|
选自Github 机器之心编译 参与：路雪
该项目是要构建一款免费、开源、实时、离线的网络 app，支持组织者使用人脸识别技术或二维码识别所有受邀人员。 有了世界上最简单的人脸识别库，使用 Python 或命令行，即可识别和控制人脸。 该库使用 dlib 顶尖的深度学习人脸识别技术构建，在户外脸部检测数据库基准（Labeled Faces in the Wild benchmark）上的准确率高达 99.38%。 这也提供了一个简单的 face_recognition 命令行工具，你可以打开命令行中任意图像文件夹，进行人脸识别！ 项目地址：https://github.com/ageitgey/face_recognition#face-recognition 特征 找出图片中的人脸 找出下面图片中所有的人脸： import face_recognition 找到并且控制图像中的脸部特征 找到并勾勒出每个人的眼睛、鼻子、嘴和下巴。 import face_recognition 找出脸部特征对很多重要的事情都非常有用。但是你也可以用它来做一些「蠢事」，比如数字化妆（美图）： 识别图片中的人脸 识别每张图片中的人物。 import face_recognition 你甚至可以使用该库和其他的 Python 库执行实时人脸识别： 此处可查看代码示例：https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam_faster.py 安装 要求：
使用pin3从pypi安装这一模块： pip3 install face_recognition 重要提示：pip 尝试编译 dlib 依赖时很可能会遇到一些问题。如果遇到问题，前往该地址（https://gist.github.com/ageitgey/629d75c1baac34dfa5ca2a1928a7aeaf）从来源（而不是 pip）中安装 dlib，从而修复该错误。 手动安装 dlib 后，再次运行 pip3 install face_recognition，完成安装。 如果安装方面还有问题，你还可以试试预配置的 VM（https:///@ageitgey/try-deep-learning-in-python-now-with-a-fully-pre-configured-vm-1d97d4c3e9b） 用途 命令行界面 安装 face_recognition 时，你会得到一个名为 face_recognition 的简单命令行程序，该程序可用于识别照片或装满照片的文件夹中的人脸。 首先，你需要提供一个包含图片的文件夹，且每张图片中的每个人你都认识。每个人有一个图像文件，文件名就是图片中人物的名字： 然后，你需要再建一个文件夹，包含你想要识别的图像文件： 之后，你仅需要在已知人物文件夹和未知人物文件夹（或单个图像）中运行 face_recognition 命令，该程序会告诉你每个图像中的人物是谁： $ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures//unknown_pictures/unknown.jpg,Barack Obama 每张人脸的输出结果只有一行，由文件名和找到的人物名组成，中间用逗号分隔。 unknown_person 是未与已知人物文件夹中任何照片相匹配的人脸。 如果你只想知道每张照片中的人物姓名，不在意文件名，那么你可以采用以下做法： $ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/ | cut -d ',' -f2 如果你的电脑配有多核 CPU，你就可以同时执行多个人脸识别任务。例如，如果你的系统有 4 个 CPU 核，你可以同时使用这 4 个 CPU 核，那么同样时间内处理的图像数量是原来的四倍。 如果你使用 Python 3.4 或更新的版本，传入--cpus <number_of_cpu_cores_to_use>参数： $ face_recognition -cpus 4 ./pictures_of_people_i_know/ ./unknown_pictures/ 你还可以传入--cpus -1，来使用系统中所有的 CPU 核。 Python 模块 使用 face_recognition 模块，几行代码轻松控制人脸，so easy！ API 文件地址：https://face-recognition. 自动定位图像中人物的脸部特征 import face_recognition 图像人脸识别 import face_recognition 注意事项 该人脸识别模型基于成年人照片训练，因此对儿童照片的识别效果不好。该模型默认比较阈值是 0.6，容易混淆儿童的面部。 将该模型配置到云主机（Heroku、AWS 等） face_recognition 赖以存在的 dlib 是用 C 语言写的，因此将该内置该模型的 app 配置到 Heroku 或 AWS 等云主机提供商就很复杂。在该 repo 中有一个 Dockerfile 示例，展示如何在 Docker 容器中运行内置 face_recognition 模型的 app（详见该网址：https://www./）。参考该示例，您能够将该模型配置到任何支持 Docker 图像的服务。 常见问题 问题：使用 face_recognition 或运行样本时，出现 Illegal instruction (core dumped)。 解决方案：dlib 需要在 SSE4 或 AVX 支持下编译，但是你的 CPU 太旧，无法支持编译。你需要根据此处（https://github.com/ageitgey/face_recognition/issues/11#issuecomment-287398611）所示修改代码，然后对 dilb 进行重新编译。 问题：运行摄像头样本时，出现 RuntimeError: Unsupported image type, must be 8bit gray or RGB image. 解决方案：你的摄像头可能并未在 OpenCV 上正确设置。点击此处（https://github.com/ageitgey/face_recognition/issues/21#issuecomment-287779524）了解更多。 问题：运行 pip2 install face_recognition 时出现 MemoryError。 解决方案：face_recognition_models 文件太大，不适合你可用的 pip 缓存内存。试一下 pip2 --no-cache-dir install face_recognition，解决该问题。 问题：AttributeError: 'module' object has no attribute 'face_recognition_model_v1' 解决方案：你安装的 dlib 版本过旧，需要 19.4 或者更新的版本。请升级 dlib 版本。 问题：TypeError: imread() got an unexpected keyword argument 'mode' 解决方案：你安装的 scipy 版本过旧，需要 0.17 或者更新的版本。请升级 scipy 版本。 |
|
|
