树莓派4b人脸识别
本文基于python的face_recognition库，记录一下我的操作过程。
原文Github ：https://github.com/ageitgey/face_recognition
一、环境搭建
暂时不知道会不会和其他环境有冲突，我这里的环境（基本还没装什么其他东西。。。）
接着上一篇写，我使用的系统是Ubuntu mate 20.4.
1，首先安装一下opencv
sudo apt install cmakesudo pip3 install opencv-python有需要按Y/N的按Y，等它自动安装好了
2，安装dilb
在安装dilb之前，一定要确保安装了cmake，不然编译不了
sudo pip3 install dlib过程很慢，我的树莓派4b-4g，编译了40多分钟，只要不出先错误，等着就行了。
3，安装face_recognition
sudo pip3 install face_recognition这一步很快。简单测试一下：
python3
>>import face_recognition
如果没有报错的话，那就成功了。
二、测试一下
这是我自己的操作，也可以看原文档：
原文：https://github.com/ageitgey/face_recognition/blob/master/README.md
1，运行demo1,照片识别
mkdir known_face
mkdir unknown_face在这两个目录里面分别放入，已知的人照片，要识别的照片。可以使用原项目里的Barack Obama，和Joe biden，也可以用自己的照片，都可以。
终端输入（或者建一个.Sh文件）：
face_recognition ./known_face/ ./unknown_face/这样会输出，文件名+识别出的人名（known_face里面的图片名字）或者unknown
/unknown_face/unknown.jpg,Barack Obama /unknown_face/unknown.jpg,unknown_person
face_recognition ./known_face/ ./unknown_face/ | cut -d ',' -f2这样就没有文件名了，只有人名。
Barack Obama unknown_person
face_recognition --show-distance true ./known_face/ ./unknown_face/ | cut -d ',' -f2这样可以输出识别人名+识别得分
Barack Obama,0.378542298956785 unknown_person,None
这三种用哪个都可以，看自己需求了，自己决定吧。。。
上面都是命令行操作就行，下面的话就需要连接树莓派桌面了。
没什么难度。
树莓派终端输入:
sudo apt install xrdp等待安装结束，就可以使用win10自带的远程桌面连接了。
Win10，搜索桌面连接，打开，输入树莓派ip，然后在出现的登录界面输入，用户名，密码。
就可以看到树莓派桌面了。
接着往下说。
2.运行demo2，视频人脸识别
源代码：https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_video_file.py
复制具体视频，两张照片的文件到自己的
路径和源文件的不太一样，找到自己的文件路径，注意换一下
执行一下：
python3 facerec_from_video_file.py时间比较久，还好有进度输出，能看到程序没死。。
完成后，生成output.avi，打开可以看到，这个人，已经识别出来了，脸上画上了框。没什么难度，自己操作吧
4，运行demo3，摄像头实时识别
源程序：https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam_faster.py
这里要求摄像头已安装好，过程可以看我另一篇文章CSDN
然后还是，注意一下已知face照片路径，这里可以加上自己照片了，摄像头对着自己，识别的话比较方便。
这里基本功能是实现了。但是每次添加要识别的人都要添加照片路径，都要改代码，有点麻烦啊
我是这样做的，先扫描已知face照片路径，根据照片名，创建对应的对象。
def get_name_dict(image_list):
for image_name in image_list:
pic_name_pinyin = ''
pic_name = lp(image_name.split('.')[0])
for i in pic_name:
pic_name_pinyin += i
name_dict[pic_name_pinyin] = [image_name.split('.')[0],0]
def get_audio(image_name): #语音合成，用的是百度ai的接口。具体使用方法自行百度。最好还是用自己的吧，因为万一我的APP_ID停了呢
APP_ID = '23644607'
API_KEY = 'TwQs1vzHOTAierfQEARk3jGS'
SECRET_KEY = '7vdbgAFjFgxGRN6gqpjLG9aT4KIyYSrW'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
name = name_dict[image_name][0]
result_name = f'{name}，欢迎你！'
result = client.synthesis(result_name, 'zh', 1, {'vol':10, 'per':0})
if not isinstance(result_name, dict):
with open(f'/home/wyx/code/face_rec/audio/{image_name}.mp3', 'wb') as f:
f.write(result)
def get_image(image_path, image_list):
for image in image_list:
if ".jpg" not in image: #这里加一个判断是因为有可能你给的已知照片不合格，识别出的数据为空，就会出现列表索引超限的错误
continue
image_load = face_recognition.load_image_file(image_path+image)
if len(image_load)!=0:
image_face_encoding = face_recognition.face_encodings(image_load)[0]
known_face_encodings.append(image_face_encoding)
pic_name_pinyin = ''
pic_name = lp(image.split('.')[0])
for i in pic_name:
pic_name_pinyin += i
known_face_names.append(pic_name_pinyin)
# 列表初始化
name_dict = {}
known_face_encodings = []
known_face_names = []
# 遍历给定路径下的照片，照片文件名是中文名字.jpg
image_path="/home/wyx/code/face_rec/known_face/"
image_list = os.listdir(image_path)
get_name_dict(image_list) # 根据遍历出来的中文照片名，生成一个'名字拼音':中文名这样格式的字典。
for name_key in name_dict:
get_audio(name_key) #为什么一定要用中文的照片名呢，以为我要为每个已知人自动生成一段欢迎语音
get_image(image_path, image_list) #已知face的检测，数据记录，为下面的识别作参照物这样就实现了，只需要添加照片，程序不用动，就能识别新添加的人，当然程序是要重新执行的哈。
这里贴一下完整程序：实时人脸识别，每次识别到人脸，都会中文语音播报，xxx，欢迎你，最快20秒（可修改）再次播报此人。没有的包，自行安装。。
import face_recognition
import cv2
import time
import numpy as np
from playsound import playsound
from datetime import datetime
import os
from aip import AipSpeech
from pypinyin import lazy_pinyin as lp
def get_name_dict(image_list):
for image_name in image_list:
pic_name_pinyin = ''
pic_name = lp(image_name.split('.')[0])
for i in pic_name:
pic_name_pinyin += i
name_dict[pic_name_pinyin] = [image_name.split('.')[0],0]
def get_audio(image_name):
APP_ID = '23644607'
API_KEY = 'TwQs1vzHOTAierfQEARk3jGS'
SECRET_KEY = '7vdbgAFjFgxGRN6gqpjLG9aT4KIyYSrW'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
name = name_dict[image_name][0]
result_name = f'{name}，欢迎你！'
result = client.synthesis(result_name, 'zh', 1, {'vol':10, 'per':0})
if not isinstance(result_name, dict):
with open(f'/home/wyx/code/face_rec/audio/{image_name}.mp3', 'wb') as f:
f.write(result)
def get_image(image_path, image_list):
for image in image_list:
if ".jpg" not in image:
continue
image_load = face_recognition.load_image_file(image_path+image)
if len(image_load)!=0:
image_face_encoding = face_recognition.face_encodings(image_load)[0]
known_face_encodings.append(image_face_encoding)
pic_name_pinyin = ''
pic_name = lp(image.split('.')[0])
for i in pic_name:
pic_name_pinyin += i
known_face_names.append(pic_name_pinyin)
def main():
image_list = os.listdir(image_path)
get_name_dict(image_list)
get_image(image_path, image_list)
for name_key in name_dict:
get_audio(name_key)
# Initialize some variables
face_locations = []
face_encodings = []
face_names = []
process_this_frame = True
# Get a reference to webcam #0 (the default one)
video_capture = cv2.VideoCapture(0)
while True:
# Grab a single frame of video
ret, frame = video_capture.read()
# Resize frame of video to 1/4 size for faster face recognition processing
small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)
# Convert the image from BGR color (which OpenCV uses) to RGB color (which face_recognition uses)
rgb_small_frame = small_frame[:, :, ::-1]
# Only process every other frame of video to save time
if process_this_frame:
# Find all the faces and face encodings in the current frame of video
face_locations = face_recognition.face_locations(rgb_small_frame)
face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)
face_names = []
for face_encoding in face_encodings:
# See if the face is a match for the known face(s)
matches = face_recognition.compare_faces(known_face_encodings, face_encoding)
name = "Unknown"
# Or instead, use the known face with the smallest distance to the new face
face_distances = face_recognition.face_distance(known_face_encodings, face_encoding)
best_match_index = np.argmin(face_distances)
if matches[best_match_index]:
name = known_face_names[best_match_index]
face_names.append(name)
process_this_frame = not process_this_frame
# Display the results
for (top, right, bottom, left), name in zip(face_locations, face_names):
# Scale back up face locations since the frame we detected in was scaled to 1/4 size
top *= 4
right *= 4
bottom *= 4
left *= 4
# Draw a box around the face
cv2.rectangle(frame, (left, top - 15), (right, bottom + 20), (0, 0, 255), 2)
# Draw a label with a name below the face
cv2.rectangle(frame, (left, bottom - 15), (right, bottom + 20), (0, 0, 255), cv2.FILLED)
font = cv2.FONT_HERSHEY_DUPLEX
cv2.putText(frame, name, (left + 6, bottom + 5), font, 1.0, (255, 255, 255), 1)
# Display the resulting image
cv2.imshow('Video', frame)
for image in name_dict:
if image in face_names :
frame_t = datetime.now()
if name_dict[image][1] == 0:
name_dict[image][1] = frame_t
playsound(f'/home/wyx/code/face_rec/audio/{image}.mp3')
elif (frame_t - name_dict[image][1]).seconds > 20 :
playsound(f'/home/wyx/code/face_rec/audio/{image}.mp3')
frame_t = datetime.now()
name_dict[image][1] = frame_t
# Hit 'q' on the keyboard to quit!
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# Release handle to the webcam
video_capture.release()
cv2.destroyAllWindows()
if __name__== '__main__':
image_path="/home/wyx/code/face_rec/known_face/"
name_dict = {}
known_face_encodings = []
known_face_names = []
main()
有不对的地方请指正，谢谢！
我又想加点什么，比如识别后做点什么操作呀，控制一下步进电机转动（开门）？指示灯闪烁？想法有了，还没具体去做。嗯，这几天有空去试一下。