这个项目能做什么

face_recognition 是一个 Python 库和命令行工具，用于识别和处理人脸。它基于 dlib 的先进人脸识别模型构建，README 中称其在 Labeled Faces in the Wild（LFW）基准上的准确率为 99.38%。该库提供简洁的 API，可用于定位人脸、提取面部特征点、计算人脸编码，并通过比较人脸来识别人员。 ## 主要功能 - 使用 `face_locations()` 查找图像中的所有人脸，并可选用基于深度学习的 CNN 模型以提升准确率（良好性能需要 CUDA）。 - 使用 `face_landmarks()` 定位并勾勒面部特征（眼睛、鼻子、嘴巴、下巴），可用于数字化妆等应用。 - 通过 `face_encodings()` 生成 128 维人脸编码，并使用 `compare_faces()` 进行匹配，从而识别人脸。 - 提供两个命令行程序：`face_recognition` 用于识别图片文件夹中的已知人物，`face_detection` 用于输出人脸边界框坐标。 ## 安装 - 需要 Python 3.3+ 或 Python 2.7，支持 macOS 或 Linux。Windows 未正式支持，但可能可通过社区提供的说明运行。 - 必须先安装带 Python 绑定的 `dlib`（在 macOS/Ubuntu 上可从源码构建，或使用预配置虚拟机）。 - 安装 `cmake` 后（例如在 macOS 上执行 `brew install cmake`），通过 `pip3 install face_recognition` 安装。 - 文档中还包含针对 Nvidia Jetson Nano、Raspberry Pi 2+、FreeBSD（`pkg install graphics/py-face_recognition`）和 Windows 的平台指南。 - 提供 Docker 镜像，便于部署到 Heroku 或 AWS 等云主机。 ## 使用示例（Python） ```python import face_recognition # 查找图像中的人脸 image = face_recognition.load_image_file("your_file.jpg") face_locations = face_recognition.face_locations(image) # 获取面部特征点 face_landmarks_list = face_recognition.face_landmarks(image) # 识别人员 known_image = face_recognition.load_image_file("biden.jpg") unknown_image = face_recognition.load_image_file("unknown.jpg") biden_encoding = face_recognition.face_encodings(known_image)[0] unknown_encoding = face_recognition.face_encodings(unknown_image)[0] results = face_recognition.compare_faces([biden_encoding], unknown_encoding) ``` ## 命令行界面 - `face_recognition ./known_people/ ./unknown_pictures/` 会为每个检测到的人脸输出一行，包含文件名和识别出的姓名（或 `unknown person`）。 - `--tolerance 0.54` 会使匹配更严格；`--show-distance true` 会输出计算得到的人脸距离。 - `--cpus 4`（或 `-1` 表示所有核心）可在多核系统上启用并行处理。 - `face_detection ./folder_with_pictures/` 会为找到的每张人脸输出上、右、下、左像素坐标。 ## 示例脚本 该仓库包含许多示例，包括： - 使用默认 HOG 模型和 CNN 深度学习模型进行人脸检测。 - 实时网络摄像头识别（简单版和更快版本，需要 OpenCV）。 - 在视频文件中以及配备摄像头的 Raspberry Pi 上进行人脸识别。 - 使用 Flask 的 HTTP Web 服务。 - 用于针对每个人多张图片进行训练的 K 最近邻和 SVM 分类器。 - 在实时网络摄像头视频中模糊人脸。 ## 注意事项 - 识别模型基于成年人训练，在默认比较阈值 0.6 下，对儿童的表现可能不佳。 - 不同族群之间的准确率可能存在差异；wiki 中讨论了已知准确率问题。 - 对于部署，项目包含 Dockerfile 和预构建 Docker 镜像，并在使用 Nvidia 驱动和 nvidia-docker 的 Linux 系统上支持 GPU。 该项目被广泛用作 dlib 人脸识别能力的简单高层封装，适合需要人脸检测和识别的原型开发及生产应用。