Python 基于 dlib 的实时人脸识别 |
您所在的位置:网站首页 › 英特尔高斯和神经加速器驱动程序一样吗 › Python 基于 dlib 的实时人脸识别 |
本项目是世界上最简洁的人脸识别库,你可以使用Python和命令行工具提取、识别、操作人脸。 本项目的人脸识别是基于业内领先的C++开源库 dlib中的深度学习模型,用Labeled Faces in the Wild人脸数据集进行测试,有高达99.38%的准确率。但对小孩和亚洲人脸的识别准确率尚待提升。 Labeled Faces in the Wild是美国麻省大学安姆斯特分校(University of Massachusetts Amherst)制作的人脸数据集,该数据集包含了从网络收集的13,000多张面部图像。 本项目提供了简易的face_recognition命令行工具,你可以用它处理整个文件夹里的图片。 源码下载地址源码下载地址:https://download.csdn.net/download/yujun2023/87904725 特性 从图片里找到人脸定位图片中的所有人脸: 识别人脸关键点,包括眼睛、鼻子、嘴和下巴。 识别人脸关键点在很多领域都有用处,但同样你也可以把这个功能玩坏,比如本项目的 digital make-up自动化妆案例(就像美图秀秀一样)。 你也可以配合其它的Python库(比如opencv)实现实时人脸检测: 看这个案例 实时人脸检测 。 安装 环境配置 Python 3.3+ or Python 2.7macOS or LinuxWindows并不是我们官方支持的,但也许也能用 不同操作系统的安装方法 在 Mac 或者 Linux上安装本项目First, make sure you have dlib already installed with Python bindings: 第一步,安装dlib和相关Python依赖: 如何在macOS或者Ubuntu上安装dlibThen, install this module from pypi using pip3 (or pip2 for Python 2): pip3 install face_recognition如果你遇到了幺蛾子,可以用Ubuntu虚拟机安装本项目,看下面这个教程。 如何使用Adam Geitgey大神提供的Ubuntu虚拟机镜像文件安装配置虚拟机,本项目已经包含在镜像中. 在 Mac 或者 Linux上安装本项目 2修改你的pip镜像源为清华镜像,然后使用pip install face_recognition,可以自动帮你安装各种依赖,包括dlib。只是在安装dlib的时候可能会出问题,因为dlib需要编译,出现的问题一般是gcc或者g++版本的问题,所以在pip install face_recognition之前,可以通过在命令行键入 export CC=/usr/local/bin/gcc export CXX=/usr/local/bin/g++来指定你gcc和g++对应的位置,(这两句话会临时修改当前终端的环境变量/usr/local/bin/gcc对应你自己gcc或者g++所在目录)。 在树莓派上安装 树莓派安装指南 在Windows上安装虽然本项目官方并不支持Windows,但一些大神们摸索出了在Windows上运行本项目的方法: @masoudr写的教程:如何在Win10系统上安装 dlib库和 face_recognition项目 使用Ubuntu虚拟机镜像文件安装配置虚拟机,本项目已经包含在这个镜像中 如何使用Adam Geitgey大神提供的Ubuntu虚拟机镜像文件安装配置虚拟机,本项目已经包含在镜像中(需要电脑中安装VMWare Player 或者 VirtualBox) 使用方法 命令行界面当你安装好了本项目,你可以使用两种命令行工具: face_recognition - 在单张图片或一个图片文件夹中认出是谁的脸。face_detection - 在单张图片或一个图片文件夹中定位人脸位置。 face_recognition 命令行工具face_recognition命令行工具可以在单张图片或一个图片文件夹中认出是谁的脸。 首先,你得有一个你已经知道名字的人脸图片文件夹,一个人一张图,图片的文件名即为对应的人的名字: 然后,你需要第二个图片文件夹,文件夹里面是你希望识别的图片: 然后,你在命令行中切换到这两个文件夹所在路径,然后使用face_recognition命令行,传入这两个图片文件夹,然后就会输出未知图片中人的名字: $ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/ /unknown_pictures/unknown.jpg,Barack Obama /face_recognition_test/unknown_pictures/unknown.jpg,unknown_person输出结果的每一行对应着图片中的一张脸,图片名字和对应人脸识别结果用逗号分开。 如果结果输出了unknown_person,那么代表这张脸没有对应上已知人脸图片文件夹中的任何一个人。 face_detection 命令行工具face_detection命令行工具可以在单张图片或一个图片文件夹中定位人脸位置(输出像素点坐标)。 在命令行中使用face_detection,传入一个图片文件夹或单张图片文件来进行人脸位置检测: $ face_detection ./folder_with_pictures/ examples/image1.jpg,65,215,169,112 examples/image2.jpg,62,394,211,244 examples/image2.jpg,95,941,244,792输出结果的每一行都对应图片中的一张脸,输出坐标代表着这张脸的上、右、下、左像素点坐标。 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(本项目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。 $ 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如果你想看人脸匹配的具体数值,可以传入参数 --show-distance true: $ 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 更多的例子如果你并不在乎图片的文件名,只想知道文件夹中的图片里有谁,可以用这个管道命令: $ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/ | cut -d ',' -f2 Barack Obama unknown_person 加速人脸识别运算如果你的CPU是多核的,你可以通过并行运算加速人脸识别。例如,如果你的CPU有四个核心,那么你可以通过并行运算提升大概四倍的运算速度。 如果你使用Python3.4或更新的版本,可以传入 --cpus 参数: $ face_recognition --cpus 4 ./pictures_of_people_i_know/ ./unknown_pictures/你可以传入 --cpus -1参数来调用cpu的所有核心。 子豪兄批注:树莓派3B有4个CPU核心,传入多核参数可以显著提升图片识别的速度(亲测)。 Python 模块:face_recognition在Python中,你可以导入face_recognition模块,调用我们提供的丰富的API接口,用几行代码就可以轻松玩转各种人脸识别功能! API 接口文档: https://face-recognition.readthedocs.io 在图片中定位人脸的位置 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 案例:定位拜登的脸 你也可以使用深度学习模型达到更加精准的人脸定位。 注意:这种方法需要GPU加速(通过英伟达显卡的CUDA库驱动),你在编译安装dlib的时候也需要开启CUDA支持。 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!看 案例:使用卷积神经网络深度学习模型定位拜登的脸 如果你有很多图片需要识别,同时又有GPU,那么你可以参考这个例子: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. 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 看这个案例 案例:是奥巴马还是拜登? Python 案例所有案例都在这个链接中 也就是examples文件夹. 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 关于 face_recognition的文章和教程本项目作者写的一篇文章 Modern Face Recognition with Deep Learning 主要内容:基本算法和原理Face recognition with OpenCV, Python, and deep learning by Adrian Rosebrock 主要内容:如何实际使用本项目Raspberry Pi Face Recognition by Adrian Rosebrock 主要内容:如何在树莓派上使用本项目Face clustering with Python by Adrian Rosebrock 主要内容:使用非监督学习算法实现把图片中的人脸高斯模糊 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |