python人脸对比

之前，我们利用opencv进行了人脸检测，而人脸对比我们需要用到另外一个库——dilb

请注意：直接安装dlib会出错(我之前遇到的)，要先安装boost和cmake，依次执行如下命令：

(安装时间可能较长，请耐心等待)

pip install boost
pip install cmake
pip install dlib

然后，我们开始写代码，引用如下几个库(如果numpy报错要自行安装)：

import os,cv2,dlib
import numpy as np

随后，我们需要下载dlib的数据包

链接： https://share.weiyun.com/5zRqA8q （密码：5i1K）

将两个dat文件放到目录下的'dlib'文件夹，加定义几个变量

predictor_path = 'dlib/shape_predictor_5_face_landmarks.dat'
face_model_path = 'dlib/dlib_face_recognition_resnet_model_v1.dat'

接着，我们定义一个函数，使用这个函数就可以获取128D脸部特征值

def faces_to_128D(imdata,count):
    detector = dlib.get_frontal_face_detector()
    predictor = dlib.shape_predictor(predictor_path)
    face_model = dlib.face_recognition_model_v1(face_model_path)
    image_rgb = cv2.cvtColor(imdata, cv2.COLOR_BGR2RGB)
    has_face = detector(image_rgb, 1)
    shape = predictor(image_rgb, has_face[0])
    face_desc = face_model.compute_face_descriptor(image_rgb, shape)
    feature_array = np.array([])
    for _, desc in enumerate(face_desc):
        feature_array = np.append(feature_array, desc)
    return feature_array

上面是重要的部分，下面的代码可以自行按需求自定义，进行获取匹配度

在判断两个脸部的相似度的时候，我们用到一个公式来进行计算欧氏距离(欧几里得距离)

用来获取在n维空间中两个点之间的真实距离，也就是说，得到的距离值越小，两个人脸的相似度就越高

知道了这些，我们就可以直接使用numpy来计算欧氏距离

def faces_same(face1, face2):
    distance = np.linalg.norm(face1 - face2) #计算欧氏距离
    print(distance)
    if (distance < 0.38): #这里可以修改，也就是距离小于0.38时判断匹配成功
        return True
    else:
        return False


def faces_compare(feature1, feature2):
    same_v = faces_same(feature1, feature2)
    if same_v:
        print('yes')
    else:
        print('no')

于是，我们就可以用faces_compare来对比两个人脸了

(以下的代码不是关键代码，只是使用示例，用到了之前的人脸检测，读取两个图片中的人脸，进行对比

两个图片为c1.jpg和c2.jpg，保证图片中都只有一个人脸)

image=cv2.imread("c1.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
face_cascade = cv2.CascadeClassifier('haarcascades\\haarcascade_frontalface_alt2.xml')
faces1 = face_cascade.detectMultiScale(
    gray,
    scaleFactor=1.15,
    minNeighbors=5,
    minSize=(5, 5),
)
img1=None
for (x, y, w, h) in faces1:
    img1 = image[y:y + w, x:x + w] #截取图片中人脸
image=cv2.imread("c2.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
faces2 = face_cascade.detectMultiScale(
    gray,
    scaleFactor=1.15,
    minNeighbors=5,
    minSize=(5, 5),
)
img2=None
for (x, y, w, h) in faces2:
    img2 = image[y:y + w, x:x + w]
face_compare(faces_to_128D(img1),faces_to_128D(img2)) #调用face_compare进行人脸对比

至此，python人脸处理就到这里了，可以充分利用这项技术来做一些有意思的程序。