face_recognition

Windows系统环境下安装

默认环境:anaconda的python3.7版本,win10环境

第一步:安装dlib

  1. 从网络上下载:
http://dlib.net/ 或者 https://github.com/davisking/dlib
  1. 下载完成后解压

  2. 编译:打开终端,是使用anaconda的python环境定位到dlib文件夹,使用 pyhton setup.py install 安装文件。

  3. 在安装过程遇到的问题:

    1. 找不到cmake的问题

      官网下载安装包:[https://cmake.org/download/]

      下载完成之后,解压缩,然后将cmake的bin文件夹添加在系统环境路径中。

  4. 从新使用 pyhton setup.py install 安装文件。

第二步:安装face_recognition

使用 pip install face_recognition 安装即可。

用法

  1. 导入face_recognition
import face_recognition
  1. 加载图像

图像加载到一个 numpy 数组中

image = face_recognition.load_image_file("your_file.jpg")
  1. 对图片进行操作

batch_face_locations

使用 cnn 人脸检测器返回图像中人脸边界框的二维数组 ,使用GPU批量处理图像

face_recognition.api.batch_face_locations(images, number_of_times_to_upsample=1, batch_size=128)

参数:

  • images:图像列表
  • number_of_times_to_upsample: 在图像上寻找人脸的次数 , 数字越大,查找精细
  • batch_size: 每个 GPU 处理批次中包含多少图像

返回:

​ 以 css(上、右、下、左)顺序找到的人脸位置的元组列表

compare_faces

面部编码列表与候选编码进行比较,看看它们是否匹配。

face_recognition.api.compare_faces(known_face_encodings, face_encoding_to_check, tolerance=0.6)

参数:

  • known_face_encodings: 已知人脸编码列表
  • face_encoding_to_check: 要与列表进行比较的单个人脸编码
  • tolerance: 人脸之间的距离多少才算是匹配。越低越严格。0.6 是典型的最佳性能

返回:

​ True/False 值列表

face_distance

给定一个人脸编码列表,将它们与已知的人脸编码进行比较,并获得每个比较人脸的欧几里德距离。距离告诉您面孔的相似程度。

face_recognition.api.face_distance( face_encodings , face_to_compare )

参数:

​ face_encodings: 要比较的人脸编码列表

​ face_to_compare: 要比较的人脸编码

返回:

​ 一个 numpy ndarray,每个面的距离与 'faces' 数组的顺序相同

face_encodings

给定一个图像,返回图像中每个人脸的 128 维人脸编码。

face_recognition.api.face_encodings( face_image , known_face_locations=None , num_jitters=1 , model='small' )

参数:

​ face_image: 包含一张或多张人脸的图像

​ known_face_locations: 可选 - 已经知道每个人脸的边界框。

​ num_jitters: 计算编码时对人脸重新采样的次数。更高更准确,但更慢(即 100 慢 100 倍)

​ model: 可选 - 要使用的模型。“ large ”或“ small ”(默认)仅返回 5 个点,但速度更快。

返回:

​ 128 维人脸编码列表(图像中的每个人脸编码一个)

face_landmarks

给定一个图像,返回图像中每个人脸特征位置(眼睛、鼻子等)的字典

face_recognition.api.face_landmarks( face_image , face_locations=None , model='large' )

参数:

​ face_image: 要搜索的图像

​ face_locations: 可选择提供要检查的人脸位置列表。

​ model: 可选 - 要使用的模型。“large ”(默认)或“small”仅返回 5 个点但速度更快。

返回:

​ 面部特征位置(眼睛、鼻子等)的字典列表

face_locations

返回图像中人脸的边界框数组

face_recognition.api.face_locations( img , number_of_times_to_upsample=1 , model='hog' )

参数:

​ img: 图像(作为 numpy 数组)

​ number_of_times_to_upsample:在图像上寻找人脸的次数。较高的数字会发现较小的面孔。

​ model: 要使用的人脸检测模型。“hog”在 CPU 上不太准确但速度更快。“cnn”是一种更准确的深度学习模型,它经过 GPU/CUDA 加速(如果可用)。 默认为“hog”

返回:

​ 以 css(上、右、下、左)顺序找到的人脸位置的元组列表

load_image_file

将图像文件(.jpg、.png 等)加载到 numpy 数组中

face_recognition.api.load_image_file(file,model='RGB')

参数:

​ file: 要加载的图像文件名或文件对象

​ model: 将图像转换为的格式。仅支持“RGB”(8 位 RGB,3 通道)和“L”(黑白)。

返回:

​ 图像内容作为 numpy 数组

人脸识别库 face_recognition的更多相关文章

  1. 人脸识别-关于face_recognition库的安装

    首先十分感谢博客https://blog.csdn.net/scc_722/article/details/80613933,经历过很多尝试(快要醉了),终于看了这篇博客后安装成功. face_rec ...

  2. face_recognition开源人脸识别库:离线识别率高达99.38%

    基于Python的开源人脸识别库:离线识别率高达99.38%——新开源的用了一下感受一下 原创 2017年07月28日 21:25:28 标签: 人脸识别 / 人脸自动定位 / 人脸识别开源库 / f ...

  3. Python的开源人脸识别库:离线识别率高达99.38%

    Python的开源人脸识别库:离线识别率高达99.38%   github源码:https://github.com/ageitgey/face_recognition#face-recognitio ...

  4. Python的开源人脸识别库:离线识别率高达99.38%(附源码)

    Python的开源人脸识别库:离线识别率高达99.38%(附源码) 转https://cloud.tencent.com/developer/article/1359073   11.11 智慧上云 ...

  5. Github开源人脸识别项目face_recognition

    Github开源人脸识别项目face_recognition 原文:https://www.jianshu.com/p/0b37452be63e 译者注: 本项目face_recognition是一个 ...

  6. [深度学习工具]·极简安装Dlib人脸识别库

    [深度学习工具]·极简安装Dlib人脸识别库 Dlib介绍 Dlib是一个现代化的C ++工具箱,其中包含用于在C ++中创建复杂软件以解决实际问题的机器学习算法和工具.它广泛应用于工业界和学术界,包 ...

  7. C# 人脸识别库

    .NET 人脸识别库 ViewFaceCore 这是基于 SeetaFace6 人脸识别开发的 .NET 平台下的人脸识别库这是一个使用超简单的人脸识别库这是一个基于 .NET Standard 2. ...

  8. C# 人脸识别库 0.2

    ViewFaceCore 0.2 超简单的 C# 人脸识别库 前言: 首先谢谢大家对这个库的关注,前一篇博文得到了大家的 支持 和 Star,十分开心.本想尽快实现大家的期待的活体检测功能,但是前段时 ...

  9. 基于Python的开源人脸识别库:离线识别率高达99.38%

    项目地址:https://github.com/ageitgey/face_recognition#face-recognition 本文的模型使用了C++工具箱dlib基于深度学习的最新人脸识别方法 ...

随机推荐

  1. java的原子类到底是啥?ABA,CAS又是些什么?

    1)解决并发不是用锁就能解决吗,那SDK干嘛还要搞个原子类出来? 锁虽然能解决,但是加锁解锁始终还是对性能是有影响的,并且使用不当可能会造成死锁之类的问题. 2)原子类是怎样使用的,比如说我要实现一个 ...

  2. pydev+eclipse写python代码

    首先,下载pydev:PyDev for Eclipse - Browse /pydev at SourceForge.net (建议下载到本地,之前看其他文章时,进行了如下安装: 启动 Eclips ...

  3. JavaScript操作checkbox复选框

    运行效果: 源代码: 1 <!DOCTYPE html> 2 <html lang="zh"> 3 <head> 4 <meta char ...

  4. 谈谈我认识的js原型

    众所周知,JavaScript中是没有传统类的概念的,js通过原型链的方式实现继承.原型是js学习中的一大重点知识,在ES6出来之前,因为js不像php.java一样拥有类的写法,所以继承方式也就不像 ...

  5. openlayers离线瓦片地图开发

    近期业务繁忙...待更新

  6. 企业应用架构研究系列二十七:Vue3.0 之环境的搭建与Vue Antd Admin探索

    开发前端需要准备一些开发工具,这些工具怎么安装就不详细描写了,度娘一些很多很多.主要把核心的开发工具列表一些,这些资源也是非常容易找到和安装的. Node 安装:https://nodejs.org/ ...

  7. pta L2-002 链表去重 +散列表知识小普及+二进制取反补码运算

    题目链接:https://pintia.cn/problem-sets/994805046380707840/problems/994805072641245184: 废话:今天忙着学习新知识了,没怎 ...

  8. 【虚拟机】VMware-Ubuntu-安装与卸载

    VMware-Ubuntu 一.Ubuntu虚拟机安装 1.安装Ubuntu镜像 下载Ubuntu镜像文件,下载地址:http://www.ubuntu.com,点击download 下一步,到如下页 ...

  9. 24张图攻克border-image

    大家好,我是半夏,一个刚刚开始写文的沙雕程序员.如果喜欢我的文章,可以关注 点赞 加我微信:frontendpicker,一起学习交流前端,成为更优秀的工程师-关注公众号:搞前端的半夏,了解更多前端知 ...

  10. Nginx作为高性能服务器的缘由以及请求过程

    Nginx作为高性能服务器的缘由以及请求过程 简介: Nginxx采用的是多进程(单线程)&多路IO复用模型,使用I/O多路复用技术的Nginx,就成了"并发事件驱动"的服 ...