当前位置：首页 > article >正文

深度学习-人脸识别对用户面部特征进行提取和匹配，实现快速、准确的人脸识别解锁

article 2025/2/13 17:41:08

下面为你提供使用深度学习进行人脸识别，实现面部特征提取和匹配以达成快速、准确人脸识别解锁功能的代码示例。这里会使用 dlib 进行人脸检测和特征点定位，face_recognition 库（基于 dlib）来提取面部特征并进行匹配，同时使用 OpenCV 进行图像的读取和处理。

1. 安装必要的库

pip install dlib face_recognition opencv-python

2. 代码实现

import face_recognition
import cv2
import os

# 注册已知人脸
def register_faces(known_faces_dir):
    known_face_encodings = []
    known_face_names = []

    for filename in os.listdir(known_faces_dir):
        if filename.endswith(('.png', '.jpg', '.jpeg')):
            image_path = os.path.join(known_faces_dir, filename)
            image = face_recognition.load_image_file(image_path)
            face_encoding = face_recognition.face_encodings(image)[0]
            known_face_encodings.append(face_encoding)
            name = os.path.splitext(filename)[0]
            known_face_names.append(name)

    return known_face_encodings, known_face_names

# 人脸识别解锁
def face_recognition_unlock(known_face_encodings, known_face_names):
    video_capture = cv2.VideoCapture(0)

    while True:
        # 读取摄像头的一帧图像
        ret, frame = video_capture.read()

        # 将图像从 BGR 颜色空间转换为 RGB 颜色空间（face_recognition 库使用 RGB）
        rgb_frame = frame[:, :, ::-1]

        # 检测当前帧中的所有人脸位置和特征编码
        face_locations = face_recognition.face_locations(rgb_frame)
        face_encodings = face_recognition.face_encodings(rgb_frame, face_locations)

        face_names = []
        for face_encoding in face_encodings:
            # 比较当前人脸编码与已知人脸编码
            matches = face_recognition.compare_faces(known_face_encodings, face_encoding)
            name = "Unknown"

            # 如果有匹配的人脸
            if True in matches:
                first_match_index = matches.index(True)
                name = known_face_names[first_match_index]
                print(f"识别成功！欢迎 {name}，已解锁。")
                # 这里可以添加解锁相关的操作，如打开门锁等
            face_names.append(name)

        # 在图像上绘制人脸框和名称
        for (top, right, bottom, left), name in zip(face_locations, face_names):
            cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)
            cv2.putText(frame, name, (left + 6, bottom - 6), cv2.FONT_HERSHEY_DUPLEX, 0.5, (255, 255, 255), 1)

        # 显示处理后的图像
        cv2.imshow('Video', frame)

        # 按 'q' 键退出循环
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    # 释放摄像头并关闭所有窗口
    video_capture.release()
    cv2.destroyAllWindows()

if __name__ == "__main__":
    # 已知人脸图像所在的目录
    known_faces_dir = "known_faces"
    known_face_encodings, known_face_names = register_faces(known_faces_dir)
    face_recognition_unlock(known_face_encodings, known_face_names)

3. 代码解释

注册已知人脸（register_faces 函数）：
- 遍历指定目录下的所有图像文件（.png、.jpg、.jpeg 格式）。
- 使用 face_recognition.load_image_file 加载图像，然后使用 face_recognition.face_encodings 提取图像中人脸的特征编码。
- 将提取的特征编码和对应的人名（文件名去除扩展名）分别存储在 known_face_encodings 和 known_face_names 列表中。
人脸识别解锁（face_recognition_unlock 函数）：
- 打开摄像头并不断读取视频帧。
- 将读取的帧从 BGR 颜色空间转换为 RGB 颜色空间（因为 face_recognition 库使用 RGB 格式）。
- 使用 face_recognition.face_locations 检测当前帧中的所有人脸位置，再使用 face_recognition.face_encodings 提取这些人脸的特征编码。
- 对于每个提取的人脸编码，使用 face_recognition.compare_faces 与已知人脸编码进行比较。
- 如果有匹配的人脸，打印识别成功信息，并可以添加解锁相关的操作（如打开门锁等）。
- 在图像上绘制人脸框和对应的人名，然后显示处理后的图像。