前不久下定决心，难为我的笔记本一次，用Python 来实现 人脸识别 。

干正事

根据网上的方法，把相关的库都装好以后。

已经用了半天时间

先是为难了一下我笔记本的摄像机，用 cv2 的库，来调用电脑摄像头获取人脸。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
# -*- coding: utf-8 -*-
import numpy as np
import cv2


detector = cv2.CascadeClassifier('G:\Face\haarcascade_frontalface_default.xml')
eyeCasecade = cv2.CascadeClassifier('G:\Face\haarcascade_eye.xml')


cap = cv2.VideoCapture(0)
result = []
while True:
    ret,img = cap.read()
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    #faces = detector.detectMultiScale(gray,1.3,5)
    faces = detector.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=5,minSize=(32,32))

    for (x,y,w,h) in faces:
        fac_gray = gray[y:(y+h),x:(x+w)]
        eyes = eyeCasecade.detectMultiScale(fac_gray,1.3,2)

        for (ex,ey,ew,eh) in eyes:
            result.append((x+ex,y+ey,ew,eh))


    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)

    for (ex, ey, ew, eh) in result:
        cv2.rectangle(img, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)

    cv2.imshow('windowname', img)

    if cv2.waitKey(1)& 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

只是正常的函数库调用， 中间的for 语句，是画矩形，就是识别到我的脸以后，在我的脸哪里画方框，蓝色的。

至于为什么那么写，我也不知道。 百度了很多篇文章都是只给源码没做解释，我数学也不好，也懒得深究。毕竟不是深度学习。

由于笔记本摄像头一直都被粘着，导致摄像头也快废了，最后调用的时候，就成了这么一副灵魂出窍模样的图片，不过这都能识别到我的脸。也是牛逼。

wrp

由于摄像头不行，后面的人脸采集器什么的也就只是试了一下。

识别网络图片

后面发现有一个叫face_recognition 的库，他可以识别图片中的人脸，然后分析脸部特征，根据特征给出一系列的编码，还可以使用这些编码来匹配人脸。不说也是挺牛逼的，只是准确度有待提高。

当给定一个图片时，我们可以标注不同的特征并将其转化为如下的特征向量：

640?wx_fmt=png

如此一来，我们的图片现在被转化为一个向量，可以表示为(23.1,15.8,255,224,189,5.2,4.4)。当然我们还可以从图片中衍生出无数的其他特征（如，头发颜色，胡须，眼镜等）。然而在这个简单的例子中，我们只考虑这五个简单的特征。

在这里，我把我的图片作为匹配的对象，把女朋友的照片作为被匹配对象，我以为结果是Not Match的，结果是出人意料的 Match。介于网络划水的准则，就不放出图片了。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# -*- coding: utf-8 -*-
import face_recognition
import os

images = os.listdir('images')
image_to_be_matched = face_recognition.load_image_file('2.jpg')
image_to_be_matched_encoded = face_recognition.face_encodings(image_to_be_matched)[0]
lists.append(image_to_be_matched_encoded)

for image in images:
    current_image = face_recognition.load_image_file("images/"+image)
    current_image_encoded = face_recognition.face_encodings(current_image)[0]
    result = face_recognition.compare_faces([image_to_be_matched_encoded],current_image_encoded)

    if result[0] == True:
        print("Mathced:" + image)
    else:
        print("Not matched:" + image)

后面，我还在被匹配的文件夹素材中添加了胡歌，易烊千玺，陈立农等照片作为被匹配对象。

但是除了陈立农的是匹配，胡歌和易烊千玺的都是不同。

由于他匹配的方法好像就是对比编码，我出于好奇，就把本人图片的编码和胡歌的一起输出，打算找些哪里不同，不过很乱，因为是list，所以决定采用去重的方法。

wrp

你说这怎么看嘛。

二维数组去重

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
# -*- coding: utf-8 -*-
import face_recognition
import os

lists = []
images = os.listdir('images')

image_to_be_matched = face_recognition.load_image_file('2.jpg')
image_to_be_matched_encoded = face_recognition.face_encodings(image_to_be_matched)[0]
lists.append(image_to_be_matched_encoded)

image_to_be_matched2 = face_recognition.load_image_file('1.jpg')
image_to_be_matched_encoded2 = face_recognition.face_encodings(image_to_be_matched)[0]

image_to_be_matched3 = face_recognition.load_image_file('5.png')
image_to_be_matched_encoded3 = face_recognition.face_encodings(image_to_be_matched)
lists.append(image_to_be_matched_encoded3)

#二维数组去重
dic = list(set([tuple(t) for t in lists]))
#print(dic)
dic = [list(v) for v in dic]
print(dic)

首先把两个值 添加进一个 列表内，后来通过百度，找到了二维数组去重的方法。

这是一条列表推导式，我对他产生了极大的好奇

我想试着把他分解出来。根据列表推导式的格式

列表推导式的执行顺序：各语句之间是嵌套关系，左边第二个语句是最外层，依次往右进一层，左边第一条语句是最后一层。

1
[x*y for x in range(1,5) if x > 2 for y in range(1,4) if y < 3]

他的执行顺序是:

1
2
3
4
5
6
7
8
9
for x in range(1,5)
    if x > 2
        for y in range(1,4)
            if y < 3
                x*y
x=[0 for i in range(3)]    #结果为[0,0,0]
#相当于：x=[]
for i in range(3): 
	x.append(i)

后面我写出来了一串这样的代码，执行后发现是错的。

1
2
for t in lists:
    dic=list(set(tuple(t)))

经过再三研究，才发现推导出来

1
2
3
4
dics = []
for i in lists:
    dics.append(tuple(i))
print(list(set(dics)))

这是真的花里胡哨