如何把每一张人脸变成一串数字(人脸识别,版本 2)?
版本 1 会显示照片,但对照片里的脸一无所知。版本 2 负责量度。它为每张照片找出人脸, 把那张脸描述成 128 个数字,然后把数字放进一个清单,把那个人的名字放进另一个清单。 这个版本还没有任何比较。这是让比较成为可能的那一步。
这些数字叫作人脸编码。它不是任何人读得懂的描述——不是"棕色眼睛、宽鼻子"—— 而是一组测量值,形式是电脑可以从另一组测量值里减掉的。同一个人的两张照片会给出两个 相近的清单。两个不同的人给出的清单会离得比较远。
为什么要用数字?
电脑没办法把两张脸当图片来比较。同一张脸的两张照片永远不会一模一样:光线变了, 头转了一点,摄像头的高度也不同。逐像素比较会说每一对都不一样。比较 128 个描述脸形的 测量值,就能抵住这些变化,并给出一个数字,说明两张脸差多少。版本 3 就是靠这个数字 判断谁是谁。
程序怎么运作
1. 加入人脸库
import face_recognition
import cv2
import os
import glob
face_recognition 是找出人脸、并把每张脸变成数字的库。另外三行跟版本 1 一样:
cv2 读取图片,os 处理文件路径,glob 找出文件。
2. 找出照片
images_folder = "images"
images_path = glob.glob(os.path.join(images_folder, "*.*"))
print("{} images in folder".format(len(images_path)))
跟版本 1 一样,没有改动。打印出来的数目,仍然是确认文件夹找到了没有的最快办法。
3. 建两个空清单
known_face_encodings = []
known_face_names = []
一个清单放每个人的 128 个数字,另一个放对应的名字。顺序很重要:第一个清单第 0 位 放进去的东西,必须属于第二个清单第 0 位的名字。程序靠同一个循环里先加这个、再加那个, 来守住这个承诺。
4. 读取图片,修正颜色顺序
for img_path in images_path:
img = cv2.imread(img_path)
rgb_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
basename = os.path.basename(img_path)
(filename, ext) = os.path.splitext(basename)
cv2.imread 给出的是 BGR 顺序的像素格子:蓝、绿、红。
这是 OpenCV 的习惯,不是一般的顺序。face_recognition 要的是
RGB:红、绿、蓝。cv2.cvtColor 配上
cv2.COLOR_BGR2RGB,把第一个通道和最后一个通道对调,结果存进
rgb_img。
跳过这一行,程序不会崩。它会量错颜色,然后悄悄产出更差的编码——这种错只会在版本 3 冒出来,变成一张认不出的脸。所以这一行不能省。
最后两行还是版本 1 的:basename 去掉文件夹,splitext 把
Howard 和 .JPG 分开。
5. 量度人脸
img_encoding = face_recognition.face_encodings(rgb_img)[0]
face_encodings 找出图片里的每一张脸,每张脸返回一个 128 个数字的清单。
最后那个 [0] 取第一个。
对一本护照式的照片文件夹来说,这样写是对的,因为每张照片里恰好只有一张清晰的脸。这也意味着
程序预期至少有一张脸:如果 face_encodings 一张都没找到,清单就是空的,
[0] 会让程序报错停下。要改的是照片,不是代码——更清晰的图、更好的光,
或者更大的脸。
6. 把数字跟名字一起存起来
known_face_encodings.append(img_encoding)
known_face_names.append(filename)
print("images encoded", filename)
append 加到每个清单的末尾,所以编码和名字始终对齐。print
显示进度,例如 images encoded Howard,每张照片一行。循环结束时,两个清单里
各有三个编码和三个名字,等着下一个版本用。
完整程序
把上面的片段拼回去,就是完整的文件,一共 18 行:
import face_recognition
import cv2
import os
import glob
images_folder = "images"
images_path = glob.glob(os.path.join(images_folder, "*.*"))
print("{} images in folder".format(len(images_path)))
known_face_encodings = []
known_face_names = []
for img_path in images_path:
img = cv2.imread(img_path)
rgb_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
basename = os.path.basename(img_path)
(filename, ext) = os.path.splitext(basename)
img_encoding = face_recognition.face_encodings(rgb_img)[0]
known_face_encodings.append(img_encoding)
known_face_names.append(filename)
print("images encoded", filename)
亲眼看看这些数字
编码就是普通的 Python 清单,你可以看一个。在循环里、编码做好之后,加上这一行:
print(img_encoding)
画面会塞满 128 个小数,大约在 −0.15 到 0.15 之间。单独一个数字说明不了什么。 两个这样的清单并排放着,就能说明——那就是下一个版本要做的比较。
在自己的电脑上运行
用跟版本 1 一样的下载:
下载压缩包,解压,
用 Visual Studio Code 打开这个文件夹。这一篇用的是 face02.py。
第一次运行时,三行都跑:
uv python pin 3.12.10
uv sync
uv run face02.py
这里慢的是 uv sync,因为 face_recognition 会带进 dlib 和
大约 100 MB 的模型。之后单独跑 uv run face02.py 就够了。
这三行只需要做一次。下次想再运行这个程序,只需输入 uv run face02.py。
每张照片只用一张清晰的脸,并用那个人的名字当文件名,例如 Anna.jpg。
如果一张照片上有两张脸,[0] 会悄悄取第一张,名字就会错,所以一个文件只放一个人。
下一步
版本 3 会把同一套量度指向一张新照片,把结果跟这些存下来的编码比较, 然后打印最接近的那个名字。