使用python写一个人脸识别程序

由于人脸识别程序需要用到深度学习框架和大量的人脸数据集，因此需要使用相关的库和工具。以下是一个基本的人脸识别程序的示例代码，使用了OpenCV和dlib库。

首先，需要安装相关库：

pip install opencv-python
pip install dlib

然后，导入需要的库：

import cv2
import dlib
import numpy as np

接下来，定义一个函数来加载人脸检测器和人脸识别模型：

def load_models():
    detector = dlib.get_frontal_face_detector()
    predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")
    facerec = dlib.face_recognition_model_v1("dlib_face_recognition_resnet_model_v1.dat")
    return detector, predictor, facerec

这个函数使用了dlib库中的人脸检测器和人脸识别模型。其中，get_frontal_face_detector函数返回一个人脸检测器对象，shape_predictor函数返回一个关键点定位器对象，用于定位人脸的各个关键点，face_recognition_model_v1函数返回一个人脸识别模型对象，用于将人脸图像转换为特征向量。

然后，定义一个函数来提取人脸特征向量：

def extract_features(img, detector, predictor, facerec):
    # 将图像转换为灰度图像
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 使用人脸检测器检测人脸
    faces = detector(gray)
    # 如果没有检测到人脸，则返回空列表
    if len(faces) == 0:
        return []
    # 对于每个检测到的人脸，提取特征向量
    features = []
    for face in faces:
        # 使用关键点定位器定位关键点
        shape = predictor(gray, face)
        # 使用人脸识别模型提取特征向量
        feature = facerec.compute_face_descriptor(img, shape)
        # 将特征向量添加到列表中
        features.append(feature)
    return features

这个函数使用了extract_features函数提取人脸特征向量。首先，将图像转换为灰度图像，然后使用人脸检测器检测人脸。如果没有检测到人脸，则返回空列表。对于每个检测到的人脸，使用关键点定位器定位关键点，然后使用人脸识别模型提取特征向量，并将特征向量添加到列表中。

最后，定义一个主函数来加载模型和图像，提取人脸特征向量，并进行人脸比对：

def main():
    # 加载模型
    detector, predictor, facerec = load_models()
    # 加载图像
    img1 = cv2.imread("img1.jpg")
    img2 = cv2.imread("img2.jpg")
    # 提取人脸特征向量
    features1 = extract_features(img1, detector, predictor, facerec)
    features2 = extract_features(img2, detector, predictor, facerec)
    # 如果没有检测到人脸，则返回错误信息
    if len(features1) == 0 or len(features2) == 0:
        print("Error: no face detected.")
        return
    # 计算欧氏距离
    dist = np.linalg.norm(np.array(features1) - np.array(features2))
    # 输出结果
    if dist < 0.6:
        print("Same person.")
    else:
        print("Different person.")

这个函数首先加载人脸检测器、关键点定位器和人脸识别模型，并加载两张需要比对的图像。然后，使用extract_features函数提取两张图像的人脸特征向量。如果没有检测到人脸，则返回错误信息。接下来，计算两个特征向量之间的欧氏距离，如果小于0.6，则认为是同一个人，否则认为是不同的人。最后，输出比对结果。

完整代码如下：

import cv2
import dlib
import numpy as np

def load_models():
    detector = dlib.get_frontal_face_detector()
    predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")
    facerec = dlib.face_recognition_model_v1("dlib_face_recognition_resnet_model_v1.dat")
    return detector, predictor, facerec

def extract_features(img, detector, predictor, facerec):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector(gray)
    if len(faces) == 0:
        return []
    features = []
    for face in faces:
        shape = predictor(gray, face)
        feature = facerec.compute_face_descriptor(img, shape)
        features.append(feature)
    return features

def main():
    detector, predictor, facerec = load_models()
    img1 = cv2.imread("img1.jpg")
    img2 = cv2.imread("img2.jpg")
    features1 = extract_features(img1, detector, predictor, facerec)
    features2 = extract_features(img2, detector, predictor, facerec)
    if len(features1) == 0 or len(features2) == 0:
        print("Error: no face detected.")
        return
    dist = np.linalg.norm(np.array(features1) - np.array(features2))
    if dist < 0.6:
        print("Same person.")
    else:
        print("Different person.")

if __name__ == "__main__":
    main()

注意，这个人脸识别程序只是一个简单的示例，实际的人脸识别程序需要更多的优化和改进。