face recognition實現簡單的人臉識別

三種方式的實現方法本質上是一樣的，區別只在於對opencv的呼叫上存在一點區別。

#實現從中進行人臉識別

#匯入face_recognition 和 cv2 庫
import face_recognition
import cv2
import numpy as np
#讀入frame = cv2.imread('d:/test/3face.jpg')
#進行縮放，這個十分重要，影響到識別是正確率和速度
#小進行適當放大之後，可以明顯提高識別成功率
frame = cv2.resize(frame,(0,0),fx=0.25,fy=0.25)
#cv2的排列方式為bgr，需要先轉變為rgb模式，face_recognition庫才能正常執行
rgb_frame = cv2.cvtcolor(frame,cv2.color_bgr2rgb)
#執行face_locations,識別出中人臉的位置（左上點，右下點）
face_locations = face_recognition.face_locations(rgb_frame)
for face_location in face_locations:
top = face_location[0]
right = face_location[1]
bottom = face_location[2]
left = face_location[3]
#畫出矩形框
效果圖如下：
單人臉識別：
多人臉識別：
 
DeepFace Facebook的人臉識別
連續看了deepid和facenet後，看了更早期的一篇 即fb的deepface。這篇 早於deepid和facenet，但其所使用的方法在後面的 中都有體現，可謂是早期的奠基之作。因而特寫博文以記之。人臉識別的基本流程是 detect align represent classify分為如下幾步...
DeepFace Facebook的人臉識別
連續看了deepid和facenet後，看了更早期的一篇 即fb的deepface。這篇 早於deepid和facenet，但其所使用的方法在後面的 中都有體現，可謂是早期的奠基之作。因而特寫博文以記之。人臉識別的基本流程是 detect aligh represent classify分為如下幾步...
Python OpenCV實現簡單的人臉檢測
匯入opencv庫 import cv2 載入特徵分類器 opencv自帶 face cascade cv2.cascadeclassifier haarcascade frontalface default.xml 開啟電腦攝像頭 capture cv2.videocapture 0 獲得攝像頭捕...