# 人脸识别

Face Recognition人脸识别开源库

本项目face_recognition (opens new window)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，特别是兼容树莓派系统。

本项目是世界上最简洁的人脸识别库，你可以使用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 (opens new window)中的深度学习模型，用Labeled Faces in the Wild (opens new window)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。

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。

# 特性

# 从图片里找到人脸

定位图片中的所有人脸：

import face_recognition
image = face_recognition.load_image_file("your_file.jpg")
face_locations = face_recognition.face_locations(image)

1
2
3

# 识别人脸关键点

识别人脸关键点，包括眼睛、鼻子、嘴和下巴。

import face_recognition
image = face_recognition.load_image_file("your_file.jpg")
face_landmarks_list = face_recognition.face_landmarks(image)

1
2
3

识别人脸关键点在很多领域都有用处，但同样你也可以把这个功能玩坏，比如本项目的 digital make-up (opens new window)自动化妆案例（就像美图秀秀一样）。

# 识别图片中的人是谁

import face_recognition
known_image = face_recognition.load_image_file("biden.jpg")
unknown_image = face_recognition.load_image_file("unknown.jpg")

biden_encoding = face_recognition.face_encodings(known_image)[0]
unknown_encoding = face_recognition.face_encodings(unknown_image)[0]

results = face_recognition.compare_faces([biden_encoding], unknown_encoding)

1
2
3
4
5
6
7
8

你也可以配合其它的Python库（比如opencv）实现实时人脸检测：

看这个案例实时人脸检测 (opens new window) 。

# 安装

# 环境配置

Python 3.8.10

Ubuntu ubuntu-20.04.3-desktop-amd64 (opens new window)

# 下载

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple cmake

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple boost

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple dlib

速度很慢

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple face_recognition

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy

# 使用

桌面新建两个文件夹

zzy1是图片源数据集

zzys是待检测的图片

终端输入

face_recognition --tolerance 0.54 /home/zzy1998/Desktop/zzy1/ /home/zzy1998/Desktop/zzys/

unknown_person则是不符合

# 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：

$ face_detection  ./folder_with_pictures/

examples/image1.jpg,65,215,169,112
examples/image2.jpg,62,394,211,244
examples/image2.jpg,95,941,244,792

1
2
3
4
5

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。

$ face_recognition --tolerance 0.54 ./pictures_of_people_i_know/ ./unknown_pictures/

/unknown_pictures/unknown.jpg,Barack Obama
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person

1
2
3
4

如果你想看人脸匹配的具体数值，可以传入参数 --show-distance true：

$ face_recognition --show-distance true ./pictures_of_people_i_know/ ./unknown_pictures/

/unknown_pictures/unknown.jpg,Barack Obama,0.378542298956785
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person,None

1
2
3
4

# 更多的例子

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：

$ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/ | cut -d ',' -f2

Barack Obama
unknown_person

1
2
3
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 ./pictures_of_people_i_know/ ./unknown_pictures/

你可以传入 --cpus -1参数来调用cpu的所有核心。

子豪兄批注：树莓派3B有4个CPU核心，传入多核参数可以显著提升图片识别的速度（亲测）。

# Python

在Python中，你可以导入face_recognition模块，调用我们提供的丰富的API接口，用几行代码就可以轻松玩转各种人脸识别功能！

API 接口文档: https://face-recognition.readthedocs.io (opens new window)

# 在图片中定位人脸的位置

import face_recognition

image = face_recognition.load_image_file("my_picture.jpg")
face_locations = face_recognition.face_locations(image)

# face_locations is now an array listing the co-ordinates of each face!

1
2
3
4
5
6

看案例：定位拜登的脸 (opens new window)

案例：定位拜登的脸

你也可以使用深度学习模型达到更加精准的人脸定位。

注意：这种方法需要GPU加速（通过英伟达显卡的CUDA库驱动），你在编译安装dlib的时候也需要开启CUDA支持。

import face_recognition

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

# face_locations is now an array listing the co-ordinates of each face!

1
2
3
4
5
6

看案例：使用卷积神经网络深度学习模型定位拜登的脸 (opens new window)

如果你有很多图片需要识别，同时又有GPU，那么你可以参考这个例子：案例：使用卷积神经网络深度学习模型批量识别图片中的人脸 (opens new window).

# 识别单张图片中人脸的关键点

import face_recognition

image = face_recognition.load_image_file("my_picture.jpg")
face_landmarks_list = face_recognition.face_landmarks(image)

# face_landmarks_list is now an array with the locations of each facial feature in each face.
# face_landmarks_list[0]['left_eye'] would be the location and outline of the first person's left eye.

1
2
3
4
5
6
7

看这个案例案例：提取奥巴马和拜登的面部关键点 (opens new window)

# 识别图片中的人是谁

import face_recognition

picture_of_me = face_recognition.load_image_file("me.jpg")
my_face_encoding = face_recognition.face_encodings(picture_of_me)[0]

# my_face_encoding now contains a universal 'encoding' of my facial features that can be compared to any other picture of a face!

unknown_picture = face_recognition.load_image_file("unknown.jpg")
unknown_face_encoding = face_recognition.face_encodings(unknown_picture)[0]

# Now we can see the two face encodings are of the same person with `compare_faces`!

results = face_recognition.compare_faces([my_face_encoding], unknown_face_encoding)

if results[0] == True:
    print("It's a picture of me!")
else:
    print("It's not a picture of me!")

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

看这个案例案例：是奥巴马还是拜登？ (opens new window)

# Python 案例

所有案例都在这个链接中也就是examples文件夹 (opens new window).

# 人脸定位

# 人脸关键点识别

# 人脸识别

# 关于 face_recognition的文章和教程

本项目作者写的一篇文章

Modern Face Recognition with Deep Learning
- 主要内容：基本算法和原理
Face recognition with OpenCV, Python, and deep learning

by Adrian Rosebrock
- 主要内容：如何实际使用本项目
Raspberry Pi Face Recognition

by Adrian Rosebrock
- 主要内容：如何在树莓派上使用本项目
Face clustering with Python

by Adrian Rosebrock
- 主要内容：使用非监督学习算法实现把图片中的人脸高斯模糊

# 人脸识别的原理

如果你想更深入了解人脸识别这个黑箱的原理读这篇文章 (opens new window)。

子豪兄批注：一定要看这篇文章，讲的既有趣又有料。

# 警告说明

本项目的人脸识别模型是基于成年人的，在孩子身上效果可能一般。如果图片中有孩子的话，建议把临界值设为0.6.
不同人种的识别结果可能不同，看wiki百科页面 (opens new window) 查看更多细节。

# 把本项目部署在云服务器上 (Heroku, AWS等)

本项目是基于C++库dlib的，所以把本项目部署在Heroku或者AWS的云端服务器上是很明智的。

为了简化这个过程，有一个Dockerfile案例，教你怎么把face_recognition开发的app封装成Docker (opens new window) 容器文件，你可以把它部署在所以支持Docker镜像文件的云服务上。

# 出了幺蛾子？

如果出了问题，请在Github提交Issue之前查看常见错误 (opens new window) 。

# 提供HTTP服务

参见

# 配套Vue界面

参见

# 文档

参见 (opens new window)

# 常见问题

# 人脸识别

# 特性

# 从图片里找到人脸

# 识别人脸关键点

# 识别图片中的人是谁

# 安装

# 环境配置

# 下载

# 使用

# face_detection 命令行工具

# 调整人脸识别的容错率和敏感度

# 更多的例子

# 加速人脸识别运算

# Python

# 在图片中定位人脸的位置

# 识别单张图片中人脸的关键点

# 识别图片中的人是谁

# Python 案例

# 人脸定位

# 人脸关键点识别

# 人脸识别

# 关于 face_recognition的文章和教程

# 人脸识别的原理

# 警告说明

# 把本项目部署在云服务器上 (Heroku, AWS等)

# 出了幺蛾子？

# 提供HTTP服务

# 配套Vue界面

# 文档

# 常见问题

# 如何在数据库中有效地查询它们？

# 如果我有超过 100 万张已知图像，如何更快地进行人脸识别

# 如何使用 Elasticsearch 和 Python 构建面部识别系统

# 如何将此与另外 5000 个结果进行比较，以验证此人是否出现在我的数据库中