【導讀】近日，一個名為 face_recognition 的人臉識別項目登上了 GitHub Trending 趨勢榜，賺足了眼球。自開源至截稿，此項目在 Github 上的 Star 數已達 26500，Fork 數也達到了 7117。本文主要介紹了該項目的使用說明和使用方法，便於國內的開發者們進行研究學習。
face_recognition 宣稱是史上最強大，最簡單的人臉識別項目。據悉，該項目由軟件工程開發師和咨詢師 Adam Geitgey 開發，其強大之處在於不僅基於業內領先的 C++ 開源庫 dlib 中的深度學習模型，采用的人臉數據集也是由美國麻省大學安姆斯特分校制作的 Labeled Faces in the Wild，它含有從網絡收集的 13,000 多張面部圖像，准確率高達 99.38%。此外，項目還配備了完整的開發文檔和應用案例，特別是兼容樹莓派系統。簡單之處在於操作者可以直接使用 Python和命令行工具提取、識別、操作人臉。
目前，該項目的說明已有中文翻譯版，本文已獲得譯者授權（GitHub ID：TommyZihao），引用譯文對本項目進行簡單介紹。
照例先奉上 GitHub 項目鏈接：
https://github.com/ageitgey/face_recognition
特性
- 找到並定位圖片中的所有人臉：
import face_recognition
image = face_recognition.load_image_file("your_file.jpg")
face_locations = face_recognition.face_locations(image)
2.識別人臉關鍵點（包括眼睛、鼻子、嘴和下巴）
import face_recognition
image = face_recognition.load_image_file("your_file.jpg")
face_landmarks_list = face_recognition.face_landmarks(image)
本人臉識別項目除了在某些關鍵領域有重要作用外，還有一個可能會引起 “玩心” 的 digital make-up 自動化妝功能（類似美圖秀秀）。
3.識別圖片中的人是誰
import face_recognition
known_image = face_recognition.load_image_file("biden.jpg")
unknown_image = face_recognition.load_image_file("unknown.jpg")
biden_encoding = face_recognition.face_encodings(known_image)[0]
results = face_recognition.compare_faces([biden_encoding], unknown_encoding)
4.配合其它的Python庫（比如opencv），該項目還可實現實時人臉檢測：詳細案例見：
https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam_faster.py
安裝
環境配置：
- Python 3.3+ or Python 2.7macOS or LinuxWindows（官方並不支持，但一些大神們摸索出了在Windows上運行的方法）
不同操作系統的安裝方法：
1. 在 Mac 或者 Linux上安裝本項目：
方法一：
首先安裝dlib和相關Python依賴：
https://gist.github.com/ageitgey/629d75c1baac34dfa5ca2a1928a7aeaf
然后通過 pip3 或者是 Python 2 的 pip2 用以下代碼安裝
pip3 install face_recognition
若未能安裝成功，可以用Ubuntu虛擬機安裝，參見這一教程：
https://medium.com/@ageitgey/try-deep-learning-in-python-now-with-a-fully-pre-configured-vm-1d97d4c3e9b
（需要電腦中安裝VMWare Player 或者 VirtualBox）
方法二：
修改你的 pip 鏡像源為清華鏡像，然后使用 pip install face_recognition,可以自動幫你安裝各種依賴，包括dlib。只是在安裝dlib的時候可能會出問題，因為dlib需要編譯，出現的問題一般是gcc或者g++版本的問題，所以在pip install face_recognition之前，可以通過在命令行鍵入
export CC=/usr/local/bin/gcc
export CXX=/usr/local/bin/g++
來指定你gcc和g++對應的位置，（這兩句話會臨時修改當前終端的環境變量/usr/local/bin/gcc對應你自己gcc或者g++所在目錄）。
2. 在樹莓派上安裝：
樹莓派安裝指南：
https://gist.github.com/ageitgey/1ac8dbe8572f3f533df6269dab35df65
3. 在Windows上安裝：雖然本項目官方並不支持Windows，但一些大神們摸索出了在Windows上運行本項目的方法：@masoudr寫的如何在Win10系統上安裝 dlib庫和 face_recognition項目的教程：
https://github.com/ageitgey/face_recognition/issues/175#issue-257710508
使用Ubuntu虛擬機鏡像文件安裝配置虛擬機，本項目已經包含在這個鏡像中
https://medium.com/@ageitgey/try-deep-learning-in-python-now-with-a-fully-pre-configured-vm-1d97d4c3e9b
使用方法
1.使用命令行工具
本項目安裝完畢后，有兩種命令行工具可供使用：
- face_recognition - 在單張圖片或一個圖片文件夾中識別人臉身份。face_detection - 在單張圖片或一個圖片文件夾中定位人臉位置。
face_recognition 命令行工具：
face_recognition命令行工具可以在單張圖片或一個圖片文件夾中識別人臉身份。首先，需要一個你已經知道名字的人臉圖片文件夾，一個人一張圖，圖片的文件名即為對應的人的名字，然后，需要第二個圖片文件夾，文件夾里面是你希望識別的圖片：
然后，在命令行中切換到這兩個文件夾所在路徑，使用 face_recognition 命令行，傳入這兩個圖片文件夾，然后就會輸出未知圖片中人的名字：
$ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/
/unknown_pictures/unknown.jpg,Barack Obama
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person
輸出結果的每一行對應着圖片中的一張臉，圖片名字和對應人臉識別結果用逗號分開。
如果結果輸出了unknown_person，那么代表這張臉沒有對應上已知人臉圖片文件夾中的任何一個人。
face_detection 命令行工具
face_detection命令行工具可以在單張圖片或一個圖片文件夾中定位人臉位置（輸出像素點坐標）。在命令行中使用face_detection，傳入一個圖片文件夾或單張圖片文件來進行人臉位置檢測：
$ face_detection ./folder_with_pictures/
examples/image1.jpg,65,215,169,112
examples/image2.jpg,62,394,211,244
examples/image2.jpg,95,941,244,792
輸出結果的每一行都對應圖片中的一張臉，輸出坐標代表着這張臉的上、右、下、左像素點坐標。
調整人臉識別的容錯率和敏感度
如果一張臉識別出不止一個結果，那么這意味着他和其他人長的太像了（此外，本項目對於小孩和亞洲人的人臉識別准確率有待提升）。你可以把容錯率調低一些，使識別結果更加嚴格。這個功能可通過傳入參數 --tolerance 來實現，默認的容錯率是0.6，容錯率越低，識別越嚴格准確。
$ face_recognition --tolerance 0.54 ./pictures_of_people_i_know/ ./unknown_pictures/
/unknown_pictures/unknown.jpg,Barack Obama
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person
人臉匹配的具體數值可以通過傳入參數 --show-distance true 來查看
$ face_recognition --show-distance true ./pictures_of_people_i_know/ ./unknown_pictures/
/unknown_pictures/unknown.jpg,Barack Obama,0.378542298956785
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person,None
對識別速度不滿意怎么辦？
如果你的CPU是多核的，你可以通過並行運算加速人臉識別。例如，如果你的CPU有四個核心，那么你可以通過並行運算提升大概四倍的運算速度。
如果你使用Python3.4或更新的版本，可以傳入 --cpus <number_of_cpu_cores_to_use> 參數：
$ face_recognition --cpus 4 ./pictures_of_people_i_know/ ./unknown_pictures/
（你可以傳入 --cpus -1參數來調用cpu的所有核心。）此外，子豪兄Tommy 表示樹莓派3B有4個CPU核心，傳入多核參數可以顯著提升圖片識別的速度。
更多案例
如果你並不在乎圖片的文件名，只想知道文件夾中的圖片里有誰，可以用這個管道命令：
$ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/ | cut -d ',' -f2
Barack Obama
unknown_person
2.使用Python
在 Python 中導入 face_recognition模塊，調用豐富的API接口，用幾行代碼就可以輕松玩轉各種人臉識別功能！API 接口文檔:
https://face-recognition.readthedocs.io
如何定位人臉位置或者識別人臉身份？
在 Python 中可以分別通過以下代碼來實現在圖片中定位人臉的位置
import face_recognition
image = face_recognition.load_image_file("my_picture.jpg")
face_locations = face_recognition.face_locations(image)
# face_locations is now an array listing the co-ordinates of each face
參考案例：
https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture.py
在圖片中識別人臉身份
import face_recognition
picture_of_me = face_recognition.load_image_file("me.jpg")
my_face_encoding = face_recognition.face_encodings(picture_of_me)[0]
# my_face_encoding now contains a universal 'encoding' of my facial features that can be compared to any other picture of a face!
unknown_picture = face_recognition.load_image_file("unknown.jpg")
unknown_face_encoding = face_recognition.face_encodings(unknown_picture)[0]
# Now we can see the two face encodings are of the same person with `compare_faces`!
results = face_recognition.compare_faces([my_face_encoding], unknown_face_encoding)
if results[0] == True:
print("It's a picture of me!")
else:
print("It's not a picture of
參考案例：
https://github.com/ageitgey/face_recognition/blob/master/examples/recognize_faces_in_pictures.py
對人臉識別有精准要求怎么辦？
可以使用深度學習模型以達到更加精准的人臉定位，但要注意：這種方法需要GPU加速（通過英偉達顯卡的CUDA庫驅動），在編譯安裝dlib的時候也需要開啟CUDA支持。
import face_recognition
image = face_recognition.load_image_file("my_picture.jpg")
face_locations = face_recognition.face_locations(image, model="cnn")
# face_locations is now an array listing the co-ordinates of each face
參考案例：
https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture_cnn.py
如果有大量圖片需要識別，同時又有GPU，那么你可以參考這個例子：
https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_batches.py
如何識別單張圖片中人臉的關鍵點？
import face_recognition
image = face_recognition.load_image_file("my_picture.jpg")
face_landmarks_list = face_recognition.face_landmarks(image)
# face_landmarks_list is now an array with the locations of each facial feature in each face.
# face_landmarks_list[0]['left_eye'] would be the location and outline of the first person's left eye
參考案例：
https://github.com/ageitgey/face_recognition/blob/master/examples/find_facial_features_in_picture.py
識別奧巴馬和拜登的人臉關鍵點
更多案例：
https://github.com/ageitgey/face_recognition/tree/master/examples
人臉定位
案例：定位拜登的臉
https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture_cnn.py
案例：使用卷積神經網絡深度學習模型定位拜登的臉
https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture_cnn.py
案例：使用卷積神經網絡深度學習模型批量識別圖片中的人臉
https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_batches.py
案例：把來自網絡攝像頭視頻里的人臉高斯模糊（需要安裝OpenCV）
https://github.com/ageitgey/face_recognition/blob/master/examples/blur_faces_on_webcam.py
人臉關鍵點識別
案例：提取奧巴馬和拜登的面部關鍵點
https://github.com/ageitgey/face_recognition/blob/master/examples/find_facial_features_in_picture.py
案例：給美國副總統拜登塗美妝
https://github.com/ageitgey/face_recognition/blob/master/examples/digital_makeup.py
人臉識別
案例：是奧巴馬還是拜登？
https://github.com/ageitgey/face_recognition/blob/master/examples/recognize_faces_in_pictures.py
案例：人臉識別之后在原圖上畫框框並標注姓名
https://github.com/ageitgey/face_recognition/blob/master/examples/identify_and_draw_boxes_on_faces.py
案例：在不同精度上比較兩個人臉是否屬於一個人
https://github.com/ageitgey/face_recognition/blob/master/examples/face_distance.py
案例：從攝像頭獲取視頻進行人臉識別-較慢版（需要安裝OpenCV）
https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam.py
- 案例：從攝像頭獲取視頻進行人臉識別-較快版（需要安裝OpenCV）
https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam_faster.py
- 案例：從視頻文件中識別人臉並把識別結果輸出為新的視頻文件（需要安裝OpenCV）
https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_video_file.py
- 案例：通過樹莓派攝像頭進行人臉個數統計及人臉身份識別
https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_on_raspberry_pi.py
- 案例：通過瀏覽器HTTP訪問網絡服務器進行人臉識別（需要安裝Flask后端開發框架）
https://github.com/ageitgey/face_recognition/blob/master/examples/web_service_example.py
- 案例：基於K最近鄰KNN分類算法進行人臉識別
https://github.com/ageitgey/face_recognition/blob/master/examples/face_recognition_knn.py
關於 face_recognition的文章和教程
- 本項目作者寫的一篇文章 Modern Face Recognition with Deep Learning:
https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78
- 主要內容：基本算法和原理
- Face recognition with OpenCV, Python, and deep learning by Adrian Rosebrock:
https://www.pyimagesearch.com/2018/06/18/face-recognition-with-opencv-python-and-deep-learning/
- 主要內容：如何實際使用本項目
- Raspberry Pi Face Recognition by Adrian Rosebrock
https://www.pyimagesearch.com/2018/06/25/raspberry-pi-face-recognition/
- 主要內容：如何在樹莓派上使用本項目
- Face clustering with Python by Adrian Rosebrock
https://www.pyimagesearch.com/2018/07/09/face-clustering-with-python/
- 主要內容：使用非監督學習算法實現把圖片中的人臉高斯模糊
人臉識別的原理
如果你想更深入了解人臉識別這個黑箱的原理請讀這篇文章：
https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78
警告說明
本項目的人臉識別模型是基於成年人的，在孩子身上效果可能一般。如果圖片中有孩子的話，建議把臨界值設為0.6.不同人種的識別結果可能不同， 看wiki百科頁面查看更多細節。
把本項目部署在雲服務器上 (Heroku, AWS等)
本項目是基於C++庫dlib的，所以把本項目部署在Heroku或者AWS的雲端服務器上是很明智的。
為了簡化這個過程，有一個Dockerfile案例，教你怎么把face_recognition開發的app封裝成Docker 容器文件，你可以把它部署在所以支持Docker鏡像文件的雲服務上。
出了幺蛾子？
如果出了問題，請在Github提交Issue之前查看 常見錯誤 。