关于face_recognition
face_recognition被称为世界上最简洁的人脸识别库，借助face_recognition库，我们可以使用Python和命令行提取、识别、操作人脸。
face_recognition的人脸识别是基于业内领先的C++开源库 dlib中的深度学习模型，用Labeled Faces in the Wild人脸数据集进行测试，有高达99.38%的准确率。但对小孩和亚洲人脸的识别准确率尚待提升。
PyPI地址：face-recognition · PyPI
github仓库地址：
ageitgey/face_recognition: The world's simplest facial recognition api for Python and the command line (github.com)
相关包安装
（1）包安装前置需求
- 用于编译dlib的VC++编译器，参考资料2推荐Microsoft Visual Studio 2015及以上版本的VC编译器。
- Python3开发环境。
- Windows版CMake，并将路径添加到环境变量。
- 1.63或更新版本的Boost库（用于旧版本的dlib，新版本的不需要），按照参考1，可以使用MSVC的预编译版本，但不推荐这样做。
（2）简易安装
pip install dlib
pip install face_recognition
（3）纯手动安装
按照参考资料1，可以按一下步骤手工安装：
1）下载并安装scipy和numpy+mkl（必须是mkl版本）包。
2）下载适配当前电脑MSVC版本的boost库源代码和二进制文件（下载链接）。
3）如果下载的是boost库的二进制文件，请直接跳到步骤4）。否则：
首先，解压Boost的源代码文件到本地目录，例如C:\local\boost_1_XX_X（X表示下载的Boost版本）；
然后，创建如下参数的环境变量（以VC14为例）：
变量名：VS140COMNTOOLS
变量值：C:\Program Files (x86)\Microsoft Visual Studio 14.0\Common7\Tools\（或者是本地MSVC的路径）
最后，打开Visual Studio命令行窗口并进入Boost的解压目录，尝试使用如下命令编译Boost：
bootstrap
b2 -a --with-python address-model=64 toolset=msvc runtime-link=static4）如果已编译Boost，请跳过这一步，否则，把下载到的Boost二进制文件解压至本地特定目录，如C:\local\boost_1_XX_X。
5）从仓库中获取并解压最新版的dlib。
6）进入dlib目录，打开命令行终端按如下步骤生成dlib（XX表示dlib版本号，实际操作时替换为具体的版本号）：
set BOOST_ROOT=C:\local\boost_X_XX_X
set BOOST_LIBRARYDIR=C:\local\boost_X_XX_X\stage\lib
python setup.py install --yes USE_AVX_INSTRUCTIONS or python setup.py install --yes USE_AVX_INSTRUCTIONS --yes DLIB_USE_CUDA7）到此，已经可以在Python脚本中导入dlib了：import dlib。
8）我们可以通过pip show dlib命令检查安装到Python环境里的dlib版本。
9）安装face_recognition：
pip install face_recognition10）完成，可以用来开发了。
应用示例
（1）主要API
| 方法 | 说明 | 返回值 |
|
| 批量定位人脸位置 | 返回包含人脸位置的元组列表，人脸位置按css（上、右、下、左）顺序排列。 |
|
| 将特定的人脸编码和一个已知人脸编码列表进行对比 | 返回一个True/False值列表，用以表示哪些已知的人脸和特定的人脸匹配。 |
|
| 人脸距离（欧几里得距离） | numpy ndarray，包含要对比的人脸和人脸数组中每个元素的距离。 |
|
| 人脸编码 | 128维度人脸编码列表。 |
|
| 给出一张照片中每个人脸的特征部位（包括眼、鼻等） | 人脸特征位置字典列表。 |
|
| 查找人脸位置，返回图片中人脸的边界框数组 | 包含边界框信息的元组列表 |
|
| 加载图片到 （.jpg, .png等）numpy数组 | numpy array |
参考文档：
face_recognition package — Face Recognition 1.4.0 documentation (face-recognition.readthedocs.io)
（2）应用举例
import face_recognition
# 加载并编码个人照片
picture_of_the_man = face_recognition.load_image_file('obama.jpg')
the_man_face_encoding = face_recognition.face_encodings(picture_of_the_man)[0]
# 判断这个人是否在集体照中
picture_of_many_people = face_recognition.load_image_file('barack_obama_family.jpg')
people_encoding_list = face_recognition.face_encodings(picture_of_many_people)
# 人脸比对
result = face_recognition.compare_faces(people_encoding_list, the_man_face_encoding)
contains_this_man = False
for item in result:
contains_this_man = item
if contains_this_man == True:
break
if contains_this_man:
print('照片里有这个人')
else:
print('照片里没有这个人')
以上程序能在奥巴马一家合照中认出奥巴马。
注：程序识别过程有点慢，按照参考资料1的说法，face_recognition库在Windows上的性能仅有Ubuntu上的1/4，这一点有待验证。
参考资料
- Windows Installation Guide · Issue #175 · ageitgey/face_recognition (github.com)
