[face_recognition中文文檔] 第1節 人臉識別

Face Recognition人臉識別庫

這是世界上最簡單的人臉識別庫了。你能夠經過Python引用或者命令行的形式使用它，來管理和識別人臉。 該軟件包使用dlib中最早進的人臉識別深度學習算法，使得識別準確率在《Labled Faces in the world》測試基準下達到了99.38%。 它同時提供了一個叫face_recognition的命令行工具，以便你能夠用命令行對一個文件夾中的圖片進行識別操做。

特徵

在圖片中識別人臉

找到圖片中全部的人臉：

import face_recognition
image=face_recognition.load_image_file("your_file.jpg")
face_locations=face_recognition.face_locations(image)

找到並操做圖片中的臉部特徵

得到圖片中人類眼睛、鼻子、嘴、下巴的位置和輪廓：

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

找到臉部特徵有不少超級有用的應用場景，固然你也能夠把它用在最顯而易見的功能上：美顏功能 就像美圖秀秀那樣：

鑑定圖片中的臉

識別圖片中的人是誰

import face_recognition
known_image=face_recognition.load_image_file("biden.jpg")
unknown_image=face_recognition.load_image_file("unknown.jpg")
biden_encoding=face_recognition.face_encodings(known_image)[0
]unknown_encoding=face_recognition.face_encodings(unknown_image)[0]
results=face_recognition.compare_faces([biden_encoding],unknown_encoding)

你甚至能夠用這個軟件包作人臉的實時識別：

這裏有一個實時識別的例子

安裝

環境要求:

• Python3.3+或者Python2.7
• MacOS或者Linux（Windows不作支持，可是你能夠試試，也許也能運行）

安裝步驟

在Mac或Linux上安裝

首先，確保你安裝了dlib，以及該軟件的Python綁定接口。若是沒有的話，看這篇安裝說明：

• 如何從macOS或Ubuntu上安裝dlib

而後，使用pip3（Python 2的pip2）從pypi安裝此模塊：

pip3 install face_recognition

若是你安裝遇到問題，能夠試試這個安裝好了的虛擬機

在樹莓派2+上安裝

• 在樹莓派2+上安裝說明

在Windows上安裝

雖然Windows不是官方支持的，可是有熱心網友寫出了一個Windows上的使用指南，請看這裏：

• @ masoudr的Windows 10安裝指南（dlib + face_recognition）

使用已經配置好的虛擬機（支持VMWare和VirtualBox）

• 下載預配置的虛擬機映像（適用於VMware Player或VirtualBox）。

使用方法

命令行界面

若是你已經安裝了face_recognition，那麼你的系統中已經有了一個名爲face_recognition的命令，你可使用它對圖片進行識別，或者對一個文件夾中的全部圖片進行識別。 首先你須要提供一個文件夾，裏面是全部你但願系統認識的人的圖片。其中每一個人一張圖片，圖片以人的名字命名：

接下來，你須要準備另外一個文件夾，裏面是你要識別的圖片：

而後你就能夠運行face_recognition命令了，把剛剛準備的兩個文件夾做爲參數傳入，命令就會返回須要識別的圖片中都出現了誰：

$ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/

/unknown_pictures/unknown.jpg,Barack Obama
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person

輸出中，識別到的每張臉都單獨佔一行，輸出格式爲<圖片名稱>,<人名>。 unknown_person 是一個與你的文件夾的已知人圖像不匹配的人物。

調整公差/靈敏度

若是你正在爲同一我的得到多個比較，那可能就是這樣您的照片中的人看起來很是類似，容差值較低須要使臉部比較更嚴格。 你能夠用--tolerance參數來作到這一點。默認容差值爲0.6，較低的數字使臉部比較更嚴格：

$ face_recognition --tolerance 0.54 ./pictures_of_people_i_know/ ./unknown_pictures/

/unknown_pictures/unknown.jpg,Barack Obama
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person

若是要按順序查看每次計算出的面距要調整公差設置，可使用：--show-distancetrue

$ face_recognition --show-distance true ./pictures_of_people_i_know/ ./unknown_pictures/

/unknown_pictures/unknown.jpg,Barack Obama,0.378542298956785
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person,None

更多例子

若是你只想知道每張照片中的人的名字，但不要關心文件名，你能夠這樣作：

$ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/ | cut -d ',' -f2

Barack Obama
unknown_person

加快人臉識別

若是您有多個CPU內核的電腦，則能夠並行完成臉部識別。例如，若是您的系統有4個CPU內核，您能夠經過使用在相同的時間量內全部的CPU內核並行處理約4倍的圖像。 若是您使用的是Python 3.4或更新版本，請傳入參數：--cpus <number_of_cpu_cores_to_use> parameter:

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

您還能夠傳入使用系統中的全部CPU內核。--cpus-1

Python模塊

你能夠經過導入face_recognition模塊來使用它，使用方式超級簡單，文檔在這裏API文件：

自動找到圖片中全部的臉

import face_recognition

image = face_recognition.load_image_file("my_picture.jpg")
face_locations = face_recognition.face_locations(image)

# face_locations is now an array listing the co-ordinates of each face!

看看這個例子本身實踐一下，試試看。

你還能夠自定義替換人類識別的深度學習模型。

注意：想得到比較好的性能的話，你可能須要GPU加速（使用英偉達的CUDA庫）。因此編譯的時候你也須要開啓dlib的GPU加速選項。

import face_recognition

image = face_recognition.load_image_file("my_picture.jpg")
face_locations = face_recognition.face_locations(image, model="cnn")

# face_locations is now an array listing the co-ordinates of each face!

你也能夠經過這個例子實踐一下，試試看。

若是你有不少圖片和GPU，你也能夠並行快速識別，看這篇文章。

自動識別人臉特徵

import face_recognition

image = face_recognition.load_image_file("my_picture.jpg")
face_landmarks_list = face_recognition.face_landmarks(image)

# face_landmarks_list is now an array with the locations of each facial feature in each face.
# face_landmarks_list[0]['left_eye'] would be the location and outline of the first person's left eye.

試試這個例子，試試看。

識別人臉鑑定是哪一個人

import face_recognition

picture_of_me = face_recognition.load_image_file("me.jpg")
my_face_encoding = face_recognition.face_encodings(picture_of_me)[0]

# my_face_encoding now contains a universal 'encoding' of my facial features that can be compared to any other picture of a face!

unknown_picture = face_recognition.load_image_file("unknown.jpg")
unknown_face_encoding = face_recognition.face_encodings(unknown_picture)[0]

# Now we can see the two face encodings are of the same person with `compare_faces`!

results = face_recognition.compare_faces([my_face_encoding], unknown_face_encoding)

if results[0] == True:
    print("It's a picture of me!")
else:
    print("It's not a picture of me!")

這裏是一個例子，試試看。

Python代碼示例

全部的例子都在這裏。

人臉檢測

• 在照片中找到面孔
• 在照片中找到面孔（使用深度學習）
• 在GPU（使用深度學習）的圖像批量查找面孔

面部特徵

• 識別照片中的特定面部特徵
• 應用（可怕的醜陋）數字化妝

面部識別

• 根據已知人的照片，查找並識別照片中的未知臉部
• 經過數字表面距離比較面部，而不是僅True / False匹配
• 使用您的網絡攝像頭識別實況視頻中的人臉 - 簡單/較慢版本（須要安裝OpenCV）
• 使用您的網絡攝像頭識別實況視頻中的人臉 - 更快的版本（須要安裝OpenCV）
• 識別視頻文件中的面孔並寫出新的視頻文件（須要安裝OpenCV）
• 識別Raspberry Pi w /相機的面孔
• 運行Web服務經過HTTP識別面孔（須要安裝Flask）

人臉識別如何運做

若是你想了解臉部位置和識別如何工做，而不是取決於黑匣子庫，請閱讀個人文章。

注意事項

• 面部識別模型是針對成年人進行培訓的，對兒童的工做效果不佳。它傾向於使用默認比較閾值0.6來混合孩子很容易。

部署到雲端主機（Heroku，AWS等）

因爲face_recognition取決於使用dlibC ++編寫的內容，將其用於雲端託管服務商，如Heroku或AWS 部署應用程序可能很棘手。 爲了使事情更容易，這個repo中有一個Dockerfile示例，顯示如何在Docker容器中運行一個構建的應用程序face_recognition。所以，您應該能夠部署支持Docker圖像的任何服務。

常見問題

問題：使用face_recognition或運行示例時出現 Illegal instruction(coredumped)

解決方案：dlib使用SSE4或AVX進行編譯，但您的CPU太舊，不支持。 您須要更改dlib代碼後從新編譯這裏概述代碼更改。

問題：運行攝像頭示例時出現RuntimeError: Unsupported image type, must be 8bit gray or RGB image.

解決方案：您的網絡攝像機可能未正確使用OpenCV設置。在這裏尋找更多幫助。 問題：運行pip2 install face_recognition時出現MemoryError

解決方案：face_recognition_models文件對於可用的緩存內存來講太大了。嘗試使用如下方法pip2 --no-cache-dir install face_recognition來儘可能避免這個問題。

問題：AttributeError: 'module' object has no attribute 'face_recognition_model_v1'

解決方案：dlib您安裝的版本太舊了。您須要19.7或更新版本。升級dlib。

問題：AttributeError: 'Module' object has no attribute 'cnn_face_detection_model_v1'

解決方案：dlib您安裝的版本太舊了。您須要19.7或更新版本。升級dlib。

問題：TypeError: imread() got an unexpected keyword argument 'mode'

解決方案：scipy您安裝的版本太舊了。您須要版本0.17或更新版本。升級scipy。

謝謝

• 很是感謝戴維斯·金（@nulhom）建立dlib並提供訓練有素的面部特徵檢測和此庫中使用的臉部編碼模型。有關ResNet上有關面部編碼的更多信息，請查看他的博文。
• 感謝全部在Python數據科學圖書館工做的全部人，如data，scipy，scikit-image，pillow等，使得這種東西在Python中如此簡單而有趣。
• 感謝Cookiecutter和audreyr / cookiecutter-pypackage項目模板，使Python項目打包方式更有效率。