1.安装包依赖
与上篇通过摄像头动态识别人脸一样,先下载好opencv-python、face-recognition,这里因为使用的是照片对比的方式,特意使用tkinter画了一个简单的GUI方便操作。
在python 3以上版本tkinter是环境自带的,所以这里不需要安装
2.代码示例
import osimport cv2import numpy as npimport face_recognitionimport tkinter as tk import tkinter.filedialogfrom PIL import Image,ImageTk classNames=[]img_path='Picture'img_recognition_path='Recognition'existsEncodeingList=[]#对人脸集合进行编码进行处理def findEncodeings(images): for img in images: #灰度处理 img=cv2.cvtColor(src=img,code=cv2.COLOR_BGR2RGB) #face_encodings对图片对象a_images进行编码并返回数组0位置编码结果 encode=face_recognition.face_encodings(img)[0] existsEncodeingList.append(encode)#获取当前存储的人脸编码集合def findExistsEncodeingList(img_path): images=[] #列出已经上传的所有图片 imgList=os.listdir(img_path) #处理存储的图片得到其人脸编码 for pic in imgList: img=cv2.imread('{}/{}'.format(img_path,pic)) images.append(img) classNames.append(os.path.splitext(pic)[0]) findEncodeings(images)#选择并对比图片def choosepic(): choosepath = tkinter.filedialog.askopenfilename() path.set(choosepath) img_open = Image.open(entry.get()).resize((530,750)) img = ImageTk.PhotoImage(img_open) lableShowImage.config(image=img) lableShowImage.image = img lableShowImage.place(x=30, y=70, width=530, height=750) faceRecognition(choosepath)def faceRecognition(choosepath): frame=cv2.imread(choosepath) frameRGB=cv2.cvtColor(src=frame,code=cv2.COLOR_BGR2RGB) #对摄像头读取的检测人脸 facesLocate=face_recognition.face_locations(frameRGB) #进行特征编码 faceEncoded=face_recognition.face_encodings(frameRGB,facesLocate)#遍历检测的人脸和库中读取的图片进行对比,计算其相似度 name='unknow' for (top,right, bottom,left),face_encoding in zip(facesLocate,faceEncoded): #进行匹配 matchs=face_recognition.compare_faces(existsEncodeingList,face_encoding) #计算相似度 distance=face_recognition.face_distance(existsEncodeingList,face_encoding) lab='unknow' for index, item in enumerate(distance): if item<0.5: if matchs[index]: #得到匹配到的图片名称与相似度值 lab='name:{}; Similarity:{}'.format(classNames[index],item) name=classNames[index] break #初始化面部捕捉框显示绿色 color1 =(0,255,0) if name =='unknow': #未能识别的时候显示蓝色 color1 =(255,0,0) #画面部捕捉框 cv2.rectangle(img=frame,pt1=(left,top),pt2=(right,bottom),color=color1,thickness=3) #在捕捉框上添加匹配到的图片信息 cv2.putText(frame, lab, (left,top-8),cv2.FONT_HERSHEY_SIMPLEX, 0.7, color1, 2) cv2.imwrite('{}/{}.png'.format(img_recognition_path,name),frame) img_Recognition = Image.open('{}/{}.png'.format(img_recognition_path,name)).resize((530,750)) img = ImageTk.PhotoImage(img_Recognition) lableShowImage2.config(image=img) lableShowImage2.image = img lableShowImage2.place(x=630, y=70, width=530, height=750)if __name__ == '__main__': findExistsEncodeingList(img_path) #生成tk界面 app即主窗口 app = tk.Tk() #修改窗口titile app.title("show pictue") #设置主窗口的大小和位置 app.geometry("1200x900+200+50") #Entry widget which allows displaying simple text. path = tk.StringVar() entry = tk.Entry(app, state='readonly', text=path,width = 100) entry.pack() #使用Label显示图片 lableShowImage = tk.Label(app) lableShowImage.pack() #使用Label2显示处理后的图片 lableShowImage2 = tk.Label(app) lableShowImage2.pack() #选择图片的按钮 buttonSelImage = tk.Button(app, text='choose picture', command=choosepic) buttonSelImage.pack() app.mainloop()
3.说明
首先我将需要被识别的人脸的照片预设到项目目录的Picture文件夹下,然后创建一个Recognition目录存放识别过的图片,这样方便在一个界面上展示对比结果照片。
其实对比结果也可以不用存,直接将处理后的图片缓存直接展示在界面上,这里需要改一下此处的代码,将上述代码注释掉,然后换成下面的那行,通过数组直接转成图片
但是效果会存在色彩的失真,效果如下:
也尝试了PIL的九种不同图片模式: 1,L,P,RGB,RGBA,CMYK,YCbCr,I,F,最终效果也没达到,大概与我resize((530,750))这个有关,也没继续纠结,有兴趣的同学可以尝试一下。
这里简单提下PIL的九种不同图片模式:
modes | 描述 |
---|---|
1 | 1位像素,黑和白,存成8位的像素 |
L | 8位像素,黑白 |
P | 8位像素,使用调色板映射到任何其他模式 |
RGB | 3× 8位像素,真彩 |
RGBA | 4×8位像素,真彩+透明通道 |
CMYK | 4×8位像素,颜色隔离 |
YCbCr | 3×8位像素,彩色视频格式 |
I | 32位整型像素 |
F | 32位浮点型像素 |
4.实现效果
可以实现简单的人脸对比,Similarity代表相似度值,值越小代表人脸与预设的图片越相似。