【人臉識別系列】| 實作人臉截圖保存并撰寫128維特征向量-有解無憂

前情提要

通過上一篇我們就可以對圖片中的人臉進行識別，這篇文章就來教大家怎么對人臉部分進行截取保存，并且將圖片中的每張人臉編碼成一個128維長度的向量，通過這個后續能在人臉之間進行比對，

PIL匯入

由于我們需要進行切割和保存所有我這里使用了PIL庫進行，Python影像庫PIL(Python Image Library)是python的第三方影像處理庫，但是由于其強大的功能與眾多的使用人數，幾乎已經被認為是python官方影像處理庫了，其官方主頁為:PIL， PIL歷史悠久，原來是只支持python2.x的版本的，后來出現了移植到python3的庫pillow,pillow號稱是friendly fork for PIL,其功能和PIL差不多，但是支持python3，conda環境中只需activate “你所使用的環境” 然后 conda install pillow 即可，python默認環境中只需pip install pillow ，或是都可通過pycharm搜索pillow進行下載

人臉編碼函式——face_encodings

face_encodings( face_image , known_face_locations=None , num_jitters=1 ) 給定一個影像，回傳影像中每個人臉的128臉部編碼（特征向量），引數： face_image ：輸入的人臉影像 known_face_locations ：可選引數，如果你知道每個人臉所在的邊界框 num_jitters=1 ：在計算編碼時要重新采樣的次數，越高越準確，但速度越慢（100就會慢100倍）
回傳值：一個128維的臉部編碼串列，回傳值型別為：List[Dict[str,List[Tuple[Any,Any]]]]，是由各個臉部特征關鍵點位置組成的字典記錄串列，一個Dict物件對應圖片中的一個人臉，其key為某個臉部特征：如輸出中的nose_bridge、left_eye等，value是由該臉部特征各個關鍵點位置組成的List，關鍵點位置是一個Tuple，

切割

而我們想要對人臉部分實作截圖保存只需要通過上篇文章中face_locations函式定位到人臉部分時進行切割即可我用到的是Image.crop()方法進行切割，具體代碼如下（有詳細解釋，嘿嘿）

具體代碼

Main

import face_recognition
from PIL import Image
import Test3                  # 匯入Test3

'''
圖片中人臉截圖保存
'''
img = Image.open("2.png")
image = face_recognition.load_image_file("2.png")
face_locations = face_recognition.face_locations(image)  # 引數(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))  # 引數(left, upper, right, lower)  左上角  右下角 進行切割
    region.save(str(i)+"_.jpg") # 保存 
    region.show()     # 展示
    Test3.demoFunc("2.png")   #  呼叫Test3中的demoFunc()方法

Test3

import face_recognition

def demoFunc(path):
  '''
    將圖片中的每張人臉編碼成一個128維長度的向量
    '''
    image = face_recognition.load_image_file(path)
    face_encodings = face_recognition.face_encodings(image)  #將單個人臉資料轉化為一個128維的向量
    for i in face_encodings:
        print("i:", i)