face_recognition

环境要求： Ubuntu17.10 Python 2.7.14 环境搭建： 1. 安装 Ubuntu17.10 > 安装步骤在 这里 2. 安装 Python2.7.14 (Ubuntu17.10 默认Python版本为2.7.14) 3. 安装 git 、cmake 、 python-pip # 安装 git $ sudo apt-get install -y git # 安装 cmake $ sudo apt-get install -y cmake # 安装 python-pip $ sudo apt-get install -y python-pip 4. 安装编译dlib 安装face_recognition这个之前需要先安装编译dlib # 编译dlib前先安装 boost $ sudo apt-get install libboost-all-dev # 开始编译dlib # 克隆dlib源代码 $ git clone https://github.com/davisking/dlib.git $ cd dlib $ mkdir build $ cd build $ cmake .. -DDLIB_USE_CUDA=0 -DUSE_AVX_INSTRUCTIONS=1 $ cmake --build .（注意中间有个空格） $ cd .. $ python setup

Face Recognition API face_recognition包 模块内容 face_recognition.api.batch_face_locations(images, number_of_times_to_upsample=1, batch_size=128) 源码 使用cnn面部检测器返回图像中二维人脸的边界框数组，如果您正在使用GPU，这可以更快的给您结果，因为GPU可以一次处理批次的图像。如果您不使用GPU，则不需要此功能。 参数： images - 图像列表（每个作为numpy数组） number_of_times_to_upsample - 用于对图像进行采样的次数。较高的数字找到较小的脸。 batch_size - 每个GPU处理批次中包含的图像数量。 返回： 一个可以在css（上，右，下，左）顺序中找到的人脸位置的元组列表 face_recognition.api.compare_faces(known_face_encodings, face_encoding_to_check, tolerance=0.6) 源码 将候选编码的面部编码列表进行比较，以查看它们是否匹配。 参数： known_face_encodings - 已知面部编码的列表 face_encoding_to_check - 与已知面部编码的列表进行比较的单面编码

Installation安装 稳定的版本 要安装Face Recognition面部识别，请在终端中运行此命令： $ pip3 install face_recognition 这是安装面部识别的首选方法，因为它将始终安装最新的稳定版本。 如果您没有安装 pip ，这个 Python安装指南 可以指导您完成该过程。 来源 面部识别的源码可以从 Github仓库 下载。 您可以克隆公共仓库： $ git clone git：//github.com/ageitgey/face_recognition 或下载 tarball ： $ curl -OL https://github.com/ageitgey/face_recognition/tarball/master 一旦你有源码的副本，你就可以安装它： $ python setup.py install 来源： oschina 链接： https://my.oschina.net/u/3053788/blog/1557478

Usage用法 在项目中使用面部识别： import face_recognition 有关如何使用每个函数，请参阅github上的 /examples 文件夹中的示例。 您还可以查阅 face_recognition 的 API文档 ，以查看每个功能的可能参数。 基本的想法是，首先你加载一个图像： import face_recognition image = face_recognition.load_image_file("your_file.jpg") 将图像加载到numpy数组中。如果您已经有一个numpy数组中的图像，可以跳过此步骤。 然后，您可以对图像执行操作，如查找面部，识别面部特征或查找面部编码： ＃查找图像中的所有脸部 face_locations = face_recognition.face_locations(image) ＃或者也可以找到图像中的面部特征 face_landmarks_list = face_recognition.face_landmarks(image) ＃或者您可以为图像中的每个面部获取面部编码： list_of_face_encodings = face_recognition.face_encodings(image) 面部编码可以相互比较，看看脸部是否匹配。注意：查找面部的编码有点慢，所以如果需要稍后再参考一下

Face Recognition人脸识别库 这是世界上最简单的人脸识别库了。你可以通过Python引用或者命令行的形式使用它，来管理和识别人脸。 该软件包使用dlib中最先进的人脸识别深度学习算法，使得识别准确率在《Labled Faces in the world》测试基准下达到了99.38%。 它同时提供了一个叫face_recognition的命令行工具，以便你可以用命令行对一个文件夹中的图片进行识别操作。 特征 在图片中识别人脸 找到图片中所有的人脸： import face_recognition image=face_recognition.load_image_file("your_file.jpg") face_locations=face_recognition.face_locations(image) 找到并操作图片中的脸部特征 获得图片中人类眼睛、鼻子、嘴、下巴的位置和轮廓： import face_recognition image = face_recognition.load_image_file("your_file.jpg") face_landmarks_list = face_recognition.face_landmarks(image) 找到脸部特征有很多超级有用的应用场景，当然你也可以把它用在最显而易见的功能上：美颜功能

Contributing特约贡献 欢迎贡献，非常感谢！每一点帮助，都是肯定。 你可以在许多方面做出贡献： 贡献类型 报告错误 在 https://github.com/ageitgey/face_recognition/issues 上报告错误。 如果您报告错误，请包括如下信息： 您的操作系统名称和版本。 有关本地设置的任何细节可能有助于排除故障。 详细的步骤重现错误。 提交反馈 发送反馈的最佳方法是在 https://github.com/ageitgey/face_recognition/issues 上提出问题。 如果您提出了一个功能，请包括如下信息： 详细解释它将如何工作。 尽可能的缩小范围，使其更容易实现。 请记住，这是一个志愿者驱动的项目，欢迎您的贡献:) 开始吧！ 准备贡献？以下是如何设置face_recognition进行本地开发。 首先Fork face_recognition 源码到你自己的Github仓库 再克隆你上一步Fork到自己的Github上的face_recognition到本地： $ git clone git@github.com:your_name_here/face_recognition.git 将本地face_recognition副本安装到virtualenv中。假设你已经安装了virtualenvwrapper