教你如何製作自己的人臉識別系統

其實這套系統的原理很簡單，本著能夠讓每個人都能讀懂的原則，一定不要用專業的眼光去看這套系統，其實它只不過是用幾個現成的組件拼接而成的。

系統流程如圖：

準備工作：攝像頭，Ubuntu系統、python開發環境、網路環境

沒錯，就是這麼簡單，需要準備的東西並不多。這裡你也可以用Windows系統來搭建，只要你高興，怎麼著都行。

安裝python的依賴包

對於python環境，你可以直接通過下載anaconda，它是一款python的集成開發環境，裡面包含了大量的python依賴包。接下來會安裝一些anaconda中沒有的依賴包：face_recognition、OpenaCV、pymysql、wxpy

對於pymysql，可以這麼安裝：

pip install pymysql -i https://pypi.tuna.tsinghua.edu.cn/simple

對於face_recognition和OpenaCV，會比較麻煩

安裝OpenCV

裝一大堆內核：

#Remove any previous installations of x264sudo apt-get remove x264 libx264-dev#We will Install dependencies nowsudo apt-get install build-essential checkinstall cmake pkg-config yasmsudo apt-get install git gfortransudo apt-get install libjpeg8-dev libjasper-dev libpng12-dev# If you are using Ubuntu 14.04sudo apt-get install libtiff4-dev# If you are using Ubuntu 16.04sudo apt-get install libtiff5-devsudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libdc1394-22-devsudo apt-get install libxine2-dev libv4l-devsudo apt-get install libgstreamer0.10-dev libgstreamer-plugins-base0.10-devsudo apt-get install qt5-default libgtk2.0-dev libtbb-devsudo apt-get install libatlas-base-devsudo apt-get install libfaac-dev libmp3lame-dev libtheora-devsudo apt-get install libvorbis-dev libxvidcore-devsudo apt-get install libopencore-amrnb-dev libopencore-amrwb-devsudo apt-get install x264 v4l-utils# Optional dependenciessudo apt-get install libprotobuf-dev protobuf-compilersudo apt-get install libgoogle-glog-dev libgflags-devsudo apt-get install libgphoto2-dev libeigen3-dev libhdf5-dev doxygen

下載opencv包：

git clone https://github.com/opencv/opencv.gitcd opencvgit checkout 3.3.1cd ..

下載opencv_contrib包：

git clone https://github.com/opencv/opencv_contrib.gitcd opencv_contribgit checkout 3.3.1cd ..

開始編譯：

cd opencv mkdir releasecd releasecmake -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=$(python -c "import sys; print(sys.prefix)") -DPYTHON3_EXECUTABLE=$(which python) -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 make install # 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).

此時此刻，opencv已經編譯完成了，在你的

/home/[user_name]/anaconda3/lib/python3.6/site-packages/

下會有一個 cv*.so 的文件，創建一個軟連接到你的虛擬環境下就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

可以打開ipython來驗證一下：

In [1]: import cv2In [2]: print(cv2.__version__)3.3.1-dev

安裝face_recognition

這個比較簡單，官方寫了一份文檔非常詳細，可以下載看看：

https://media.readthedocs.org/pdf/face-recognition/latest/face-recognition.pdf

要說明的是，在看安裝說明時仔細一點。安裝face_recognition之前需要先安裝dlib，文檔上都有鏈接，親測可用，非常順暢。

人臉識別

接下來該編寫一小段程序了，不過不要發慌，程序也有現成的例子，只需要根據自己的需求改一改，就可以了。python語言的優點就是閱讀性很強，基本能看懂英語的都能讀懂代碼什麼意思，所以這份代碼的樣例讀起來也很容易，連接在這裡：

https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam_faster.py

上面的注釋是比較詳細的，這裡我挑幾段簡單介紹一下：

video_capture = cv2.VideoCapture(0) ①# Find all the faces and face encodings in the current frame of videoface_locations = face_recognition.face_locations(small_frame) ②face_encodings = face_recognition.face_encodings(small_frame, face_locations) ③

第1行是將攝像頭打開，開始捕捉畫面；第2行是尋找畫面中出現的人臉圖像，第3行是提取出人臉圖像中的特徵。什麼是特徵？你可以簡單把他理解為電腦為識別出人臉而定製的一套規則，符合這套規則就被認為是人臉。

找出人臉後與預存的人臉進行對比。對比的操作實際上就是計算相似度。首先需要將預存的人臉圖像進行向量化，存儲為numpy.array格式。當然，為了每次啟動程序時不必重複對預存的圖片向量化，可以將結果進行存儲，用的時候讀取就行。

import os import face_recognitionimport numpy as np import constants as consknow_face_path = cons.BASE_FACES_PATHmodel_path = cons.MODEL_PATHtime_now = cons.time_strknown_faces = [] known_names = []for index, file_name in enumerate(sorted(os.listdir(know_face_path))): # 為了調用時順序一致 test_image = face_recognition.load_image_file(know_face_path + / + file_name) model = face_recognition.face_encodings(test_image)[0] np.savetxt(model_path + / + time_now + _ + str(index) + .model, model)

接下來，開始計算距離，排序，選出在我所設置閾值內的最小值，進行標識：

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)if match[id]: name = known_names[id].split(.)[0]

好了，這就是代碼中的主要部分，剩下的就是一些個性化的定製了。比如你可以在檢測到人臉之後，給自己發送微信消息，這就用到了wxpy

登錄微信：

# 導入模塊from wxpy import *# 初始化機器人，掃碼登錄bot = Bot()

尋找好友：

my_firend = bot.friends().search(張三, sex=MALE)[0]

發送消息：

# 發送文本給好友my_friend.send(Hello!!!)# 發送圖片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

以上就是製作人臉識別系統的過程，過程相對比較簡單，只要有耐心，都能夠製作完成，尤其是當看到系統正常運行時的心情，如沐浴春風，北京的天都藍了。

以下是我的運行結果圖（為銀行製作，後面搭接一個產品推薦系統）：