1. 查找图像中出现的人脸
代码示例：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
#导入face_recognition模块
import face_recognition
#将jpg文件加载到numpy数组中
image = face_recognition.load_image_file(“your_file.jpg”)
#查找图片中人脸（上下左右）的位置，图像中可能有多个人脸
#face_locations的值类似[(135，536，198，474),()]
face_locations = face_recognition.face_locations(image);
# 使用cnn模型 准确率高
face_locations = face_recognition.face_locations(image, number_of_times_to_upsample=0, model="cnn")
face_locations = face_recognition.face_locations(small_frame, model="cnn")
|
2. 获取图像中人脸的眼睛、鼻子、嘴、下巴、眉毛的位置和轮廓
代码示例：
|
1
2
3
4
5
6
7
8
9
|
import face_recognition
image = face_recognition.load_image_file(“your_file.jpg”)
#查找图片中人脸的所有面部特征（眉毛，眼睛，鼻子，上下嘴唇，面部轮廓）
#face_landmarks_list是个二维数组
face_landmarks_list = face_recognition.face_landmarks(image)
|
3. 识别图像中出现的人脸
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
import face_recognition
known_image = face_recognition.load_image_file(“biden.jpg”)
unknown_imag = face_recognition.load_image_file(“unknown.jpg”)
#获取每个图像文件中每个面部的面部编码
#由于每个图像中可能有多个人脸，所以返回一个编码列表。
#但是事先知道每个图像只有一个人脸，每个图像中的第一个编码，取索引0。
biden_encoding =face_recognition.face_encodings(known_image)[0]
unknown_encoding=face_recognition.face_encodings(unknown_image)[0]
#如果图像中有多个人脸 获取图像中多个人脸编码
face_locations = face_recognition.face_locations(unknow_image)
face_encodings = face_recognition.face_encodings(unknown_image, face_locations)
#结果是true/false的数组，未知面孔known_faces阵列中的任何人相匹配的结果
#[true, false,false]
results=face_recognition.compare_faces([biden_encoding],unknown_encoding)
#结果是true/false的数组，未知面孔known_faces阵列中的任何人相匹配的结果 设定比对结果的阀值
#[true, false,false]
match = face_recognition.compare_faces(known_faces, face_encoding, tolerance=0.50)
|
4.两个人脸的相似度
|
1
2
3
4
5
6
7
|
#结果是小于1的值 例如0.5 0.7等
face_distances = face_recognition.face_distance(known_encodings, image_to_test_encoding)
设定阀值 05或者0.6等
face_distances < 阀值
|
更多关于face_recognition库的介绍请查看以下链接
原文链接：https://blog.csdn.net/u010471273/article/details/80682638