Python3利用利用Dlib19.7实现摄像头人脸识别的方法实现摄像头人脸识别的方法
0.引言引言
利用python开发，借助Dlib库捕获摄像头中的人脸，提取人脸特征，通过计算欧氏距离来和预存的人脸特征进行对比，达到人脸识别的目的；
可以自动从摄像头中抠取人脸图片存储到本地，然后提取构建预设人脸特征；
根据抠取的 / 已有的同一个人多张人脸图片提取128D特征值，然后计算该人的128D特征均值；
然后和摄像头中实时获取到的人脸提取出的特征值，计算欧氏距离，判定是否为同一张人脸；
人脸识别人脸识别 / face recognition的说明：的说明：
wikipedia 关于人脸识别系统 / face recognition system 的描述：theywork by comparing selected facial featuresfrom given image with faces within a database.
本项目中就是比较 预设的人脸的特征和 摄像头实时获取到的人脸的特征；
核心就是提取128D人脸特征，然后计算摄像头人脸特征和预设的特征脸的欧式距离，进行比对；
效果如下（摄像头认出来我是default_person预设的人脸 / 另一个人不是预设人脸显示diff）：
图1 摄像头人脸识别效果gif
1.总体流程总体流程
先说下 人脸检测 (face detection) 和 人脸识别 (face recognition) ，前者是达到检测出场景中人脸的目的就可以了，而后者不仅需要检测出人脸，还要和已有人脸数据进行比对，识别出是否在数据库中，
或者进行身份标注之类处理，人脸检测和人脸识别两者有时候可能会被理解混淆；
我的之前一些项目都是用dlib做人脸检测这块，这个项目想要实现的功能是人脸识别功能，借助的是 dlib官网中 face_recognition.py这个例程 （link：http://dlib.net/face_recognition.py.html）；
核心在于 利用 “dlib_face_recognition_resnet_model_v1.dat” 这个model，提取人脸图像的128D特征，然后比对不同人脸图片的128D特征，设定阈值计算欧氏距离来判断是否为同一张脸；
# face recognition model, the object maps human faces into 128D vectors
facerec = dlib.face_recognition_model_v1("dlib_face_recognition_resnet_model_v1.dat")
shape = predictor(img, dets[0])
face_descriptor = facerec.compute_face_descriptor(img, shape)
图2 总体设计流程
2.源码介绍源码介绍
剩余6页未读，继续阅读
资源评论
