一 安装部分

1.1 face_recognition简介

face_recognition主要是对dlib机器学习库的二次开发，主要功能包括人脸检测、人脸关键点检测、人脸识别。

1.2 环境参数

Python3.4+
dlib
face_recognition

1.3 下载face_recognition源代码

下载地址：https://github.com/ageitgey/face_recognition

二 简单的命令行界面使用

安装face_recogniton时，将获得一个命令行程序，称为face_recogniton，可进行人脸识别。

2.1 人脸识别

首先准备./pictures_of_people_i_know/和./unknown_pictures/文件夹，分别保存已知人员和未知人员的图片，见下图：

进入文件夹所在目录，运行：

# face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/

调整检测阈值（默认0.6），运行：

# face_recognition --tolerance 0.54 ./pictures_of_people_i_know/ ./unknown_pictures/

显示两面部匹配的距离，运行：

# face_recognition --show-distance true ./pictures_of_people_i_know/ ./unknown_pictures/

三 人脸检测

3.1 HOG+SVM模型

3.1.1 代码

代码：examples/find_faces_in_picture.py

3.1.2 测试结果

（左边原图，右边人脸检测图）

3.2 cnn模型

官网上描述cnn模型比HOG+SVM模型的检测效果要好，但是速度较慢。

3.2.1 代码

代码：examples/find_faces_in_picture_cnn.py

3.2.2 测试结果

（左边原图，右边人脸检测图）

3.3 视频中的人脸检测

3.3.1 代码

代码：examples/blur_faces_on_webcam.py

3.3.2 测试结果

(略)

四 人脸关键点检测

4.1 人脸关键点检测（级联回归算法）

4.1.1 代码

代码：examples/find_facial_feature_in_picture.py

4.1.2 测试结果

4.2 人脸关键点检测的化妆应用

4.2.1 代码

代码：examples/digital_makeup.py

4.2.2 测试结果

五 人脸识别

5.1 人脸识别（残差网络模型）

5.1.1 代码

代码：examples/recognize_faces_in_picture.py

5.1.2 检测结果

5.2 视频中的人脸识别

5.2.1 代码

代码：examples/facerec_from_webcam_faster.py

5.3 人脸识别（残差网络模型+knn近邻分类器）

当存在大量已知人员（即同一个人存有多张图片）时可使用该案例。人脸识别的128维特征提取仍是用残差网络模型，只不过预测时，knn算法会从训练集中找出k个最相似的面孔，进行多数投票进行人脸预测。

5.3.1 算法说明

算法步骤：
（1） 生成数据集及标签：

（2） 训练，生成knn分类器

（3） 测试，判断匹配脸最接近的距离是否小于阈值，若大于则预测人脸为unknown，若小于则进行knn的人脸识别预测

5.3.2 代码

代码：examples/face_recognition_knn.py

5.3.3 检测结果

六 代码运行方式

进入代码所在目录，运行：

# python3 XXX.py