本教程是用 Python 3.6 编写的，但使用的库是 兼容 3.3 及以上版本。
人脸识别软件很棒。事实上，我们能够写作 准确识别某人眼睛和鼻子所在位置的软件 一张图片仍然让我感到震惊，而且那里有图书馆 这种事情太棒了。这些库有助于降低 适合希望编写自己的人脸识别系统的初学者的入口，以及 允许人们做一些非常酷的事情。
ageitgey/face_recognition 就是其中之一 这样的库，在撰写本文时，它的特点远远超过星星 在 GitHub 上。7,000
建立
为了开始使用该库，您首先将拥有 要安装它，可以使用简单的安装命令来完成，如下所示：face_recognitionpip
pip3 install face_recognition
一个简单的例子
让我们拍摄一张包含多人的库存图像。如果我们想自动查找图像中的所有人脸，我们可以在 4 行代码中轻松做到这一点代码行。此代码将首先接收图像，然后计算使用 的所有人脸的位置。在我们之后将简单地打印出找到的人脸数量。face_recognition.face_locations(image)
import face_recognition
image = face_recognition.load_image_file("My_Image.png")
face_locations = face_recognition.face_locations(image)
print("I found {} face(s) in this photograph.".format(len(face_locations)))
如果我要对上图运行此作，我将得到以下输出：
$ python3.6 simple.py I found 5 face(s) in this photograph.
这是人脸检测的一个示例，您可以将其与 类似安全摄像头的东西，并使用它进行实时分析 检测算法，查看是否有人刚刚走进您的房子 例。
识别人脸
一个更复杂的示例是识别每个 找到的人脸并将这些坐标转换为单独的图像。
假设我们想更进一步地使用上面的示例并存储 我们已在新的安全软件中检测到。这可以使用库来完成：face_recognition
from PIL import Image
import face_recognition
## Load the jpg file into a numpy array
image = face_recognition.load_image_file("stock_people.jpg")
## Find all the faces in the image using the default HOG-based model.
## This method is fairly accurate, but not as accurate as the CNN model and not GPU accelerated.
## See also: find_faces_in_picture_cnn.py
face_locations = face_recognition.face_locations(image)
print("I found {} face(s) in this photograph.".format(len(face_locations)))
for face_location in face_locations:
## Print the location of each face in this image
top, right, bottom, left = face_location
print("A face is located at pixel location Top: {}, Left: {}, Bottom: {}, Right: {}".format(top, left, bottom, right))
## You can access the actual face itself like this:
face_image = image[top:bottom, left:right]
pil_image = Image.fromarray(face_image)
pil_image.show()
运行此作将提供以下输出，它将打开 5 个临时图像文件。
$ python3.6 simple.py I found 5 face(s) in this photograph. A face is located at pixel location Top: 72, Left: 394, Bottom: 124, Right: 446 A face is located at pixel location Top: 32, Left: 467, Bottom: 94, Right: 529 A face is located at pixel location Top: 72, Left: 285, Bottom: 124, Right: 337 A face is located at pixel location Top: 72, Left: 170, Bottom: 124, Right: 222 A face is located at pixel location Top: 39, Left: 87, Bottom: 101, Right: 149
很酷，对吧？同样，您可能会在一系列视频中运行此作 流式传输并捕获该视频中出现的所有面孔。
如果您对人脸识别等概念不感兴趣，我们将 在下面介绍，您可能会开始做很酷的事情，例如情绪 分析并尝试衡量人们在您的视频中的快乐或悲伤程度。
如果您想获得有关 景点在博物馆或者游乐园做！
检查图像中是否存在人物
认识到一张图像包含多张脸是很酷的，但我们可以 实际上更进一步，确定图像中存在谁。 例如，假设您有一群人的照片，您可以确定 使用库，无论您的朋友是否存在 那张照片。face_recognitionAlan
但是，为了使其正常工作，您至少需要一个 你试图识别的人。
import face_recognition
## Load in our reference image of Joe Biden
known_image = face_recognition.load_image_file("biden.jpg")
## Load in our image of a group of people
unknown_image = face_recognition.load_image_file("unknown.jpg")
## Create a biden encoding
biden_encoding = face_recognition.face_encodings(known_image)[0]
## create an encoding based off our group photo
unknown_encoding = face_recognition.face_encodings(unknown_image)[0]
## Compare the encodings and try to determine if Biden exists within a photo
results = face_recognition.compare_faces([biden_encoding], unknown_encoding)
## Print the results
print(results)
大规模人脸识别系统往往会建立庞大的人员数据库 和他们的脸。随着更多人脸被添加到数据库中，检查谁 存在于一张照片中或一系列照片变得更加昂贵。
这意味着我们不能为世界上的每个人拍照并期望我们的 能够实时告诉我们任何给定照片中存在谁的软件。
原文链接： Python 中的人脸识别简介 |TutorialEdge.net
如果想进一步深入了解可以参考这篇文章：
