[雪峰磁針石部落格]人臉識别工具：face_recognition

簡介

face_recognition使用世界上最簡單的人臉識别工具，在Python或指令行中識别和操作人臉。

使用dlib最先進的人臉識别技術建構而成，并具有深度學習功能。 該模型在

Labeled Faces in the Wild

基準中的準确率為99.38％。

另外還提供了face_recognition指令行工具！

快速入門

本節我們基于ubuntu16.04,python3，使用如下圖檔：

image.png

face_recognition

import face_recognition

image = face_recognition.load_image_file("test0.jpg")
face_locations = face_recognition.face_locations(image,model="cnn")
print(face_locations)

           

執行結果：

$ python3 quick.py 
[(203, 391, 447, 147)]

           

model選擇模型，預設為hog，該模式很多圖檔是無法識别的，為此一般用采用更精确但是速度更慢的cnn模型。

• 顯示圖檔：

quick2.py

import face_recognition
from PIL import Image

image = face_recognition.load_image_file("test0.jpg")
face_locations = face_recognition.face_locations(image,model="cnn")
top, right, bottom, left = face_locations[0]
print("A face is located at pixel location Top: {}, Left: {}, Bottom: {}, Right: {}".format(top, left, bottom, right))
face_image = image[top:bottom, left:right]
pil_image = Image.fromarray(face_image)
pil_image.show()
pil_image.save("quick2.jpg")

           

執行後會在目前目錄生成quick2.jpg，并在螢幕顯示美女頭像。

• 上口紅

quick3.py

import face_recognition
from PIL import Image, ImageDraw

image = face_recognition.load_image_file("test1.jpg")
face_landmarks_list = face_recognition.face_landmarks(image)
print(face_landmarks_list)

for face_landmarks in face_landmarks_list:
    
    pil_image = Image.fromarray(image)
    d = ImageDraw.Draw(pil_image, 'RGBA')
    
    # Gloss the lips
    d.polygon(face_landmarks['top_lip'], fill=(150, 0, 0, 128))
    d.polygon(face_landmarks['bottom_lip'], fill=(150, 0, 0, 128))
    d.line(face_landmarks['top_lip'], fill=(150, 0, 0, 64), width=3)
    d.line(face_landmarks['bottom_lip'], fill=(150, 0, 0, 64), width=3)    
    
    pil_image.show()
    pil_image.save("quick3.jpg")
    
           

上口紅之前：

上口紅之後：

個人總是覺得沒上口紅的更好看，偏偏有那麼多喜歡化成妖怪的女人。

• 框選

下面代碼把臉部框選出來，注意：face_locations傳回的圖檔和PIL使用的坐标不同，為此需要一定的轉換。

quick4.py

import face_recognition
from PIL import Image, ImageDraw

image = face_recognition.load_image_file("test1.jpg")
locations = face_recognition.face_locations(image)
print(locations)
pos = locations[0]

pil_image = Image.fromarray(image)
d = ImageDraw.Draw(pil_image, 'RGBA')
d.rectangle((pos[3], pos[0], pos[1], pos[2]))
pil_image.show()
pil_image.save("quick4.jpg")

           

本文代碼位址：

https://github.com/china-testing/python-api-tesing/tree/master/python3_libraries/face_recognition

其他

• 旋轉

face_recognition隻能識别頭在上嘴在下的圖檔比較好，如果你的照片是橫向的，有可能要旋轉才能識别。

sleep.py

import face_recognition
from PIL import Image, ImageDraw

image = face_recognition.load_image_file("sleep.jpg")
locations = face_recognition.face_locations(image)
print(locations)
img = Image.open("sleep.jpg")
img = img.rotate(90,expand=1)
img.save("/tmp/tmp.jpg")
image = face_recognition.load_image_file("/tmp/tmp.jpg")
locations = face_recognition.face_locations(image)
print(locations)

pil_image = Image.fromarray(image)
pil_image.show()
           

[]
[(166, 424, 255, 335)]

           

當然此圖使用cnn模式不用旋轉也是可以識别的，但是我們實驗中發現一些圖檔，比如戴墨鏡的橫向圖檔，還是要旋轉才能識别。

注意旋轉方向是逆時針的。

參考資料

• 本文涉及的python測試開發庫 請在github上點贊，謝謝！
• 讨論 釘釘免費群21745728 qq群144081101 567351477
• 本文相關海量書籍下載下傳
• https://github.com/ageitgey/face_recognition