face-recognition多人脸识别实时检测代码实例加精细化讲解
目录
face_locations(img, times_upsample=1, model="hog"):
五.人脸特征编码（将图片中的已知人脸图像编码成128维特征向量）
face_encodings(face_img, known_face_locations=None, num_jitters=1)
compare_faces(known_face_encodings, face_encoding_to_check, tolerance=0.6)
tolerance：容忍度，可调精度，越低越准。！！！！！解决精度问题！（2）计算距离
完整代码（图片自己放）
import cv2
import numpy as np
import face_recognition
name1 = cv2.imread("name1.jpg")
name2 = cv2.imread("name2.jpg")
name1_RGB = name1[:, :, ::-1]
name2_RGB = name2[:, :, ::-1]
name1_face = face_recognition.face_locations(name1_RGB)
name2_face = face_recognition.face_locations(name2_RGB)
name1_encoding = face_recognition.face_encodings(name1_RGB, name1_face)[0]
name2_encoding = face_recognition.face_encodings(name2_RGB, name2_face)[0]
encodings = [name1_encoding, name2_encoding]
names = ["name1", "name2"]
cap = cv2.VideoCapture(0)
if not cap.isOpened():
raise IOError("Camera Error ！！！")
while True:
ret, frame = cap.read()
frame = cv2.resize(frame, (0,0), fx=0.5, fy=0.5)
frame_RGB = frame[:, :, ::-1]
faces_locations = face_recognition.face_locations(frame_RGB)
faces_encodings = face_recognition.face_encodings(frame_RGB, faces_locations)
for (top, right, bottom, left), face_encoding in zip(faces_locations, faces_encodings):
matches = face_recognition.compare_faces(encodings, face_encoding)
distances = face_recognition.face_distance(encodings, face_encoding)
min_distance_index = np.argmin(distances) # 0, 1, 2
name = "Unknown"
if matches[min_distance_index]:
name = names[min_distance_index]
cv2.rectangle(frame, (left, top), (right, bottom), (0,255,0), 3)
cv2.rectangle(frame, (left, bottom - 30),(right, bottom), (0,0,255), 3)
cv2.putText(frame, name, (left+10 , bottom-10), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 255, 255), 1)
cv2.imshow("face recognition", frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()一.导库
import cv2
import numpy as np
import face_recognition二.加图片
name1 = cv2.imread("name1.jpg")
name2 = cv2.imread("name2.jpg")注意：name1.jpg/name2.jpg为自己要加入的图片
路径不要打错，文件名尽量不要用中文（请养成习惯）
路径错误：
OpenCV(4.5.4-dev) D:aopencv-pythonopencv-pythonopencvmodulesimgprocsrccolor.cpp:182: error: (-215:Assertion failed) !_src.empty() in function 'cv::cvtColor'TypeError: 'NoneType' object is not subscriptable
如果你的路径有中文：
python3中opencv读取中文名称的解决办法
import cv2
import numpy
def cv_imread(the_file_path):
img = cv2.imdecode(np.fromfile(the_file_path,dtype=np.uint8),-1)
return img参考：Python 3.x 使用 opencv 无法读取中文路径如何解决？ - 知乎
附加：cv2的python版本中imwrite生成带有中文路径的图片
# python3版本
# imread
path_file = "....."
img = cv2.imdecode(np.fromfile(path_file,dtype=np.uint8),-1)
#imwrite
_path = "....."
cv2.imencode('.jpg',img)[1].tofile(_path)# python 2版本
import cv2
import sys
reload(sys)
sys.setdefaultencoding('u8')
path_file = u"sample"
img = cv2.imread(path_file.decode('u8').encode('gbk'),-1)
参考：请教各位朋友cv2的python版本中imwrite无法生成带有中文路径的图片？ - 知乎
三.BGR 转 RGB
name1_RGB = name1[:, :, ::-1]
name2_RGB = name2[:, :, ::-1]四.检测人脸
name1_face = face_recognition.face_locations(name1_RGB)
name2_face = face_recognition.face_locations(name2_RGB)face_locations：
face_locations(img, times_upsample=1, model="hog"):
img ： 人脸位置的图像矩阵
times_upsample ：查找次数
model ：查找模式（ 'hog' 不精确但是在CPU上运算速度快）（ 'CNN' 是一种深度学习的精确查找，但是速度慢。需要GPU/CUDA加速。慎重选择！）
5.
五.人脸特征编码（将图片中的已知人脸图像编码成128维特征向量）
name1_encoding = face_recognition.face_encodings(name1_RGB, name1_face)[0]
name2_encoding = face_recognition.face_encodings(name2_RGB, name2_face)[0]
face_encodings(face_img, known_face_locations=None, num_jitters=1)
face_img ：人脸位置的图像矩阵
known_face_locations ：指定人脸位置
num_jitters：计算编码时重新采样面的次数。越高越准，但更慢。
六.人脸组成“数据库”
encodings = [name1_encoding, name2_encoding]
names = ["name1", "name2"]七.打开摄像头，读取视频流
cap = cv2.VideoCapture(0)
if not cap.isOpened():
raise IOError("Camera Error ！！！")
while True:
ret, frame = cap.read()
frame = cv2.resize(frame, (0,0), fx=0.5, fy=0.5)cap = cv2.VideoCapture(0)
0——表示打开笔记本的内置摄像头
视频文件路径——打开视频，如cap = cv2.VideoCapture("name.mp4")
ret,frame = cap.read()
cap.read()——按帧读取视频
ret,frame——获cap.read()方法的两个返回值。（ret是布尔值，如果读取帧是正确的则返回True，如果文件读取到结尾，它的返回值就为False）(frame就是每一帧的图像，是个三维矩阵)
1.BGR 传 RGB
frame_RGB = frame[:, :, ::-1]
#请与上方的语句对齐，后方同。注意：OpenCV读取的图片默认是BGR格式
2.人脸检测
faces_locations = face_recognition.face_locations(frame_RGB)3.人脸特征编码
faces_encodings = face_recognition.face_encodings(frame_RGB, faces_locations)4.与数据库中的所有人脸进行匹配
for (top, right, bottom, left), face_encoding in zip(faces_locations, faces_encodings):
循环结构(for-in)
for x in y:
循环体执行流程：x依次表示y中的一个元素，遍历完所有元素循环结束
（1）进行匹配
matches = face_recognition.compare_faces(encodings, face_encoding, tolerance=0.60)compare_faces(known_face_encodings, face_encoding_to_check, tolerance=0.6)
known_face_encodings ：已编码的人脸列表
face_encoding_to_check：要检测的单个人脸
tolerance：容忍度，可调精度，越低越准。！！！！！解决精度问题！
（2）计算距离
distances = face_recognition.face_distance(encodings, face_encoding)
min_distance_index = np.argmin(distances) # 0, 1, 2face_recognition.face_distance(face_encodings, face_to_compare)
给定面部编码列表，将它们与已知的面部编码进行比较，并获得每个比较面部的欧氏距离。距离告诉您脸部的相似程度。
（3）判断：如果匹配，获取名字
name = "Unknown"
if matches[min_distance_index]:
name = names[min_distance_index]（4）绘制人脸矩形框
cv2.rectangle(frame, (left, top), (right, bottom), (0,255,0), 3)cv2.rectangle(image, start_point, end_point, color, thickness)
image:它是要在其上绘制矩形的图像。
start_point：它是矩形的起始坐标。坐标表示为两个值的元组，即(X坐标值，Y坐标值)。
end_point：它是矩形的结束坐标。坐标表示为两个值的元组，即(X坐标值ÿ坐标值)。
color:它是要绘制的矩形的边界线的颜色。
thickness:它是矩形边框线的粗细像素。厚度-1像素将以指定的颜色填充矩形形状。
（5）绘制、显示对应人脸的名字
cv2.rectangle(frame, (left, bottom - 30),(right, bottom), (0,0,255), 3)（6）显示名字
cv2.putText(frame, name, (left+10 , bottom-10), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 255, 255), 1)putText(img, text, org, fontFace, fontScale, color, thickness=None, lineType=None, bottomLeftOrigin=None)
img ：图像
text ：要绘制的文本字符串。
org：文字添加到图片上的位置
fontFace： 字体类型，参见#HersheyFonts
fontScale ：字体大小
color：字体颜色
thickness ：字体粗细
lineType ：行类型。看 #LineTypes
bottomLeftOrigin：为真时，图像数据源在左下角。反之，它就在左上角。
5.显示整个效果
cv2.imshow("face recognition", frame)cv2.imshow(wname,img)
wname：窗口名字
img：图像
6.判断 Q , 退出
if cv2.waitKey(1) & 0xFF == ord('q'):
breakwaitKey（）——方法本身表示等待键盘输入
1——延时1ms切换到下一帧图像（对于视频而言）；
0——只显示当前帧图像，相当于视频暂停,；
参数过大——会因为延时过久而卡顿感觉到卡顿。
八.关闭所有资源
cap.release()
cv2.destroyAllWindows()release()——释放摄像头，调用destroyAllWindows()关闭所有图像窗口。