環(huán)境要求：

• Ubuntu17.10
• Python 2.7.14

環(huán)境搭建：

1. 安裝 Ubuntu17.10 > 安裝步驟在這里

2. 安裝 Python2.7.14 (Ubuntu17.10 默認Python版本為2.7.14)

3. 安裝 git 、cmake 、 python-pip

# 安裝 git
$ sudo apt-get install -y git
# 安裝 cmake
$ sudo apt-get install -y cmake
# 安裝 python-pip
$ sudo apt-get install -y python-pip

4. 安裝編譯dlib

安裝face_recognition這個之前需要先安裝編譯dlib

# 編譯dlib前先安裝 boost
$ sudo apt-get install libboost-all-dev

# 開始編譯dlib
# 克隆dlib源代碼
$ 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 .（注意中間有個空格）
$ cd ..
$ python setup.py install --yes USE_AVX_INSTRUCTIONS --no DLIB_USE_CUDA

5. 安裝 face_recognition

# 安裝 face_recognition
$ pip install face_recognition
# 安裝face_recognition過程中會自動安裝 numpy、scipy 等

環(huán)境搭建完成后，在終端輸入 face_recognition 命令查看是否成功

實現(xiàn)人臉識別：

示例一(1行代碼實現(xiàn)人臉識別)：

1. 首先你需要提供一個文件夾，里面是所有你希望系統(tǒng)認識的人的圖片。其中每個人一張圖片，圖片以人的名字命名：

known_people文件夾下有babe、成龍、容祖兒的照片

2. 接下來，你需要準備另一個文件夾，里面是你要識別的圖片：

unknown_pic文件夾下是要識別的圖片，其中韓紅是機器不認識的

3. 然后你就可以運行face_recognition命令了，把剛剛準備的兩個文件夾作為參數(shù)傳入，命令就會返回需要識別的圖片中都出現(xiàn)了誰：

識別成功！！！

示例二(識別圖片中的所有人臉并顯示出來)：

# filename : find_faces_in_picture.py
# -*- coding: utf-8 -*-
# 導入pil模塊 ，可用命令安裝 apt-get install python-Imaging
from PIL import Image
# 導入face_recogntion模塊，可用命令安裝 pip install face_recognition
import face_recognition

# 將jpg文件加載到numpy 數(shù)組中
image = face_recognition.load_image_file("/opt/face/unknown_pic/all_star.jpg")

# 使用默認的給予HOG模型查找圖像中所有人臉
# 這個方法已經(jīng)相當準確了，但還是不如CNN模型那么準確，因為沒有使用GPU加速
# 另請參見: find_faces_in_picture_cnn.py
face_locations = face_recognition.face_locations(image)

# 使用CNN模型
# face_locations = face_recognition.face_locations(image, number_of_times_to_upsample=0, model="cnn")

# 打印：我從圖片中找到了 多少 張人臉
print("I found {} face(s) in this photograph.".format(len(face_locations)))

# 循環(huán)找到的所有人臉
for face_location in face_locations:

        # 打印每張臉的位置信息
        top, right, bottom, left = face_location
        print("A face is located at pixel location Top: {}, Left: {}, Bottom: {}, Right: {}".format(top, left, bottom, right))

        # 指定人臉的位置信息，然后顯示人臉圖片
        face_image = image[top:bottom, left:right]
        pil_image = Image.fromarray(face_image)
        pil_image.show()

如下圖為用于識別的圖片

# 執(zhí)行python文件
$ python find_faces_in_picture.py

從圖片中識別出7張人臉，并顯示出來，如下圖

示例三(自動識別人臉特征)：

# filename : find_facial_features_in_picture.py
# -*- coding: utf-8 -*-
# 導入pil模塊 ，可用命令安裝 apt-get install python-Imaging
from PIL import Image, ImageDraw
# 導入face_recogntion模塊，可用命令安裝 pip install face_recognition
import face_recognition

# 將jpg文件加載到numpy 數(shù)組中
image = face_recognition.load_image_file("biden.jpg")

＃查找圖像中所有面部的所有面部特征
face_landmarks_list = face_recognition.face_landmarks(image)

print("I found {} face(s) in this photograph.".format(len(face_landmarks_list)))

for face_landmarks in face_landmarks_list:

   ＃打印此圖像中每個面部特征的位置
    facial_features = [
        'chin',
        'left_eyebrow',
        'right_eyebrow',
        'nose_bridge',
        'nose_tip',
        'left_eye',
        'right_eye',
        'top_lip',
        'bottom_lip'
    ]

    for facial_feature in facial_features:
        print("The {} in this face has the following points: {}".format(facial_feature, face_landmarks[facial_feature]))

   ＃讓我們在圖像中描繪出每個人臉特征！
    pil_image = Image.fromarray(image)
    d = ImageDraw.Draw(pil_image)

    for facial_feature in facial_features:
        d.line(face_landmarks[facial_feature], width=5)

    pil_image.show()

自動識別出人臉特征(輪廓)

示例四(識別人臉鑒定是哪個人)：

# filename : recognize_faces_in_pictures.py
# -*- conding: utf-8 -*-
# 導入face_recogntion模塊，可用命令安裝 pip install face_recognition
import face_recognition

＃將jpg文件加載到numpy數(shù)組中
babe_image = face_recognition.load_image_file("/opt/face/known_people/babe.jpeg")
Rong_zhu_er_image = face_recognition.load_image_file("/opt/face/known_people/Rong zhu er.jpg")
unknown_image = face_recognition.load_image_file("/opt/face/unknown_pic/babe2.jpg")

＃獲取每個圖像文件中每個面部的面部編碼
＃由于每個圖像中可能有多個面，所以返回一個編碼列表。
＃但是由于我知道每個圖像只有一個臉，我只關心每個圖像中的第一個編碼，所以我取索引0。
babe_face_encoding = face_recognition.face_encodings(babe_image)[0]
Rong_zhu_er_face_encoding = face_recognition.face_encodings(Rong_zhu_er_image)[0]
unknown_face_encoding = face_recognition.face_encodings(unknown_image)[0]

known_faces = [
    babe_face_encoding,
    Rong_zhu_er_face_encoding
]

＃結果是True/false的數(shù)組，未知面孔known_faces陣列中的任何人相匹配的結果
results = face_recognition.compare_faces(known_faces, unknown_face_encoding)

print("這個未知面孔是 Babe 嗎? {}".format(results[0]))
print("這個未知面孔是 容祖兒 嗎? {}".format(results[1]))
print("這個未知面孔是 我們從未見過的新面孔嗎? {}".format(not True in results))

顯示結果下如圖

示例五(識別人臉特征并美顏)：

# filename : digital_makeup.py
# -*- coding: utf-8 -*-
# 導入pil模塊 ，可用命令安裝 apt-get install python-Imaging
from PIL import Image, ImageDraw
# 導入face_recogntion模塊，可用命令安裝 pip install face_recognition
import face_recognition

＃將jpg文件加載到numpy數(shù)組中
image = face_recognition.load_image_file("biden.jpg")

＃查找圖像中所有面部的所有面部特征
face_landmarks_list = face_recognition.face_landmarks(image)

for face_landmarks in face_landmarks_list:
    pil_image = Image.fromarray(image)
    d = ImageDraw.Draw(pil_image, 'RGBA')

    ＃讓眉毛變成了一場噩夢
    d.polygon(face_landmarks['left_eyebrow'], fill=(68, 54, 39, 128))
    d.polygon(face_landmarks['right_eyebrow'], fill=(68, 54, 39, 128))
    d.line(face_landmarks['left_eyebrow'], fill=(68, 54, 39, 150), width=5)
    d.line(face_landmarks['right_eyebrow'], fill=(68, 54, 39, 150), width=5)

    ＃光澤的嘴唇
    d.polygon(face_landmarks['top_lip'], fill=(150, 0, 0, 128))
    d.polygon(face_landmarks['bottom_lip'], fill=(150, 0, 0, 128))
    d.line(face_landmarks['top_lip'], fill=(150, 0, 0, 64), width=8)
    d.line(face_landmarks['bottom_lip'], fill=(150, 0, 0, 64), width=8)

    ＃閃耀眼睛
    d.polygon(face_landmarks['left_eye'], fill=(255, 255, 255, 30))
    d.polygon(face_landmarks['right_eye'], fill=(255, 255, 255, 30))

    ＃涂一些眼線
    d.line(face_landmarks['left_eye'] + [face_landmarks['left_eye'][0]], fill=(0, 0, 0, 110), width=6)
    d.line(face_landmarks['right_eye'] + [face_landmarks['right_eye'][0]], fill=(0, 0, 0, 110), width=6)

    pil_image.show()