基于Python与命令行人脸识别项目（系列一）

Face Recognition 人脸识别

摘要：本项目face_recognition是一个强大、简单、易上手的人脸识别开源项目，并且配备了完整的开发文档和应用案例，方便大家使用。对于本项目可以使用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（比如下例子鞠婧祎图片就未能识别出来）。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。

环境配置：我是用的以下配置：（1）Linux系列参品中ubuntu最新版本20版本（以下是ubuntu默认桌面）（2）由于ubuntu自带python3.8，故python不用安装【注意：我没有尝试在windows系统跑这个项目,但是也许能用】

windows操作系统实现方法:（1）第一步，安装dlib和相关Python依赖（不知道的可以参考网上博客，这里不再赘述）（2）然后打开终端（ctrl+alt+t）输入pip3 install face_recognition

使用方法：

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（比如我这是knowe_people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（如下：其中绿色是我主机根目录，用命令符cd  ~/图片/knowe_people切换到该目录下）

• 

  接着使用face_recognition命令行，传入这两个图片文件夹，最后就会输出未知图片中人的名字：(face_recognition ~/图片/knowe_people ~/图片/unknowe_people/)

• 

  可以看到该；人脸识别系统可以判断输出未知图像3是鞠婧祎，图片二是特朗普这个b（开个玩笑哈哈),然而图像一确未能识别出来，虽然她是鞠婧祎。这个是系统不足之处，对小孩和亚洲人脸的识别准确率尚待提升。

  该系统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no_persons_found，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：

• 

• 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。

• 

• 可以发现，降低容错率后，第二章图片发生明显变化，系统不能确定是否是特朗普了，因为 ~/图片/knowe_people 文件夹和~/图片/unknowe_people/照片像素相差太大（如下图一和二）。

• 
• 

• 如果你想看人脸匹配的具体数值，可以传入参数 --show-distance true：（该容错率默认0.6）

• 

• 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：

• 
  

  可以发现，未知图片文件夹中只有特朗普和鞠婧祎。

• 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 <number_of_cpu_cores_to_use> 参数：

  $ face_recognition --cpus 4

  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 <number_of_cpu_cores_to_use> 参数：

  $ face_recognition --cpus 4 ~/图片/knowe_people ~/图片/unknowe_people/

  你可以传入 --cpus -1参数来调用cpu的所有核心。

  

• 今天就到这了，更多内容请看系统2——https://www.cnblogs.com/cy0628/p/13883511.html