Opencv学习项目3——人脸识别

上一个项目我们使用2个函数检测了两张图片的人脸是否为同一个人,这次我们将他的相似度使用face_distance来显示

face_distance函数参数说明

face_recognition.face_distance(known_face_encodings, face_to_compare)

参数说明

  • known_face_encodings: 这是一个列表,包含了已知的多个人脸编码(通常是从已知的图像中提取得到的)。每个人脸编码是一个128维的向量。

  • face_to_compare: 这是一个单独的人脸编码,通常是从另一张图像中提取的。也是一个128维的向量。

返回值

  • 函数返回一个包含浮点数的数组,表示 face_to_compare 与 known_face_encodings 中每个人脸编码之间的欧氏距离。

功能和用途

  • 欧氏距离计算: 对于每个人脸编码对,函数计算其欧氏距离。欧氏距离越小,表示两个人脸编码之间越相似。

  • 相似度比较: 通过比较欧氏距离,可以判断两个人脸是否属于同一个人,或者在人脸识别任务中,用于识别最相似的人脸。

接下来我们来看代码

代码实现

复制代码
import cv2
import face_recognition

# 加载图像文件
img1 = face_recognition.load_image_file('lyf1.png')
img2 = face_recognition.load_image_file('lyf2.png')
# 将图像从 BGR 格式转换为 RGB 格式
img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2RGB)
img2 = cv2.cvtColor(img2, cv2.COLOR_BGR2RGB)
# 第一个人的人脸位置信息
faceloc1 = face_recognition.face_locations(img1)[0]
faceloc2 = face_recognition.face_locations(img2)[0]
# 提取人脸编码
face_encoding1 = face_recognition.face_encodings(img1, [faceloc1])[0]
face_encoding2 = face_recognition.face_encodings(img2, [faceloc2])[0]
#框出人脸
cv2.rectangle(img1, (faceloc1[3], faceloc1[0]), (faceloc1[1], faceloc1[2]), (0, 255, 0), 3)
cv2.rectangle(img2, (faceloc2[3], faceloc2[0]), (faceloc2[1], faceloc2[2]), (0, 255, 0), 3)
#比对人脸特征
res = face_recognition.compare_faces([face_encoding1],face_encoding2)
facedis = face_recognition.face_distance([face_encoding1],face_encoding2)
print(res,round(facedis[0],2))
cv2.putText(img1,f'{res}{round(facedis[0],2)}',(50,50),cv2.FONT_HERSHEY_COMPLEX,1,(0,255,0),3)
#打印人脸位置信息
# print(faceloc1)
# print(faceloc2)

cv2.imshow('lyf1', img1)
cv2.imshow('lyf2', img2)
cv2.waitKey(0)

效果演示

这样就完成了

相关推荐
Csvn7 小时前
同一个问题问 100 遍,钱就扣 100 次?精确缓存让它只扣一次(C02)
人工智能·aigc·agent
罗西的思考8 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习
罗西的思考8 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(1)
人工智能·算法·机器学习
汤姆宝库8 小时前
BPE分词器的完整实现:字节对合并与词表构建
开发语言·人工智能·c#
岁月宁静8 小时前
从零拆解 AI 语音模拟面试系统
人工智能·python·agent
武子康9 小时前
H3-World 接入 Game Agent:谁来判断门真的打开了?
人工智能·算法·机器学习
可乐ea10 小时前
MCP 和 CLI 差 42 倍:一次 GitHub 任务的上下文成本实测
人工智能·github·工具调用·ai智能体·openrouter·mcp协议·上下文优化
kyriewen10 小时前
编辑弹窗点了取消,列表里的数据怎么还是变了?
前端·javascript·人工智能
泯泷10 小时前
Multica 真正打动我的,不是更多 Agent,而是一种新的团队协作方式
人工智能·llm·agent
电科_银尘10 小时前
【深度学习项目实战·22】灰度图像着色:用小型U-Net学习从灰度到RGB
人工智能·深度学习·学习