用Python进行人脸识别「包括源代码」
Python可以从图像或视频中检测和识别你的脸。 人脸检测与识别是计算机视觉领域的研究热点之一。 人脸识别的应用包括人脸解锁、安全防护等,医生和医务人员利用人脸识别来获取病历和病史,更好地诊断疾病。 关于Python人脸识别 在这个python项目中,我们将构建一个机器学习模型,该模型从图像中识别人。我们在项目中使用了人脸识别API和OpenCV。 随时了解最新用P的技术趋势 加入DataFlair的电报! 工具与图书馆 Python-3.x CV2-4.5.2 矮胖-1.20.3 人脸识别-1.3.0 若要安装上述软件包,请使用以下命令。 pip install numpy opencv-python 要安装FaceRecognition,首先安装dlib包。 pip install dlib 现在,使用以下命令安装面部识别模块 pip install faytce_recognition 请下载python面部识别项目的源代码: 人脸识别工程代码 项目数据集 我们可以使用我们自己的数据集来完成这个人脸识别项目。对于这个项目,让我们以受欢迎的美国网络系列“老友记”为数据集。该数据集包含在面部识别项目代码中,您在上一节中下载了该代码。 建立人脸识别模型的步骤 在继续之前,让我们知道什么是人脸识别ho和检测。 人脸识别是从照片和视频帧中识别或验证一个人的脸的过程。 人脸检测是指在图像中定位和提取人脸(位置和大小)以供人脸检测算法使用的过程。 人脸识别方法用于定位图像中唯一指定的特征。在大多数情况下,面部图片已经被移除、裁剪、缩放和转换为灰度。人脸识别包括三个步骤:人脸检测、特征提取、人脸识别。 OpenCV是一个用C++编写的开源库.它包含了用于计算机视觉任务的各种n进算法和深度神经网络的实现。 1.准备数据集 创建2个目录,训练和测试。从互联网上为每个演员选择一个图片,并下载到我们的“火车”目录中。确保您所选择的图像能够很好地显示人脸的特征,以便对分类器进行分类。 为了测试模型,让我们拍摄一张包含所有强制转换的图片,并将其放到我们的“test”目录中。 为了您的舒适,我们增加了培训和测试数据与项目代码。 2.模型的训练 首先导入必要的模行人块。 import face_recognition as fr 人脸识别库包含帮助人脸识别过程的各种实用程序的实现。 现在,创建2个列表来存储图像(人员)的名称及其各自的脸编码。 path = "./train/" 人脸编码是一种值的矢量,它代表着脸部特征之间的重要度量,如眼睛之间的距离、额头的宽度等。 我们循环遍历火车目录中的每个图像,提取图像中的人的姓名,计算其脸编码向量,并将信息存储在相应的列表中。 for _ in images: 如前所述,我们的测试数据集只包含一个包括包含所有人员的图像。 使用CV2 imread()方法读取测试映像。 test_image = "./test/test.jpg" 人脸识别库提供了一种名为Face_Locations()的有用方法,它定位图像中检测到的每个人脸的坐标(左、下、右、上)。使用这些位置值,我们可以很容易地找到脸编码。 face_locat源代ions = fr.face_locations(image) 我们循环遍历每个面部位置及其在图像中的编码。然后,我们将这种编码与“列车”数据集中的人脸编码进行比较。 然后计算人脸距离,即计算测试图像编码和训练图像编码之间的相似性。现在,我们从它选取最小值距码」离,表示测试图像的这张脸是训练数据集中的人之一。 现在,使用CV2模块中的方法绘制一个带有面部位置坐标的矩形。 for (top, right, bottom, left), face_encoding in zip(face_locations, face_encodings): 使用CV2模块的imShow()方法显示图像。 cv2.imshow("Result", image) 使用imwrite()方法将图像保存到当前工作目录中。 cv2.imwrite("./output.jpg", image) 释放未被释放的资源(如果有的话)。 cv2.waitKey(0) Python人脸识别输出 让我们看看模型的输出。
下载人脸识别Python代码
import cv2
import numpy as np
import os
known_names = []
known_name_encodings = []
images = os脸识.listdir(path)
image = fr.load_image_file(path + _)
image_path = path + _
encodin别「g = fr.face_encodings(image)[0]
known_name_encodings.append(encoding)
known_names.append(os.path.splitext(os.path.basename(image_path))[0].capitalize())
3.在测试数据集中测试模型
image = cv2.imread(test_image)
face_encodings = fr.face_encodings(image, face_locations)
matches = fr.compare_faces(known_name_encodings,用P face_encoding)
name = ""
face_distances = fr.face_distance(known_name_encodings, face_encoding)
best_match = np.argmin(face_distances)
if matches[best_match]:
name = known_names[best_match]
cv2.rectytangle(image, (left, top), (right, bottom), (0, 0, 255), 2)
cv2.rectangle(image, (left, bottom - 15), (right, bottom), (0, 0, 255), cv2.FILLED)
font = cv2.FONT_HERSHEY_DUPLEX
cv2.putText(image, name, (left +ho 6, bottom - 6), font, 1.0, (255, 255, 255), 1)
cv2.n进destroyAllWindows()
-
上一篇
-
下一篇
- 最近发表
- 随机阅读
-
- 标签: 京东物流 无人机 沙特 JoyExpress
- Twitter将允许用户直接把推文分享到Snapchat和Instagram
- 标签: Zoho Zia LLM AI大模型 企业数字化
- 矿工杀红眼!苹果M1 Mac被破解:能挖币了
- 标签: DeepSeek MOE模型 DDoS攻击 服务宕机
- 谷歌正式公布 Gemini 使用限制:免费用户每天最多可用五次提示
- 谷歌Pixel 10系列震撼发布:AI智能手机军备竞赛中率先出击,苹果iPhone 17或将黯然失色
- 标签: 市场监管总局 反不正当竞争 手机行业 数字经济
- 标签: 科大讯飞
- 阿里通义千问Qwen3-Max 在官网上线深度思考功能
- 谷歌云试图抢占SAP软件云市场 但击败微软和亚马逊并不易
- 阿里云发布首个域名AI大模型应用:可一键生成创意域名
- 隐私专家呼吁调查谷歌:未经允许追踪Android用户
- 标签: 博世 地平线 吴永桥 智能驾驶
- 美国数据中心建设热潮遇阻:超七成民众反对,QTS终止全球最大园区项目
- 传统技术正在唤醒原生云
- 牙膏挤不动了?英特尔正与台积电、三星商谈,将部分芯片生产外包
- 标签: 刘强东 苹果折叠屏 iPhone2026 雷军
- 标签: 亿纬锂能 SK On 股权置换 电池企业
- 和GPT聊天就能修图?Adobe联手OpenAI,Photoshop正式接入ChatGPT,创意门槛再降低!
- 搜索
-
- 友情链接