)現(xiàn)攝像頭人臉識(shí)別的方法
- 基于python+opencv調(diào)用電腦攝像頭實(shí)現(xiàn)實(shí)時(shí)人臉眼睛以及微笑識(shí)別
相關(guān)文章
python如何繪制極坐標(biāo)輪廓圖contourf
這篇文章主要介紹了python如何繪制極坐標(biāo)輪廓圖contourf問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-08-08pytorch模型訓(xùn)練的時(shí)候GPU使用率不高的問(wèn)題
這篇文章主要介紹了pytorch模型訓(xùn)練的時(shí)候GPU使用率不高的問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-09-09快速解釋如何使用pandas的inplace參數(shù)的使用
這篇文章主要介紹了快速解釋如何使用pandas的inplace參數(shù)的使用,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-07-07Django如何實(shí)現(xiàn)RBAC權(quán)限管理
這篇文章主要介紹了Django如何實(shí)現(xiàn)RBAC權(quán)限管理問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2022-12-12Pandas數(shù)據(jù)填充的具體實(shí)現(xiàn)
在數(shù)據(jù)分析與預(yù)處理過(guò)程中,臟數(shù)據(jù)幾乎不可避免,本文主要介紹了Pandas數(shù)據(jù)填充的具體實(shí)現(xiàn),也稱(chēng)為缺失值處理,使數(shù)據(jù)清洗工作更加高效,感興趣的可以了解一下2024-07-07如何基于Python和Flask編寫(xiě)Prometheus監(jiān)控
這篇文章主要介紹了如何基于Python和Flask編寫(xiě)Prometheus監(jiān)控,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-11-11解決jupyter運(yùn)行pyqt代碼內(nèi)核重啟的問(wèn)題
這篇文章主要介紹了解決jupyter運(yùn)行pyqt代碼內(nèi)核重啟的問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-04-04