教你如何制作自己的人脸识别系统
之前一些非程序员朋友问我，自己是否应该学习一门编程语言。我的回答是：是的，你一定要学会一门编程语言，来简化你在现今环境中的一些繁琐重复的工作。虽然我是一名程序员，但我觉得我的编程技能更多的用在了生活上。
接下来说说人脸识别系统。
How
其实这套系统的原理很简单，本着能够让每个人都能读懂的原则，一定不要用专业的眼光去看这套系统，其实它只不过是用几个现成的组件拼接而成的。
系统流程如图：
准备工作：摄像头，Ubuntu系统、python开发环境、网络环境
没错，就是这么简单，需要准备的东西并不多。这里你也可以用Windows系统来搭建，只要你高兴，怎么着都行。
安装python的依赖包
对于python环境，你可以直接通过下载anaconda，它是一款python的集成开发环境，里面包含了大量的python依赖包。接下来会安装一些anaconda中没有的依赖包：face_recognition、OpenaCV、pymysql、wxpy
对于pymysql，可以这么安装：
pip install pymysql -ihttps://pypi.tuna.tsinghua.edu.cn/simple
对于face_recognition和OpenaCV，会比较麻烦
安装OpenCV
装一大堆内核：
#Remove any previous installations of x264
sudoapt-getremovex264libx264-dev
#We will Install dependencies now
sudoapt-getinstallbuild-essentialcheckinstallcmakepkg-configyasmsudoapt-getinstallgitgfortransudoapt-getinstalllibjpeg8-devlibjasper-devlibpng12-dev
# If you are using Ubuntu 14.04
sudoapt-getinstalllibtiff4-dev
# If you are using Ubuntu 16.04
sudoapt-getinstalllibtiff5-dev
sudoapt-getinstalllibavcodec-devlibavformat-devlibswscale-devlibdc1394-22-dev
sudoapt-getinstalllibxine2-devlibv4l-dev
sudoapt-getinstalllibgstreamer0.10-devlibgstreamer-plugins-base0.10-dev
sudoapt-getinstallqt5-defaultlibgtk2.-devlibtbb-dev
sudoapt-getinstalllibatlas-base-devsudoapt-getinstalllibfaac-devlibmp3lame-devlibtheora-dev
sudoapt-getinstalllibvorbis-devlibxvidcore-dev
sudoapt-getinstalllibopencore-amrnb-devlibopencore-amrwb-dev
sudoapt-getinstallx264v4l-utils
# Optional dependencies
sudoapt-getinstalllibprotobuf-devprotobuf-compiler
sudoapt-getinstalllibgoogle-glog-devlibgflags-dev
sudoapt-getinstalllibgphoto2-devlibeigen3-devlibhdf5-devdoxygen
下载opencv包：
git clone https://github.com/opencv/opencv.gitcd opencvgit checkout 3.3.1cd ..
下载opencv_contrib包：
git clone https://github.com/opencv/opencv_contrib.gitcd opencv_contribgit checkout 3.3.1cd ..
开始编译：
cdopencv
mkdirrelease
cdrelease
cmake-DBUILD_TIFF=ON\
-DBUILD_opencv_java=OFF\
-DWITH_CUDA=OFF\
-DWITH_OPENGL=ON\
-DWITH_OPENCL=ON\
-DWITH_IPP=ON\
-DWITH_TBB=ON\
-DWITH_EIGEN=ON\
-DWITH_V4L=ON\
-DWITH_VTK=OFF\
-DBUILD_TESTS=OFF\
-DBUILD_PERF_TESTS=OFF\
-DCMAKE_BUILD_TYPE=RELEASE\
-DCMAKE_INSTALL_PREFIX=$(python-c"import sys; print(sys.prefix)")\
-DPYTHON3_EXECUTABLE=$(whichpython)\
-DPYTHON3_INCLUDE_DIR=$(python-c"from distutils.sysconfig import get_python_inc; print(get_python_inc())")\
-DPYTHON3_PACKAGES_PATH=$(python-c"from distutils.sysconfig import get_python_lib; print(get_python_lib())")\
..
make-j4
makeinstall# not sudo, except for Raspberry Pi
#Note: on the Raspberry Pi, consider make -j2 to avoid over-temperature and under-voltage warnings (in general when compiling on Raspberry Pi, not just for OpenCV).
此时此刻，opencv已经编译完成了，在你的
下会有一个的文件，创建一个软连接到你的虚拟环境下就OK了：
cd /home/[user_name]/anaconda3/lib/python3.6/site-packages/
ln -s /home/[user_name]/anaconda3/lib/python3.6/site-packages/cv2.cpython-36m-x86_64-linux-gnu.so cv2.so
可以打开ipython来验证一下：
In [1]: import cv2
In [2]: print(cv2.__version__)
3.3.1-dev
安装face_recognition
这个比较简单，官方写了一份文档非常详细，可以下载看看：
https://media.readthedocs.org/pdf/face-recognition/latest/face-recognition.pdf
要说明的是，在看安装说明时仔细一点。安装face_recognition之前需要先安装dlib，文档上都有链接，亲测可用，非常顺畅。
人脸识别
接下来该编写一小段程序了，不过不要发慌，程序也有现成的例子，只需要根据自己的需求改一改，就可以了。python语言的优点就是阅读性很强，基本能看懂英语的都能读懂代码什么意思，所以这份代码的样例读起来也很容易，连接在这里：
https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam_faster.py
上面的注释是比较详细的，这里我挑几段简单介绍一下：
video_capture=cv2.VideoCapture()①
# Find all the faces and face encodings in the current frame of video
face_locations=face_recognition.face_locations(small_frame)②
face_encodings=face_recognition.face_encodings(small_frame,face_locations)③
第1行是将摄像头打开，开始捕捉画面；第2行是寻找画面中出现的人脸图像，第3行是提取出人脸图像中的特征。什么是特征？你可以简单把他理解为电脑为识别出人脸而定制的一套规则，符合这套规则就被认为是人脸。
找出人脸后与预存的人脸进行对比。对比的操作实际上就是计算相似度。首先需要将预存的人脸图像进行向量化，存储为numpy.array格式。当然，为了每次启动程序时不必重复对预存的图片向量化，可以将结果进行存储，用的时候读取就行。
importos
importface_recognition
importnumpyasnp
importconstantsascons
know_face_path=cons.BASE_FACES_PATH
model_path=cons.MODEL_PATH
time_now=cons.time_str
known_faces=[]
known_names=[]
forindex,file_nameinenumerate(sorted(os.listdir(know_face_path))):# 为了调用时顺序一致test_image=face_recognition.load_image_file(know_face_path+'/'+file_name)model=face_recognition.face_encodings(test_image)[]np.savetxt(model_path+'/'+time_now+'_'+str(index)+'.model',model)
接下来，开始计算距离，排序，选出在我所设置阈值内的最小值，进行标识：
match=face_recognition.compare_faces(known_faces,face_encoding,tolerance=0.38)
dis=face_recognition.face_distance(known_faces,face_encoding)
name="Unknown"
id=np.argmin(dis)
ifmatch[id]:name=known_names[id].split('.')[]
好了，这就是代码中的主要部分，剩下的就是一些个性化的定制了。比如你可以在检测到人脸之后，给自己发送微信消息，这就用到了wxpy
登录微信：
# 导入模块
from wxpy import *
# 初始化机器人，扫码登录
bot = Bot()
寻找好友：
my_firend = bot.friends().search('张三', sex=MALE)[0]
发送消息：
# 发送文本给好友
my_friend.send('Hello!!!')
# 发送图片
my_friend.send_image('my_picture.fig')
其他的一些好玩的功能可以去github上瞧瞧：
https://github.com/youfou/wxpy
展示
以上就是制作人脸识别系统的过程，过程相对比较简单，只要有耐心，都能够制作完成，尤其是当看到系统正常运行时的心情，如沐浴春风，北京的天都蓝了。
以下是我的运行结果图（为银行制作，后面搭接一个产品推荐系统）：
动起手来，丰富自己的生活
- 发表于:
- 原文链接：http://kuaibao.qq.com/s/20180415G0M7YM00?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
