利用 face_recognition 包进行人脸特征提取与识别，实现一对一、一对多识别

face_recognition是一个轻量化的人脸识别包，能识别出人脸的眉毛、鼻子、嘴巴、眼睛等特征点，进行计算两张脸的距离，比较两张脸是否为同一个人等功能。

一、两张图像进行比较

取两张照片进行图像比对，确认是否同一个人，在进行比较时，发现两个不同的人比对结果为同一个人，原因是没有设定较为严格的阈值，需在

results = face_recognition.compare_faces([my_face_encoding], unknown_face_encoding)

在程序中添加 tolerance，值越小，精度越高，官方说法是tolerance=0.6是最优的，但是我用来识别时发现出现识别错误，需设定为更小的值，tolerance<0.5 时较优。

results = face_recognition.compare_faces([my_face_encoding], unknown_face_encoding,tolerance=0.1)

完整代码

import face_recognition
 
picture_of_me = face_recognition.load_image_file(r"C:\Users\lenovo\Desktop\1.jpg")
my_face_encoding = face_recognition.face_encodings(picture_of_me)[0]
 
# my_face_encoding now contains a universal 'encoding' of my facial features that can be compared to any other picture of a face!
 
unknown_picture = face_recognition.load_image_file(r"C:\Users\lenovo\Desktop\2.jpg")
unknown_face_encoding = face_recognition.face_encodings(unknown_picture)[0]
 
# Now we can see the two face encodings are of the same person with `compare_faces`!
 
results = face_recognition.compare_faces([my_face_encoding], unknown_face_encoding,tolerance=0.1)
 
if results[0] == True:
    print("It's a picture of me!")
else:
    print("It's not a picture of me!")

二、进行多人脸比对识别

假定我们已经采集到一批已知姓名的照片，照片名字以姓名进行命名，现需要识别出一张待识别的人是否在我们采集的样本库中。

如果待识别的照片在样本库中，把他的名字打印出来，否则打印出“陌生人”字样。

import os 
import face_recognition

path=r"C:\Users\lenovo\Desktop\样本库照片"
piture=os.listdir(path)
known_faces=[]
for i in piture:
    pp=os.path.join(path,i)
    name=face_recognition.load_image_file(pp)
    face_feature=face_recognition.face_encodings(name)[0]
    known_faces.append(face_feature)

unknown_image = face_recognition.load_image_file(r"C:\Users\lenovo\Desktop\待识别.jpg")
unknown_imag_encoding = face_recognition.face_encodings(unknown_image)[0]

results = face_recognition.compare_faces(known_faces,unknown_imag_encoding,tolerance=0.4)
while True in results:
    for i in range(len(results)):
        if results[i]==True:
            print("姓名：",piture[i].split('.')[0])
    break    
else:
    print("陌生人")

三、多人脸特征识别

我们有一张照片是这样的

我们需要识别出每张脸的特征并在该图上进行标注

原始教程中，是把一张脸上的特征画出来，第二张脸再画在另一张图上，经过我的修改，实现把所有脸都画在同一张图上。

附上代码

from PIL import Image, ImageDraw
import face_recognition

image = face_recognition.load_image_file(r"C:\Users\lenovo\Desktop\测试\00.jpg")

#查找图像中所有面部的所有面部特征
face_landmarks_list = face_recognition.face_landmarks(image)

print("I found {} face(s) in this photograph.".format(len(face_landmarks_list)))
facial_features =['chin','left_eyebrow','right_eyebrow','nose_bridge','nose_tip','left_eye', 'right_eye','top_lip','bottom_lip']

pil_image = Image.fromarray(image)
d = ImageDraw.Draw(pil_image)

for face_landmarks in face_landmarks_list:
   #打印此图像中每个面部特征的位置  
#     for facial_feature in facial_features:
#         print("The {} in this face has the following points: {}".format(facial_feature, face_landmarks[facial_feature]))

   #让我们在图像中描绘出每个人脸特征！
    for facial_feature in facial_features:
        d.line(face_landmarks[facial_feature], width=1)

pil_image.show() 

如果我们有每张脸的单独的名字，同样可以实现识别出每张脸的姓名，该部分功能与第二节是同样的程序，略。

四、 额外的拓展

由于我们在设定 tolerance 时，根据识别的results 进行调节，没有科学性。应该是取多个人的多张照片进行比对，例如取10个人的50张照片进行比对，使用 face_recognition.face_distance 函数。
1、同一个人的照片两两比对，得出49*49个距离数据，10个人就有10个矩阵，分别计算出同一组数据内的平均值、最大值、最小值。

2、依次取两个人的多张照片进行两两比对，得出一组距离数组，再计算平均值、最大值、最小值。

3、找出同第1、2点数据组间的最佳分隔线，从而得出最优的 tolerance 。

face_recognition.face_distance 还有其他功能，在此就不在细讲。

~ ~
完结！