如何把每一張人臉變成一串數字(人臉辨識,版本 2)?
版本 1 會顯示照片,但對照片裡的臉一無所知。版本 2 負責量度。它為每張照片找出人臉, 把那張臉描述成 128 個數字,然後把數字放進一個清單,把那個人的名字放進另一個清單。 這個版本還沒有任何比較。這是讓比較成為可能的那一步。
這些數字叫作人臉編碼。它不是任何人讀得懂的描述——不是"棕色眼睛、寬鼻子"—— 而是一組測量值,形式是電腦可以從另一組測量值裡減掉的。同一個人的兩張照片會給出兩個 相近的清單。兩個不同的人給出的清單會離得比較遠。
為什麼要用數字?
電腦沒辦法把兩張臉當圖片來比較。同一張臉的兩張照片永遠不會一模一樣:光線變了, 頭轉了一點,鏡頭的高度也不同。逐像素比較會說每一對都不一樣。比較 128 個描述臉形的 測量值,就能抵住這些變化,並給出一個數字,說明兩張臉差多少。版本 3 就是靠這個數字 判斷誰是誰。
程式怎麼運作
1. 加入人臉函式庫
import face_recognition
import cv2
import os
import glob
face_recognition 是找出人臉、並把每張臉變成數字的函式庫。另外三行跟版本 1 一樣:
cv2 讀取圖片,os 處理檔案路徑,glob 找出檔案。
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 一樣,沒有改動。印出來的數目,仍然是確認資料夾找到了沒有最快的方法。
3. 建兩個空清單
known_face_encodings = []
known_face_names = []
一個清單放每個人的 128 個數字,另一個放對應的名字。順序很重要:第一個清單第 0 位 放進去的東西,必須屬於第二個清單第 0 位的名字。程式靠同一個迴圈裡先加這個、再加那個, 來守住這個承諾。
4. 讀取圖片,修正顏色順序
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 給出的是 BGR 順序的像素格子:藍、綠、紅。
這是 OpenCV 的習慣,不是一般的順序。face_recognition 要的是
RGB:紅、綠、藍。cv2.cvtColor 配上
cv2.COLOR_BGR2RGB,把第一個通道和最後一個通道對調,結果存進
rgb_img。
跳過這一行,程式不會當掉。它會量錯顏色,然後悄悄產出更差的編碼——這種錯只會在版本 3 冒出來,變成一張認不出的臉。所以這一行不能省。
最後兩行還是版本 1 的:basename 去掉資料夾,splitext 把
Howard 和 .JPG 分開。
5. 量度人臉
img_encoding = face_recognition.face_encodings(rgb_img)[0]
face_encodings 找出圖片裡的每一張臉,每張臉回傳一個 128 個數字的清單。
最後那個 [0] 取第一個。
對一本護照式的照片資料夾來說,這樣寫是對的,因為每張照片裡恰好只有一張清晰的臉。這也意味著
程式預期至少有一張臉:如果 face_encodings 一張都沒找到,清單就是空的,
[0] 會讓程式報錯停下來。要改的是照片,不是程式碼——更清晰的圖、更好的光,
或者更大的臉。
6. 把數字跟名字一起存起來
known_face_encodings.append(img_encoding)
known_face_names.append(filename)
print("images encoded", filename)
append 加到每個清單的末尾,所以編碼和名字始終對齊。print
顯示進度,例如 images encoded Howard,每張照片一行。迴圈結束時,兩個清單裡
各有三個編碼和三個名字,等著下一個版本用。
完整程式
把上面的片段拼回去,就是完整的檔案,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)
親眼看看這些數字
編碼就是普通的 Python 清單,你可以看一個。在迴圈裡、編碼做好之後,加上這一行:
print(img_encoding)
畫面會塞滿 128 個小數,大約在 −0.15 到 0.15 之間。單獨一個數字說明不了什麼。 兩個這樣的清單並排放著,就能說明——那就是下一個版本要做的比較。
在自己的電腦上執行
用跟版本 1 一樣的下載:
下載壓縮檔,解壓,
用 Visual Studio Code 打開這個資料夾。這一篇用的是 face02.py。
第一次執行時,三行都跑:
uv python pin 3.12.10
uv sync
uv run face02.py
這裡慢的是 uv sync,因為 face_recognition 會帶進 dlib 和
大約 100 MB 的模型。之後單獨跑 uv run face02.py 就夠了。
這三行只需要做一次。下次想再執行這個程式,只需輸入 uv run face02.py。
每張照片只用一張清晰的臉,並用那個人的名字當檔名,例如 Anna.jpg。
如果一張照片上有兩張臉,[0] 會悄悄取第一張,名字就會錯,所以一個檔案只放一個人。
下一步
版本 3 會把同一套量度指向一張新照片,把結果跟這些存下來的編碼比較, 然後印出最接近的那個名字。