使用Python进行面部识别-600学习网

600学习网终身会员188，所有资源无秘无压缩-购买会员

人脸识别正成为软件开发的一个趋势。它有助于识别人脸，并使应用程序更加健壮。在本教程中，我们将使用Python和face_recognition库创建一个简单的人脸识别。

对于开发环境，我们将使用Visual Studio社区版。

现在我们有了使用C++进行桌面开发的Visual Studio，我们可以开始我们的项目了。

使用Visual Studio打开新目录并创建新的python环境。我们将使用venv。打开集成终端并编写pythonmvenv-venv。然后输入venv/bin/activate.ps1激活环境。这是PowerShell的。

现在我们已经完成了虚拟环境的创建，让我们开始提取依赖项。为此，我们需要opencv和face_recognition。在终端中使用pip

pip安装opencv－python人脸识别

人脸识别是一个使用最高级dlib库的库。我们已经准备好编写一些代码并识别一些人脸。

为了创建一个新的python文件，我们将调用文件missingPerson.py，假设我们将使用我们的应用程序来匹配丢失的人。导入我们的依赖项并编写前几行。

导入cv2

将numpy导入为np

导入人脸识别

导入操作系统

from face＿recognition.api导入face＿distance

假设我们所有的照片都存储在我们的服务器存储中，我们需要首先将所有人的图像放入我们的应用程序并读取它们。

路径＝”失踪人员”

图像＝〔〕

失踪人员＝〔〕

missingPersonsList＝os.listdir(路径)

对于missingPersonsList中的missingPerson：

curImg＝cv2.imread(f’｛path｝／｛missing Person｝’)

images.append(curImg)

missingPersons.append(os.path.splitext(missingPerson)[0])

打印(缺少人员)

在本节中，我们将使用opencv读取所有失踪人员的图像，并将其附加到我们的失踪人员列表中。

在我们从存储器中读取所有丢失的面部图像后，我们需要找到面部代码，以便我们可以使用CNN面部检测器在图像中创建面部边界框的二维阵列。

def find编码(图像)：

encodeList＝〔〕

对于图像中的img：

img＝cv2.cvt颜涩(img，cv2.COLOR_BGR2RGB)

encode＝人脸识别。人脸编码(img)[0]

encodeList.append(编码)

打印(编码列表)

返回encodeList

encodeListKnown＝findEncodings(图像)

打印(“编码完成”)

我们将二维数组存储在已知人脸代码列表中。这将需要几分钟。

现在我们已经掌握了所有失踪人员的面部代码，我们现在需要做的是将他们与记者的图像进行匹配。Face_rerecognition使用起来非常方便。

def findMissingPerson(encodeListKnown，reportedPerson＝’found1.jpg’)：

person＝人脸识别加载图像文件(f’Reported Persons／｛reported person｝)

person＝cv2.cvtColor(person，cv2.COLOR_BGR2RGB)

尝试：

encodePerson＝人脸识别。人脸编码(人)[0]

comparedFace＝面部识别。比较面部(encodeListKnown，encodePerson)

faceDis＝面部识别。面部距离(encodeListKnown，encodePerson)

匹配索引＝np.argmin(面Dis)

如果comparedFace[matchIndex]：

name＝失踪人员[matchIndex].upper()

打印(姓名)

返回名称

否则：

打印(“未找到”)

return False

除了IndexError为e:

打印(e)

返回e

首先，我们需要加载被报告人的图像文件并对他们的脸进行编码。剩下的是将报告的面部编码与已知的面部编码进行比较。然后，一个简单的逻辑匹配他们的索引，并返回该人是否在我们的失踪人员列表中找到。

这种人脸识别不仅用于寻找失踪人员。它可以检测和识别人脸，并且可以根据需要进行操作。