Python-Dlib人脸识别

Python-Dlib人脸识别

　　前言：基于dlib实现人脸识别功能。Anaconda是基于Windows和Linux -X86系统，Miniforge是基于ARM

一、环境

　　windows/linux+python（Anaconda/Miniforge）+cmake+dlib

二、安装过程

　　1、windows

　　1）基于Anaconda安装Python

　　2）python导入dlib模块

　　2、Linux

　　1）基于Miniforge安装Pytho　　

　　2）python导入dlib/numpy模块

三、代码　

# -*- coding: utf-8 -*-
# @Time : 2020/9/10 10:16
# @Author : ZhaoYang
# @FileName: face_demo.py
# @Email : zhaoyang@ifreegroup.com
# @Software: PyCharm

"""
从图片中获取人脸并进行人脸识别检测
"""

import glob                # 文件操作模块
import os                # 操作系统功能接口函数
import dlib                # 人脸识别库
import numpy as np        # 数据处理库


# 声明descriptors，用于存放已知图片对应的人脸特征向量
descriptors = []

# 声明names，用于存放于人脸特征向量对应的名字。
names = ["HuGe", "SongJia", "StefanieSun", "ZhaoYang"]

# 正向人脸检测器将图像
detector = dlib.get_frontal_face_detector()

# Dlib 人脸特征点识别模型
predictor = dlib.shape_predictor(r"G:face_testshape_predictor_68_face_landmarks.dat")

# Dlib 人脸识别模型
face_rec = dlib.face_recognition_model_v1(r"G:face_testdlib_face_recognition_resnet_model_v1.dat")


# 遍历image_file_path目录下所有.jpg文件
def logging_data(image_file_data_path: str):
    for image in glob.glob(os.path.join(image_file_data_path, "*.jpg")):
        img = dlib.load_rgb_image(image)
        # 1.人脸检测
        dets = detector(img, 1)

        for k, d in enumerate(dets):
            # 2.关键点检测
            shape = predictor(img, d)
            # 3.计算特征值向量（人脸描述符）
            descriptor = face_rec.compute_face_descriptor(img, shape)
            # 转换numpy数组
            v = np.array(descriptor)
            descriptors.append(v)


# 单张人脸识别检测（图片路径）
def face_alone(file_path: str):
    print("单张人脸识别检测================================================================================================")
    face_name = face_common(file_path)
    print(face_name)
    return face_name


# 图片集人脸识别检测（图片集路径）
def face_all(image_file_path):
    print("图片集人脸识别检测==============================================================================================")
    face_list = []
    for f in glob.glob(os.path.join(image_file_path, "*.jpg")):
        face_name = face_common(f)
        face_list.append(face_name)
    print(face_list)
    return face_list


# 公共人脸识别检测接口
def face_common(file_path: str):
    img = dlib.load_rgb_image(file_path)
    # 使用 detector 检测器来检测图像中的人脸
    dets = detector(img, 1)
    for k, d in enumerate(dets):
        # 获取人脸特征点
        shape = predictor(img, d)
        # 计算特征值向量
        face_descriptor = face_rec.compute_face_descriptor(img, shape)
        # 将当前待判断的图片特征向量转化为 current
        current = np.array(face_descriptor)
        # 计算欧式距离，识别人脸
        # 设置阈值
        tolerance = 0.4
        # 设置该图片名字初值为：Unknow
        current_name = "Unknow name"
        # 遍历已存放的图片特征值descriptor[]
        for i in range(len(descriptors)):
            # 计算欧式距离
            distance = np.linalg.norm(descriptors[i] - current)
            # 对欧式距离进行判断
            if distance < tolerance:
                current_name = names[i]
                return current_name
                break


# 测试
logging_data(r"G:face_test4-test")
face_alone(r"G:face_test5-test3.jpg")
face_all(r"G:face_test5-test")

 四、下载地址

　　注意：模块版本与Python版本的差异

　　1、dlib　

　　链接：https://pan.baidu.com/s/16yE56YgakaA2QuNeVPg1TA
　　提取码：2cuy

　　官网：http://dlib.net/files/

　　2、numpy　　

　　链接：https://pan.baidu.com/s/1kYoCP_vP-5DeNB3T_ynjpw
　　提取码：zekd

　　官网：https://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy

　　3、cmake

　　链接：https://pan.baidu.com/s/1P9Ic8byYhHOs1hkYtvNocQ
　　提取码：l26v

　　官网：

　　4、人脸特征点识别模型　

　　链接：https://pan.baidu.com/s/1G5CZBuumTfkftCmuKyj-GQ
　　提取码：kaiu

　　5、人脸识别模型

　　链接：https://pan.baidu.com/s/1ol6qqDL1FIUXa1z_ruTwZg
　　提取码：9xbe

五、参考连接

• https://blog.csdn.net/qq_35723619/article/details/83042202
• https://blog.csdn.net/wolf1105/article/details/90902437