人臉比對應有多嚴格(人臉辨識,版本 9)?
版本 8 處理速度。最後一個版本處理一個更安靜的問題:版本 8 判斷兩張臉是不是同一個人,
用的數字不是任何人選的。函式庫的預設值是 0.6,那是一個合理的猜測,不是一個決定。
版本 9 把它變成一個決定:給這個數字起名,並把它搬到檔案頂部的一個地方。
從版本 8 改了兩行。就這樣。改動小,是因為這個旋鈕一直都在;它只是藏在函式庫的預設值裡。
一個數字,兩種錯誤
匹配一張臉會產生一個距離:這張臉離一個已知的臉有多遠,用 128 個數字來量。零就是完全相同。 容差是那條界線——任何高於它的距離都被當成另一個人。
轉動這個旋鈕,兩種錯誤會朝相反方向移動,沒有任何設定能讓兩者同時消失:
- 太鬆 — 陌生人被安上最像的那個人的名字。螢幕自信地顯示錯誤的人。
- 太嚴 — 對的人被拒絕,因為同一張臉從來不會兩次拍得一模一樣。
螢幕對一個它認識的人顯示
Unknown。
哪種錯誤更要緊,是關於用途的問題,不是關於程式碼的問題。一扇絕對不能讓錯的人打開的門, 要嚴的設定。一個應該找出朋友每一張相片的相片庫,鬆一點也無妨。
1. 把容差設一次
images_folder = "images"
my_tolerance = 0.5 # 函式庫預設值是 0.6
這個變數和其他設定放在一起,在資料夾搜尋上面,所以容易找到,也容易改。#
後面的文字是註解:Python 忽略它,它留在檔案裡,告訴下一個讀的人:沒有這一行時,數字會是多少。
把預設值這樣擺出來,比記住它便宜。
2. 把這個數字傳給 compare_faces
matches = face_recognition.compare_faces(known_face_encodings, face_encoding, tolerance=my_tolerance)
那一行裡其他東西都是版本 7 的工作。加的是 tolerance=my_tolerance:
等號左邊的名字是 compare_faces 內部的設定,必須一字不差地寫成這樣;
等號右邊是上面設的變數。
注意下一行的 face_distance 沒有動。它沒有容差,因為它只報距離;
多遠的距離可以接受,這個決定屬於 compare_faces。所以兩行是一致的:
距離量一次,同一個界線套在它們上面。
距離大概是什麼樣子
編碼向量的長度大約是 1,所以實際上距離很少超過 1.2。典型的值:
0— 兩張完全相同的相片。- 大約
0.3–0.5— 同一個人的兩張相片,拍攝時間不同。 - 大約
0.7以上 — 兩個不同的人。
所以有用的設定大致落在 0.4 到 0.7 之間:
0.4–0.5— 嚴格。錯誤的姓名更少,Unknown更多。0.6— 函式庫的預設值,也是函式庫自己的文件推薦的起點。0.7以上 — 寬鬆。陌生人開始從資料夾裡借名字。1.0以上 — 幾乎什麼都匹配,等於完全不檢查。
函式庫的建議和這張表一致:如果兩個不同的人被報成同一個人,就把數字調低。
容差和縮放會互相拉扯
版本 8 在編碼之前把畫面縮到一半,這要付出細節,也把距離推高一點。版本 9 又把界線收緊。 兩件都做,效果會疊加:一張在 0.6 預設值下以 0.57 通過的臉,現在可能坐在 0.62,在 0.5 下面失敗。
所以這兩個設定應該一起選。如果你收緊了容差,對的人卻一直顯示 Unknown,
先把 scale_ratio 調高靠近 1.0,再考慮放鬆容差。
靠保留更多像素來恢復準確率,通常比靠接受更弱的證據來恢復更好。
完整程式
版本 1 的下載裡已經有這個檔案。和版本 8 相比,多了一行,還有一行多了一個設定; 後面每一行的行號都往後挪了一位。
import face_recognition
import cv2
import os
import glob
import numpy as np
images_folder = "images"
my_tolerance = 0.5 # 函式庫預設值 = 0.6
images_path = glob.glob(os.path.join(images_folder, "*.*"))
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)
cap = cv2.VideoCapture(0)
scale_ratio = 0.5
multiple = int(1 / scale_ratio)
ret, img = cap.read()
width=int(img.shape[1]*scale_ratio)
height=int(img.shape[0]*scale_ratio)
dim=(width,height)
while True:
ret, img = cap.read()
resized=cv2.resize(img,dim,interpolation=cv2.INTER_NEAREST)
rgb_img = cv2.cvtColor(resized,cv2.COLOR_BGR2RGB)
face_locations = face_recognition.face_locations(rgb_img)
face_encodings = face_recognition.face_encodings(rgb_img, face_locations)
face_names = []
for face_encoding in face_encodings:
matches = face_recognition.compare_faces(known_face_encodings, face_encoding, tolerance=my_tolerance)
name = "Unknown"
face_distances = face_recognition.face_distance(known_face_encodings, face_encoding)
best_match_index = np.argmin(face_distances)
if matches[best_match_index]:
name = known_face_names[best_match_index]
face_names.append(name)
for face_loc, name in zip(face_locations, face_names):
y1, x2, y2, x1 = face_loc[0], face_loc[1], face_loc[2], face_loc[3]
y1=y1*multiple
x2=x2*multiple
y2=y2*multiple
x1=x1*multiple
cv2.putText(img, name, (x1, y1 - 10), cv2.FONT_HERSHEY_DUPLEX, 1, (0, 200, 0), 2)
cv2.rectangle(img, (x1, y1), (x2, y2), (0, 200, 0), 4)
cv2.imshow("Frame", img)
key = cv2.waitKey(1)
if key in (ord('q'), ord('Q')):
break
cap.release()
cv2.destroyAllWindows()
先加上你自己的相片
和之前一樣,只有當 images 資料夾裡有那個名字的檔案時,臉才會被叫出名字,
例如 Peter.jpg。沒有它,不管容差是多少,每張臉都是 Unknown。
在自己的電腦上執行
用和版本 1 相同的下載:
下載 zip 檔案,解壓,
在 Visual Studio Code 裡打開資料夾。這篇筆記用的是 face09.py。
在這個資料夾裡第一次執行時,三行都跑:
uv python pin 3.12.10
uv sync
uv run face09.py
這三行只需要一次。下次想再執行程式,只打 uv run face09.py。
整個系列一眼看完
- 版本 1 — 顯示資料夾裡的每一張相片。
- 版本 2 — 把每張相片變成 128 個數字,把檔名留作標籤。
- 版本 3 — 給一張相片裡的人臉命名。
- 版本 4 — 在視窗裡顯示鏡頭。
- 版本 5 — 顯示之前先改動一格影格。
- 版本 6 — 在影格上畫一個框和一個標籤。
- 版本 7 — 即時辨識並命名人臉。
- 版本 8 — 只搜尋四分之一的像素,換取速度。
- 版本 9 — 選擇匹配要多嚴格。
九個小程式,每一個都是能用一句話說清楚的一步。拼在一起,它們是一台能叫出面前是誰的鏡頭; 而同一個模式——列一串數字、比對、決定、把決定畫出來——也躺在遠大於它們的系統底下。