關於dlib人臉對比，人臉識別

1. 人臉檢測

2. 人臉特徵點提取

3. 人臉對比，等於兩張人臉對比，識別

封裝的全部識別函數，直接看下面調用就行了。

# coding:utf-8
'''
本本次封裝，我主要是作兩張人臉對比。
就只人臉識別部分，簡單應用。
# 調用注意事項，由於模型底層是外國人寫的。因此路徑圖片名字千萬別使用中文，這樣它直接找不到
    好像是OpenCV的問題吧，一直沒有解決。中文他會亂碼。真的坑。
'''

import dlib
import cv2
import glob
import numpy as np

class face_recognition:
    '''
    模型路徑
    predictor_path = "./face_model/shape_predictor_68_face_landmarks.dat"
    face_rec_model_path = "./face_model/dlib_face_recognition_resnet_model_v1.dat"

    # 調用注意事項，由於模型底層是外國人寫的。因此路徑圖片名字千萬別使用中文，這樣它直接找不到
    好像是OpenCV的問題吧，一直沒有解決。中文他會亂碼。真的坑。
    '''

    def __init__(self,predictor_path,face_rec_model_path):
        self.predictor_path = predictor_path
        self.face_rec_model_path = face_rec_model_path
        self.detector = dlib.get_frontal_face_detector()
        self.shape_predictor = dlib.shape_predictor(self.predictor_path)
        self.face_rec_model = dlib.face_recognition_model_v1(self.face_rec_model_path)

    def face_detection(self,url_img_1,url_img_2):
        img_path_list = [url_img_1,url_img_2]
        dist = []
        for img_path in img_path_list:
            img = cv2.imread(img_path)
            # 轉換rgb順序的顏色。
            b, g, r = cv2.split(img)
            img2 = cv2.merge([r, g, b])
            # 檢測人臉
            faces = self.detector(img, 1)
            if len(faces):
                for index, face in enumerate(faces):
                    # # 提取68個特徵點
                    shape = self.shape_predictor(img2, face)
                    # 計算人臉的128維的向量
                    face_descriptor = self.face_rec_model.compute_face_descriptor(img2, shape)

                    dist.append(list(face_descriptor))
            else:
                pass
        return dist

    # 歐式距離
    def dist_o(self,dist_1,dist_2):
        dis = np.sqrt(sum((np.array(dist_1)-np.array(dist_2))**2))
        return dis

    def score(self,url_img_1,url_img_2):
        url_img_1 = glob.glob(url_img_1)[0]
        url_img_2 = glob.glob(url_img_2)[0]
        data = self.face_detection(url_img_1,url_img_2)
        goal = self.dist_o(data[0],data[1])
        # 判斷結果，若是goal小於0.6的話是同一我的，不然不是。我所用的是歐式距離判別
        return 1-goal

調用封裝識別函數進行，判別

# 調用 模型下載地址：http://dlib.net/files/
predictor_path = "./face_model/shape_predictor_68_face_landmarks.dat"
face_rec_model_path = "./face_model/dlib_face_recognition_resnet_model_v1.dat"
face_ = face_recognition(predictor_path,face_rec_model_path)
# img_1 = './faces/User.1.4.jpg'
# img_2 = './faces/User.1.46.jpg'
img_1 = './faces/fan.jpg'
img_2 = './faces/fan_2.jpg'
goal = face_.score(img_1,img_2)
print(goal)

 

 

這兩張圖片的距離爲0.32左右，可是隻要距離小於0.6就屬於同一我的，因此對比結果仍是比較好的。