上一篇中我們實(shí)現(xiàn)了檢測照片中的人臉并標(biāo)出人臉特征點(diǎn)（鼻子，眼睛，眉毛等），這一篇我們將在上一篇的基礎(chǔ)上，進(jìn)一步實(shí)現(xiàn)人臉識別，告訴你照片里的人是誰。

準(zhǔn)備工作

我們的人臉識別基于face_recognition庫。face_recognition基于dlib實(shí)現(xiàn)，用深度學(xué)習(xí)訓(xùn)練數(shù)據(jù)，模型準(zhǔn)確率高達(dá)99.38%。在開始我們的工作前，我們先安裝face_recognition

pip install face_recognition 

人臉數(shù)字化

人臉識別的***步是檢測照片中的人臉區(qū)域，然后將人臉的圖像數(shù)據(jù)轉(zhuǎn)換成一個(gè)長度為128的向量，這128個(gè)數(shù)據(jù)代表了人臉的128個(gè)特征指標(biāo)，如下所示

對于每一張已知人臉，生成這樣的一個(gè)128位的向量。對于一張未知人臉，將它的128位向量和所有已知人臉的128位向量一一比對，找到相似度***的那一個(gè)，即找出了未知人臉對應(yīng)的人。

圖片數(shù)據(jù)

我們準(zhǔn)備了兩張照片，分別是凱特王妃和威廉王子的單人照，分別存成catherine.jpg和william.jpg，這兩張照片中的人臉作為我們的已知人臉

我們的目標(biāo)是在下面的合影中識別出兩人的臉并在圖中標(biāo)出各自的名字。下圖存成unknown.jpg

代碼實(shí)現(xiàn)

接下來開始我們的編程工作

import cv2 
 
import face_recognitionnames = [     
 
    "catherine", 
 
    "william", 
 
] 

首先我們定義了標(biāo)簽集，存在names數(shù)組中。

標(biāo)簽名字也是我們圖片的文件名。

images = [] 
 
for name in names: 
 
    filename = name + ".jpg" 
 
    image = face_recognition.load_image_file(filename)  
 
    images.append(image) 
 
unknown_image = face_recognition.load_image_file("unknown.jpg") 

調(diào)用face_recognition.load_image_file從圖片中讀取數(shù)據(jù)。

這里讀取了包含已知人臉和未知人臉的圖片的數(shù)據(jù)，未知人臉的圖片就是上面的合影圖片unknown.jpg。

face_encodings = [] 
 
for image in images: 
 
    encoding = face_recognition.face_encodings(image)[0]  
 
    face_encodings.append(encoding) 
 
unknown_face_encodings = face_recognition.face_encodings(unknown_image) 

face_recognition.face_encodings會(huì)返回圖片中的所有的人臉的128位向量。單人照片只有一張人臉，所以face_recognition.face_encodings(image)[0]只取***個(gè)元素。合影圖片中包含了2張人臉，所以unknown_face_encodings包含2個(gè)128位向量。

face_locations = face_recognition.face_locations(unknown_image) 
 
for i in range(len(unknown_face_encodings)):     
 
    unknown_encoding = unknown_face_encodings[i]      
 
    face_location = face_locations[i]      
 
    top, right, bottom, left = face_location      
 
    cv2.rectangle(unknown_image, (left, top), (right, bottom), (0, 255, 0), 2)      
 
    results = face_recognition.compare_faces(face_encodings, unknown_encoding)      
 
    for j in range(len(results)):          
 
        if results[j]:              
 
            name = names[j]              
 
            cv2.putText(unknown_image, name, (left-10, top-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) 
 
 
 
unknown_image_rgb = cv2.cvtColor(unknown_image, cv2.COLOR_BGR2RGB) 
 
cv2.imshow("Output", unknown_image_rgb) 
 
cv2.waitKey(0) 

face_locations存了每張臉的位置信息。

在循環(huán)中我們調(diào)用cv2.rectangle框出了檢測到的每張臉。

face_recognition.compare_faces將已知人臉的128位向量和每張未知人臉的128位向量做比較，結(jié)果存入results數(shù)組中。results數(shù)組中的每一個(gè)元素都是True或者False，長度和人臉個(gè)數(shù)相等。results中的每個(gè)元素都和已知人臉一一對應(yīng)，在某一個(gè)位置處的元素為True，表示未知人臉被識別成這張已知人臉。

對識別出來的每張人臉，我們調(diào)用cv2.putText在圖上標(biāo)注標(biāo)簽。

以上是代碼的全部。

測試

令人興奮的時(shí)刻又來到了！ 我們來檢驗(yàn)一下我們的成果。

運(yùn)行上面的程序，可以看到下面的結(jié)果

威廉王子和凱特王妃的人臉都被準(zhǔn)確地識別出來。綠色的框框出了人臉區(qū)域，框的上方標(biāo)注了識別到的人的名字。

至此，我們成功地實(shí)現(xiàn)了人臉識別。 

后續(xù)不定期的更新一些圖像處理方面其他有趣的應(yīng)用，例如摳圖、實(shí)現(xiàn)手繪效果、二維碼識別、驗(yàn)證碼識別，等等。