Face |
您所在的位置：网站首页 › 人脸识别定位找人 › Face |
Face
|
识别单张图片中人脸的关键点
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.
看这个案例 案例：提取奥巴马和拜登的面部关键点
face_landmarks源码中五官对应的点 "chin": points[0:17],"left_eyebrow": points[17:22],"right_eyebrow": points[22:27],"nose_bridge": points[27:31],"nose_tip": points[31:36],"left_eye": points[36:42],"right_eye": points[42:48],"top_lip": points[48:55] + [points[64]] + [points[63]] + [points[62]] + [points[61]] + [points[60]],"bottom_lip": points[54:60] + [points[48]] + [points[60]] + [points[67]] + [points[66]] + [points[65]] + [points[64] top_lip --上嘴唇 face_landmarks_list[0]['top_lip'][0] --points[48] face_landmarks_list[0]['top_lip'][1] --points[49] face_landmarks_list[0]['top_lip'][2] --points[50] face_landmarks_list[0]['top_lip'][3] --points[51] face_landmarks_list3[0]['top_lip'][4] --points[52] face_landmarks_list3[0]['top_lip'][5] --points[53] face_landmarks_list3[0]['top_lip'][6] --points[54] face_landmarks_list3[0]['top_lip'][7] --points[64] face_landmarks_list3[0]['top_lip'][8] --points[63] face_landmarks_list3[0]['top_lip'][9] --points[62] face_landmarks_list3[0]['top_lip'][10] --points[61] face_landmarks_list3[0]['top_lip'][11] --points[60] bottom_lip --下嘴唇 face_landmarks_list[0]['bottom_lip'][0] --points[54] face_landmarks_list[0]['bottom_lip'][1] --points[55] face_landmarks_list[0]['bottom_lip'][2] --points[56] face_landmarks_list[0]['bottom_lip'][3] --points[57] face_landmarks_list[0]['bottom_lip'][4] --points[58] face_landmarks_list[0]['bottom_lip'][5] --points[59] face_landmarks_list[0]['bottom_lip'][6] --points[48] face_landmarks_list[0]['bottom_lip'][7] --points[60] face_landmarks_list[0]['bottom_lip'][8] --points[67] face_landmarks_list[0]['bottom_lip'][9] --points[66] face_landmarks_list[0]['bottom_lip'][10] --points[65] face_landmarks_list[0]['bottom_lip'][11] --points[64]
上图是采用奥巴马一张照片识别五官后 上嘴唇以及下嘴唇 对应点以及对应位置的标注，左眼1-6是返回列表1-6的数值对应的像素位置。 识别图片人物 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!") 看这个案例 案例：是奥巴马还是拜登？ 调整人脸识别的容错率和敏感度 如果一张脸识别出不止一个结果，那么这意味着他和其他人长的太像了（Face_Recognition对于小孩和亚洲人的人脸识别准确率有待提升）。你可以把容错率调低一些，使识别结果更加严格。 通过传入参数 tolerance 来实现这个功能，默认的容错率是0.6，容错率越低，识别越严格准确。 如果想要更准确的识别，可以在计算编码时设定要重新采样的次数，face_encodings传入 num_jitters 来实现，默认0，范围为0-100，越高越准确，但速度越慢，（100就会慢100倍） import face_recognition picture_of_me = face_recognition.load_image_file("me.jpg") my_face_encoding = face_recognition.face_encodings(picture_of_me,num_jitters=100)[0] unknown_picture = face_recognition.load_image_file("unknown.jpg") unknown_face_encoding = face_recognition.face_encodings(unknown_picture,num_jitters=100)[0]# 由于对亚洲人识别率不高tolerance一般设置在0.3-0.38之间可满足大部分需求results = face_recognition.compare_faces([my_face_encoding], unknown_face_encoding,tolerance=0.38) Python 案例 人脸定位 案例：定位拜登的脸 案例：使用卷积神经网络深度学习模型定位拜登的脸 案例：使用卷积神经网络深度学习模型批量识别图片中的人脸 案例：把来自网络摄像头视频里的人脸高斯模糊（需要安装OpenCV）人脸关键点识别 案例：提取奥巴马和拜登的面部关键点 案例：给美国副总统拜登涂美妆人脸识别 案例：是奥巴马还是拜登？ 案例：人脸识别之后在原图上画框框并标注姓名 案例：在不同精度上比较两个人脸是否属于一个人 案例：从摄像头获取视频进行人脸识别-较慢版（需要安装OpenCV） 案例：从摄像头获取视频进行人脸识别-较快版（需要安装OpenCV） 案例：从视频文件中识别人脸并把识别结果输出为新的视频文件（需要安装OpenCV） 案例：通过树莓派摄像头进行人脸个数统计及人脸身份识别 案例：通过浏览器HTTP访问网络服务器进行人脸识别（需要安装Flask后端开发框架）) 案例：基于K最近邻KNN分类算法进行人脸识别参考：https://github.com/ageitgey/face_recognition#face-recognition |
【本文地址】