树莓派实现简单的人脸识别

前言

这篇文章属于此系列：

一个用树莓派做的会聊天，能人脸识别（支持云台追踪）和发送邮件的小玩具

https://blog.csdn.net/yonglisikao/article/details/82804318

前提

一.硬件要求

树莓派及基本配件，树莓派摄像头模块（Picamera）或USB摄像头（Webcam）。

二.系统要求

Raspbian系统（其他Linux系统应该也可以，没试过）

三.软件要求

Python及一些库——opencv，dlib， face_recognition，numpy

（安装opencv一般需要至少一个小时，如果使用Picamera，可以用更简单的picamera库代替，这些将在后文中继续讨论。）

 

环境搭建

1.系统安装

系统安装可以参考之前的文章。

2.摄像头配置

摄像头与树莓派在物理上连接完成后，如果是首次使用需要进行一些配置，在命令行输入：

sudo raspi-config

在 Interfacing Options 里启用 Camera，在命令行输入：

sudo reboot

配置完毕，接下进行检查，在命令行输入：

ls /dev/video*

如果有显示：/dev/video0，则检查完毕。

3.库的安装

安装opencv，参考下面这篇Adrian Rosebrock的文章：

https://www.pyimagesearch.com/2017/09/04/raspbian-stretch-install-opencv-3-python-on-your-raspberry-pi/

走完这篇文章的所有流程后，你应该安装了numpy，并建立了自己的虚拟环境（virtualenv），无论它叫 cv 或者其他什么名字的，以下的操作请都在虚拟环境下完成。另外，我使用的是python3。

安装dlib，face_recognition，在命令行输入：

pip install dlib
pip install face_recognition
pip install numpy

至此环境搭建完毕。

代码实现

1.face_recognition库的简单使用

face_recognition的github项目地址为：https://github.com/ageitgey/face_recognition

在此仅简单介绍几个函数，更详细的内容请参考原项目地址。

---

加载当前目录下的名为“test.jpg”的图片，得到ndarray类型的数据image

image = face_recognition.load_image_file('test.jpg')

---

对image进行分析，得到照片中脸的位置信息face_locations，能同时获取多张脸的位置，所以返回类型为list

face_locations = face_recognition.face_locations(image)

---

输入image，face_locations，得到脸的特征值face_encodings，能同时获取多张脸的特征值，所以返回类型为list

face_encodings = face_recognition.face_encodings(image, face_locations)

---

比较两个特征值——encoding1与encoding2，匹配返回True，否则返回False。tolerance越低，顾名思义，容错率越低

matches = face_recognition.compare_faces(encoding1, encoding2, tolerance=0.38)

---

接下来运行一个实例，以下实例改编自项目原址一个用picamera库实现的demo，这里使用opencv实现：

# coding = utf-8
import face_recognition
import cv2

# 创建视频对象
video_capture = cv2.VideoCapture(0)

# 加载当前目录下名为'test.jpg'的照片，照片里需要有且仅有一张脸，这张脸将作为认识的脸
print('loading...')
image = face_recognition.load_image_file('test.jpg')
face_encoding = face_recognition.face_encodings(image)[0]

while True:

    print('Capturing image.')
    # 读取一帧照片
    ret, frame = video_capture.read()
    # 把照片缩小一点，能加快处理速度
    frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)
    # 将cv2用的BGR颜色转换为face_recognition用的RBG颜色
    rgb_frame = frame[:, :, ::-1]

    # 获取这一帧图片里所有人脸的位置和特征值
    face_locations = face_recognition.face_locations(rgb_frame)
    print('Found {} faces in image.'.format(len(face_locations)))
    face_encodings = face_recognition.face_encodings(output, face_locations)

    # 对获取的每张脸进行循环，判断是否是认识的脸
    for face_encoding in face_encodings:
        # 判断当前的脸是否与认识的脸匹配
        match = face_recognition.compare_faces([face_encoding], face_encoding)
        name = ''

        if match[0]:
            name = 'test'  # test为'test.jpg'里面人脸的名字
        print('I see someone named {}!'.format(name))

运行实例时，你需要在运行的当前目录下放置名为“test.jpg”的包含一张人脸的图片，可以使用你的摄像头临时拍一张，但对不同类型的设备而言，指令不同。

Picamera，直接在命令行输入：

raspistill -o test.jpg

Webcam，需要先安装fswebcam，在命令行输入：

sudo apt-get install fswebcam

安装完成后，使用下面命令拍照：

fswebcam test.jpg

---

运行完实例后，结合前面几个函数的介绍，以及实例里的注释分析，相信你对如何使用face_recognition库，有了基本的认识，项目原址有更多的例子等待着你去探索。

2.安装并使用picamera库

以上的实例是通过opencv实现的，如果你因为时间原因不想安装opencv，依然建议你看一下这篇Adrian Rosebrock文章：

https://www.pyimagesearch.com/2017/09/04/raspbian-stretch-install-opencv-3-python-on-your-raspberry-pi/

至少要从里面挑出安装pip，virtualenv，搭建虚拟环境以及在虚拟环境里安装numpy的部分，因为使用picamera库也需要这些东西。

安装picamera库，在命令行输入：

sudo apt-get update
sudo apt-get upgrade
sudo apt-get install python3-picamera

用picamera库实现的实例：

# coding = utf-8
import face_recognition
import picamera
import numpy as np

# 创建视频对象
camera = picamera.PiCamera()
# 设置分辨率
camera.resolution = (320, 240)
# 初始化一个空的ndarray类型的数据
rgb_frame = np.empty((240, 320, 3), dtype=np.uint8)

# 加载当前目录下名为'test.jpg'的照片，照片里需要有且仅有一张脸，这张脸将作为认识的脸
print('loading...')
image = face_recognition.load_image_file('test.jpg')
face_encoding = face_recognition.face_encodings(image)[0]

while True:

    print('Capturing image.')
    # 用Picamera读取一帧照片
    camera.capture(rgb_frame, format='rgb')

    # 获取这一帧图片里所有人脸的位置和特征值
    face_locations = face_recognition.face_locations(rgb_frame)
    print('Found {} faces in image.'.format(len(face_locations)))
    face_encodings = face_recognition.face_encodings(rgb_frame, face_locations)

    # 对获取的每张脸进行循环，判断是否是认识的脸
    for face_encoding in face_encodings:
        # 判断当前的脸是否与认识的脸匹配
        match = face_recognition.compare_faces([face_encoding], face_encoding)
        name = ''

        if match[0]:
            name = 'test'  # test为'test.jpg'里面人脸的名字
        print('I see someone named {}!'.format(name))

总结

以上内容教给你如何搭建环境，并帮你的简单分析了face_recognition库的使用方法，具体如何使用还需要靠你自己去创造。

不过，需要注意：

1.如果你使用树莓派摄像头模块（Picamera），那么picamera库的方案最适合你，如果想使用opencv的方案，需要做一些配置。方法如下，首先在命令行输入下面的命令，新建或编辑这个文件：

sudo nano /etc/modules

在里面写入以下内容：

bcm2835-v4l2

2.如果你使用USB摄像头，那么你只能使用opencv的方案。

代码

https://github.com/LoveThinkinghard/Raspibot