人脸识别工具

Question

我用Python创建了一个小型库和一个示例应用程序，用于学习面部识别并进行实验。不过，现在我正在将文件名的列表加载到内存中，然后允许代码迭代这些名称，以便进行比较或查找这些名称。

我认为我的例子和库效率很低，但我不确定如何最好地使用我的库处理大量的照片。此外，它一次只能在一张照片上工作，但我的理解是，面部识别库使用所有核心，我应该一次只看一张照片。

如何使我的代码更高效？

我使用的原始面部识别库可以在https://github.com/ageitgey/face_识别找到。

我的图书馆：

import face_recognition
import os, os.path
import ntpath
from PIL import Image

def get_image_directory(path):
  imgs = []
  valid_images = [".jpg",".gif",".png",".tga"]
  for f in os.listdir(path):
    ext = os.path.splitext(f)[1]
    if ext.lower() not in valid_images:
      continue
    imgs.append(os.path.join(path,f))
  return imgs

def recognize_faces(path):
  file_name = path_leaf(path)
  image = face_recognition.load_image_file(path)
  face_locations = face_recognition.face_locations(image)
  i = 0
  for face_location in face_locations:
    top, right, bottom, left = face_location
    face_image = image[top:bottom, left:right]
    pil_image = Image.fromarray(face_image)
    pil_image.save( 'output/' + str(file_name) + '_' +str(i)+".png")
    i+=1

def compare_faces(unknown_images, known_images):
  for image in unknown_images:
    unknown_comparison_image = create_face_comparison_encoding(image)
    for k_image in known_images:
      results = face_recognition.compare_faces([k_image],unknown_comparison_image)
      if results[0] == True:
        print("This person appears familiar!")
        print("Writing the faces to output folder!")
        recognize_faces(image)
      else:
        print("This doesn't appear to be familiar!")

def path_leaf(path):
  head, tail = ntpath.split(path)
  return tail or ntpath.basename(head)

def create_face_comparison_encoding(image):
  known_image = face_recognition.load_image_file(image)
  known_image_encoding = face_recognition.face_encodings(known_image)[0]
  return known_image_encoding

应用程序：

from ml_face import *

##
# The Program
##
unknown_persons = get_image_directory('images/') # Unknown Persons Directory
known_persons = get_image_directory('known_person/') # Known Persons Directory
known_list = [] # Empty List
for k_per in known_persons:
  known_comparison_image = create_face_comparison_encoding(k_per)
  known_list.append(known_comparison_image)
compare_faces(unknown_persons,known_list)

Answer 1

我注意到，face_recognition库本身也非常优化，可以同时在多个gpu和gpu上运行。但是我会在这里为你的具体代码出两分钱。

通常，对于这样的应用程序有两个步骤。

这里有一个培训步骤，您可以一次解析所有known_person映像，然后构建一个face_encodings数据，并将它们存储在磁盘上。通常，这些编码在大小上要比图像数据本身小得多，而且对于所有已知的图像都是一次性的。(如果您添加了新的已知图像，请将其视为需要重新生成编码的重新校准步骤)。这一步通常被认为是费时的，而且不经常做.

然后是推理步骤，即compare_faces函数。这就是你想做的几次。对于这个特定的步骤，您只需要新的映像和known_list(这是预先存储在磁盘上的经过训练的数据)。

因此，为了改进您的库，我建议添加一个“train”功能，它允许一个图像列表。然后，这个列表应该以一种格式存储编码(如果有几幅图像，则压缩)。

然后可以修改compare_faces函数以接收编码数据。您可以将其分为加载步骤(万一压缩了数据)，然后比较步骤。这允许应用程序加载数据一次，但可以推断几次。

在代码本身中，可以对compare_faces进行改进。它可以改为：

def compare_faces(unknown_images, image_encodings_data):
  for image in unknown_images:
    unknown_data = create_face_comparison_encoding(image)
    # Note how compare_faces takes multiple encodings.
    results = face_recognition.compare_faces(image_encodings_data,unknown_data)
    if results.count(True) > 0:
      print("This person appears familiar!")
      print("Writing the faces to output folder!")
      recognize_faces(image)
    else:
      print("This doesn't appear to be familiar!")

而且，我发现奇怪的是，你没有返回它实际上匹配的那张脸。

如果这不再是你关心的问题，请随意忽略我:)