本文主要是介绍使用Python比较两张人脸图像并获得准确度,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
使用 Python、OpenCV 和人脸识别模块比较两张图像并获得这些图像之间的准确度水平。
一、原理
使用Face Recognition python 模块来获取两张图像的128 个面部编码,并比较这些编码。比较结果返回 True 或 False。如果结果为True ,那么两个图像将是相同的。如果是False,则两个图像将不相同。
二、128 种面部编码
仅当比较结果返回 True 值时,才会打印准确度级别。
三、实现
首先在conda中或终端安装需要的模块
pip install opencv-python
pip install face-recognition
安装后导入模块
创建一个名为 find_face_encodings(image_path) 的新函数,它获取图像位置(路径)并返回 128 个面部编码,这在比较图像时非常有用。
find_face_encodings(image_path) 函数将使用 OpenCV 模块,从我们作为参数传递的路径中读取图像,然后返回使用 face_recognition 模块中的 face_encodings() 函数获得的 128 个人脸编码。使用两个不同的图像路径调用 find_face_encodings(image_path) 函数,并将其存储在两个不同的变量中,image_1和image_2
import cv2
import face_recognition
def find_face_encodings(image_path):# reading imageimage = cv2.imread(image_path)# get face encodings from the imageface_enc = face_recognition.face_encodings(image)# return face encodingsreturn face_enc[0]
# getting face encodings for first image
image_1 = find_face_encodings("image_1.jpg")# getting face encodings for second image
image_2 = find_face_encodings("image_2.jpg")
现在,我们可以使用编码执行比较和查找这些图像的准确性等操作。
-
比较将通过使用 face_recognition 中的 compare_faces() 函数来完成。
-
通过找到 100 和 face_distance 之间的差异来确定准确性。
# checking both images are same
is_same = face_recognition.compare_faces([image_1], image_2)[0]
print(f"Is Same: {is_same}")
if is_same:# finding the distance level between imagesdistance = face_recognition.face_distance([image_1], image_2)distance = round(distance[0] * 100)# calcuating accuracy level between imagesaccuracy = 100 - round(distance)print("The images are same")print(f"Accuracy Level: {accuracy}%")
else:print("The images are not same")
参考链接:https://blog.csdn.net/woshicver/article/details/12860789
这篇关于使用Python比较两张人脸图像并获得准确度的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!