【人脸识别系列】| 实现人脸截图保存并编写128维特征向量

2022-02-08 22:02:55 阅读：409 来源： 互联网

标签：人脸识别 PIL 特征向量 image locations face 人脸 128

前情提要

通过上一篇我们就可以对图片中的人脸进行识别，这篇文章就来教大家怎么对人脸部分进行截取保存。并且将图片中的每张人脸编码成一个128维长度的向量，通过这个后续能在人脸之间进行比对。

PIL导入

由于我们需要进行切割和保存所有我这里使用了PIL库进行，Python图像库PIL(Python Image Library)是python的第三方图像处理库，但是由于其强大的功能与众多的使用人数，几乎已经被认为是python官方图像处理库了。其官方主页为:PIL。 PIL历史悠久，原来是只支持python2.x的版本的，后来出现了移植到python3的库pillow,pillow号称是friendly fork for PIL,其功能和PIL差不多，但是支持python3。conda环境中只需activate “你所使用的环境” 然后 conda install pillow 即可，python默认环境中只需pip install pillow ，或是都可通过pycharm搜索pillow进行下载

人脸编码函数——face_encodings

face_encodings( face_image , known_face_locations=None , num_jitters=1 ) 给定一个图像，返回图像中每个人脸的128脸部编码（特征向量）。参数： face_image ：输入的人脸图像 known_face_locations ：可选参数，如果你知道每个人脸所在的边界框 num_jitters=1 ：在计算编码时要重新采样的次数。越高越准确，但速度越慢（100就会慢100倍）
返回值：一个128维的脸部编码列表，返回值类型为：List[Dict[str,List[Tuple[Any,Any]]]]，是由各个脸部特征关键点位置组成的字典记录列表，一个Dict对象对应图片中的一个人脸，其key为某个脸部特征：如输出中的nose_bridge、left_eye等，value是由该脸部特征各个关键点位置组成的List，关键点位置是一个Tuple。

切割

而我们想要对人脸部分实现截图保存只需要通过上篇文章中face_locations函数定位到人脸部分时进行切割即可我用到的是Image.crop()方法进行切割。具体代码如下（有详细解释，嘿嘿）

具体代码

Main

import face_recognition
from PIL import Image
import Test3                  # 导入Test3

'''
图片中人脸截图保存
'''
img = Image.open("2.png")
image = face_recognition.load_image_file("2.png")
face_locations = face_recognition.face_locations(image)  # 参数(top, right, bottom, left) 上右角 下左角
for i in range(len(face_locations)):
    top, right, bottom, left = face_locations[i]
    region = img.crop((left, top, right, bottom))  # 参数(left, upper, right, lower)  左上角  右下角 进行切割
    region.save(str(i)+"_.jpg") # 保存 
    region.show()     # 展示
    Test3.demoFunc("2.png")   #  调用Test3中的demoFunc()方法

Test3

import face_recognition

def demoFunc(path):
  '''
    将图片中的每张人脸编码成一个128维长度的向量
    '''
    image = face_recognition.load_image_file(path)
    face_encodings = face_recognition.face_encodings(image)  #将单个人脸数据转化为一个128维的向量
    for i in face_encodings:
        print("i:", i)

结果展示

又到了激动人心的展示时刻了
128维向量
嘿嘿大头照

总结

人脸识别第二期结束，如果大家觉得还不错有所帮助的话那就还有所帮助，大家一起努力进步！

标签：人脸识别,PIL,特征向量,image,locations,face,人脸,128
来源： https://blog.csdn.net/weixin_45801664/article/details/122831794

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9