人臉識(shí)別正在成為軟件開(kāi)發(fā)中的一種趨勢(shì)。它有助于識(shí)別人臉并使應(yīng)用程序更加健壯。在本教程中，我們將使用python和face_recognition庫(kù)創(chuàng)建一個(gè)簡(jiǎn)單的人臉識(shí)別。

對(duì)于開(kāi)發(fā)環(huán)境，我們將使用 Visual Studio Community Edition。

如果你的計(jì)算機(jī)上還沒(méi)有安裝它，你可以從這里下載。并使用 C++安裝桌面開(kāi)發(fā)。

現(xiàn)在我們有了使用 C++ 進(jìn)行桌面開(kāi)發(fā)的 Visual Studio，我們可以開(kāi)始我們的項(xiàng)目了。

使用 Visual Studio 打開(kāi)一個(gè)新目錄并創(chuàng)建一個(gè)新的 python 環(huán)境。我們將使用venv. 打開(kāi)你的集成終端并編寫(xiě)python -m venv venv。然后通過(guò)鍵入venv/bin/Activate.ps1激活環(huán)境。這是針對(duì) PowerShell 的。

如果你使用任何其他終端，你可以在此處找到完整列表

現(xiàn)在我們已經(jīng)完成了虛擬環(huán)境的創(chuàng)建，讓我們開(kāi)始提取我們的依賴(lài)項(xiàng)。為此，我們將需要opencv和face_recognition。在你的終端內(nèi)使用pip.

pip install opencv-python face_recognition

Face Recognition是一個(gè)使用最先進(jìn)的dlib庫(kù)的庫(kù)。我們準(zhǔn)備好編寫(xiě)一些代碼并識(shí)別一些面孔。

創(chuàng)建一個(gè)新的 python 文件，我們將調(diào)用文件missingPerson.py，假設(shè)我們將使用我們的應(yīng)用程序匹配失蹤人員。導(dǎo)入我們的依賴(lài)項(xiàng)并編寫(xiě)我們的前幾行。

import cv2
import numpy as np
import face_recognition
import os
 
from face_recognition.api import face_distance

假設(shè)我們所有的照片都存儲(chǔ)在我們的服務(wù)器存儲(chǔ)中，我們需要首先將所有人物的圖像拉入我們的應(yīng)用程序并讀取這些圖像。

path = 'MissingPersons'
images = []
missingPersons = []
missingPersonsList = os.listdir(path)
 
for missingPerson in missingPersonsList :
    curImg = cv2.imread(f'{path}/{missingPerson}')
    images.append(curImg)
    missingPersons.append(os.path.splitext(missingPerson)[0])
print(missingPersons)

在本節(jié)中，我們將使用 opencv 讀取失蹤人員的所有圖像并將它們附加到我們的missingPerson列表中。

在我們從存儲(chǔ)中讀取所有丟失的人臉圖像后，我們需要找到人臉編碼，以便我們可以使用 CNN 人臉檢測(cè)器在圖像中創(chuàng)建人臉邊界框的二維數(shù)組。

def findEncodings(images):
    encodeList = []
    for img in images:
        img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
        encode = face_recognition.face_encodings(img)[0]
        encodeList.append(encode)
    print(encodeList)
    return encodeList
 
encodeListKnown = findEncodings(images)
print('Encoding Complete')

我們將二維數(shù)組存儲(chǔ)到已知人臉編碼列表中。這將需要幾分鐘。

現(xiàn)在我們有了所有失蹤人員的面部編碼，我們現(xiàn)在要做的就是將它們與我們的報(bào)告人圖像進(jìn)行匹配。face_recognition使用起來(lái)非常方便。

def findMissingPerson(encodeListKnown, reportedPerson='found1.jpg'):
    person = face_recognition.load_image_file(f'ReportedPersons/{reportedPerson}]')
    person = cv2.cvtColor(person,cv2.COLOR_BGR2RGB)
 
    try:
        encodePerson = face_recognition.face_encodings(person)[0]
 
        comparedFace = face_recognition.compare_faces(encodeListKnown,encodePerson)
        faceDis = face_recognition.face_distance(encodeListKnown,encodePerson)
        matchIndex = np.argmin(faceDis)
        if comparedFace[matchIndex]:
            name = missingPersons[matchIndex].upper()
            print(name)
            return name
        else:
          print('Not Found')
          return False
        
    except IndexError as e:
        print(e)
        return e

首先我們需要加載被報(bào)告人的圖像文件，對(duì)他們的臉進(jìn)行編碼。剩下的就是將被報(bào)告人臉編碼與我們已知的人臉編碼進(jìn)行比較。然后一個(gè)簡(jiǎn)單的邏輯匹配他們的索引并返回是否在我們的 missingPersons 列表中找到該人。

這種人臉識(shí)別不僅用于尋找失蹤人員。它可以檢測(cè)和識(shí)別人臉，并且可以根據(jù)需要進(jìn)行操作。

到此這篇關(guān)于利用Python實(shí)現(xiàn)面部識(shí)別的方法詳解的文章就介紹到這了,更多相關(guān)Python面部識(shí)別內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論