人臉識別的崛起

什么是人臉識別

人臉識別是將采集到的資料資訊,根據人臉特征資訊進行比對,從而辨識身份的技術，每逢談到人臉識別技術，就會想到人工智能，近年來，人工智能的發展成為當代技術革命的一部分，可以說計算機領域技術的發展，極大的帶動了這場革命，

常常在想人臉識別是如何做到，的這里面與復雜高級的資料建模，建立人臉各部分的資料模型密切相關，說白了，其實也就是演算法，演算法的研究，成為推動智能發展的頂梁柱，

這里面涉及的比較多，無論是從深度學習，還是機器學習，人工智能，這里面的實作程序，想必都是十分復雜的，
在下知識面比較薄弱，不敢多言，不過肯定的一點是，你的人臉識別首先要將人臉轉化為計算機可以識別的資料，人臉識別其實就是計算機方面的資料識別，

人臉識別技術的應用和發展

談到應用，我的第一映像就是手機上的人臉識別解鎖，目前在學校公寓里面也有人臉識別的機器，我記得首先是收集了我們學生們的照片，應該是存入資料庫的，我們學生的資訊，包括學號，以及所在系等等，學校都是存入資料庫的，學生在進入公寓時需要進行人臉識別，機器會進行識別，系統有兩種識別方式，一是識別人像，二是進行刷卡，刷卡會將自己的資訊讀取，會與資料庫的資訊對比，也是一種識別的方式，

目前，從我國人臉識別技術應用來看，主要集中在三大領域：考勤門禁、安防以及金融等等，人臉識別目前面臨著一個難題是，對于明亮可能有點要求，像黑暗的環境就比較困難，還有面部本身黑色的人也可能會有誤差，但是技術革命的發展，也必將解決這一難題，只有你想不到的，沒有做不到的，

應用前景：隨著人工智能的興起，更加高端的識別技術才是主流發展方向，無需接觸、更加方便、直觀的方式是未來方向，人臉識別具備無需被測者配合的特點，采集器掃過人臉就能進行對比，這在公安刑偵領域有著巨大的前景，在門禁安防領域，操作更加便捷的人臉識別也會更受歡迎，

python人臉識別

匯入庫

python是一門強大的計算機編程語言，我們常常要用到python中的庫，今天我們用到的庫是需要安裝的，因為不是python的內置庫，
1:opencv-python
2:face_recognition

我們這里主要介紹通過控制臺命令匯入庫，不過這里可能與一般情況下的固定格式的匯入有所區別，當然你可以借用Pycharm，以及直接去網站上安裝相應的包，我比較喜歡控制臺命令，因為感覺Pycharm匯入某些庫是比較慢的，

匯入opencv，這和python的版本是有區別的，我的是python3.7版本的，在控制臺匯入時，我們可以這樣匯入，opencv是依賴numpy的，我們一般這樣匯入，首先我們匯入cmake,,pip install cmake -i 鏡像源，

目前國內的鏡像源有如下：
阿里云 http://mirrors.aliyun.com/pypi/simple/

中國科技大學 https://pypi.mirrors.ustc.edu.cn/simple/

豆瓣(douban) http://pypi.douban.com/simple/

清華大學 https://pypi.tuna.tsinghua.edu.cn/simple/

中國科學技術大學 http://pypi.mirrors.ustc.edu.cn/simple/

華中理工大學 http://pypi.hustunique.com/simple/

山東理工大學 http://pypi.sdutlinux.org/simple/

我們再匯入opencv-python,這樣匯入 pip install opencv-python -i 鏡像源 -trusted-host

trusted-host是代表信任該鏡像源，這里主要針對可能出現不信任的提示的情況，

同理，我們匯入face_recognition時，我們這樣在控制臺這樣寫：pip install face_recognition -i 鏡像源 -trusted-host

這里可能會出現記憶體占用很大的問題，不過等一會就好了

實作代碼

此代碼的目的是實作對圖片中人臉的識別，并判斷是否是同一張臉，是則回傳yes,否則回傳no,圖片會顯示出來，并顯示劃定人臉的位置框型，yes和no會在圖片上方顯示，
下面展示一些 行內代碼片，

#import sys #python內置庫
import cv2 #計算機視覺領域
import face_recognition #人臉識別庫，如果讀取圖片的話，會是影像矩陣
#就是每個圖片的rgb
# 1.人臉資料
# 2.演算法
# 3.建立模型
# 4.訓練模型
# 5.測驗模型
# 6.上線使用

# 1讀取
face_image = face_recognition.load_image_file("E://1.jpg")#讀取圖片
# 2進行人臉特征提取 向量化
#128維的五官資料
face_encoding = face_recognition.face_encodings(face_image)
# 3人臉位置
face_locations = face_recognition.face_locations(face_image)
# 判斷
n = len(face_encoding)
#如果超過連個人就退出來
if n>2:
    print('超過兩個人')
    sys.exit()
face1 = face_encoding[0]
face2 = face_encoding[1]
# 4比較   閾值 tolerance指定容錯率，越小越嚴格
result = face_recognition.compare_faces([face1],face2,tolerance=0.5)
if result == [True] :
    print(1)
    name = 'Yes'
else :
    print(0)
    name = 'No'
#繪圖

for i in range(len(face_encoding)):
    face_encoding = face_encoding[i]
    face_location = face_locations[i]
    top,right,bottom,left = face_location
    #畫框             影像                  位置          顏色     粗細
    cv2.rectangle(face_image,(left,top),(right,bottom),(0,255,0),2)
    #寫字
    cv2.putText(face_image,name,(left,top),cv2.FONT_HERSHEY_SIMPLEX,0.8,(255,0,0,2))
face_image_rgb = cv2.cvtColor(face_image,cv2.COLOR_BGR2RGB)
# 展示影像
cv2.imshow("output",face_image_rgb)
#防止閃退
cv2.waitKey(0)

我隨便找了一張圖，給大家簡單演示下這個程序
我們來看實作結果

我們看到結果是這兩個人不是同一張臉，當然，這張圖可能比較容易辨別，各位可以嘗試難度比較大的，據說face_recognition庫地識別率達到99.5%以上，這是保底了，
注意代碼的指定容錯率，這也是和結果很有關系的，

后期會寫出動態拍照人臉識別，說到底，還是呼叫庫啊，會寫庫和演算法的才是大佬，只會用方法的我還是有很多需要去學習，

畢竟才疏學淺，在下還望各位大佬指正，期待與大家共同進步，
-----jgdabc