[face_recognition中文文档] 第4节 Face Recognition API

比眉伴天荒 2022-01-14 23:47 359阅读 0赞

[2019独角兽企业重金招聘Python工程师标准>>> ][2019_Python_] ![hot3.png][]

# Face Recognition API #

*  [face\_recognition包][face_recognition]
    
     *  [模块内容][Link 1]

--------------------

face_recognition.api.batch_face_locations(images, number_of_times_to_upsample=1, batch_size=128)

[源码][Link 2]

使用cnn面部检测器返回图像中二维人脸的边界框数组，如果您正在使用GPU，这可以更快的给您结果，因为GPU可以一次处理批次的图像。如果您不使用GPU，则不需要此功能。

##### 参数： #####

*  images - 图像列表（每个作为numpy数组）
 *  number\_of\_times\_to\_upsample - 用于对图像进行采样的次数。较高的数字找到较小的脸。
 *  batch\_size - 每个GPU处理批次中包含的图像数量。

##### 返回： #####

一个可以在css（上，右，下，左）顺序中找到的人脸位置的元组列表

--------------------

face_recognition.api.compare_faces(known_face_encodings, face_encoding_to_check, tolerance=0.6)

[源码][Link 3]

将候选编码的面部编码列表进行比较，以查看它们是否匹配。

##### 参数： #####

*  known\_face\_encodings - 已知面部编码的列表
 *  face\_encoding\_to\_check - 与已知面部编码的列表进行比较的单面编码
 *  tolerance - 面孔之间的距离要考虑多少。越小越严格， 0.6是典型的最佳性能。

##### 返回： #####

一个True / False值的列表，指出哪个known\_face\_encodings匹配要检查的面部编码

--------------------

face_recognition.api.face_distance(face_encodings, face_to_compare)

[源码][Link 4]

给出面部编码列表，将其与已知的面部编码进行比较，并为每个比较的人脸获得欧几里得距离。距离告诉你面孔是如何相似的。

##### 参数： #####

*  face\_encodings - 要比较的面部编码列表
 *  face\_to\_compare - 要比较的面部编码

##### 返回： #####

一个numpy ndarray，每个面的距离与“faces”数组的顺序相同

--------------------

face_recognition.api.face_encodings(face_image, known_face_locations=None, num_jitters=1)

[源码][Link 5]

给定图像，返回图像中每个面部的128维面部编码。

##### 参数： #####

*  face\_image - 包含一个或多个面的图像
 *  known\_face\_locations - 可选 - 如果您已经知道它们，每个面的边框。
 *  num\_jitters - 计算编码时重新采样多少次。更高更准确，但更慢（即100是100倍慢）

##### 返回： #####

128个面部编码的列表（图像中的每个脸部一个）

--------------------

face_recognition.api.face_landmarks(face_image, face_locations=None)

[源码][Link 6]

给定图像，返回图像中每个脸部的脸部特征位置（眼睛，鼻子等）的指令

##### 参数： #####

*  face\_image - 要搜索的图像
 *  face\_locations - 可选地提供要检查的面部位置的列表。

##### 返回： #####

面部特征位置（眼睛，鼻子等）的列表

--------------------

face_recognition.api.face_locations(img, number_of_times_to_upsample=1, model='hog')

[源码][Link 7]

返回图像中人脸的边框数组

##### 参数： #####

*  img - 一个图像（作为一个numpy数组）
 *  number\_of\_times\_to\_upsample - 用于对图像进行上采样的次数多少次。较高的数字找到较小的脸。
 *  model - 要使用的面部检测模型。“hog”在CPU上不太准确，但速度更快。“cnn”是一个更准确的深入学习模式，GPU / CUDA加速（如果可用）。默认为“hog”。

##### 返回： #####

一个可以在css（上，右，下，左）顺序中找到的表面位置的元组列表

--------------------

face_recognition.api.load_image_file(file, mode='RGB')

[源码][Link 8]

将图像文件（.jpg，.png等）加载到numpy数组中

##### 参数： #####

*  file - 要加载的图像文件名或文件对象
 *  mode - 将图像转换为格式。只支持“RGB”（8位RGB，3声道）和“L”（黑白）。

##### 返回： #####

图像内容为numpy数组

--------------------

转载于:https://my.oschina.net/kangvcar/blog/1557480

[2019_Python_]: https://my.oschina.net/u/2663968/blog/3061697
[hot3.png]: /images/20220114/0d131748d4114f7ebbd7fffb8fb352f8.png
[face_recognition]: https://face-recognition.readthedocs.io/en/latest/face_recognition.html
[Link 1]: https://face-recognition.readthedocs.io/en/latest/face_recognition.html#module-face_recognition.api
[Link 2]: https://face-recognition.readthedocs.io/en/latest/_modules/face_recognition/api.html#batch_face_locations
[Link 3]: https://face-recognition.readthedocs.io/en/latest/_modules/face_recognition/api.html#compare_faces
[Link 4]: https://face-recognition.readthedocs.io/en/latest/_modules/face_recognition/api.html#face_distance
[Link 5]: https://face-recognition.readthedocs.io/en/latest/_modules/face_recognition/api.html#face_encodings
[Link 6]: https://face-recognition.readthedocs.io/en/latest/_modules/face_recognition/api.html#face_landmarks
[Link 7]: https://face-recognition.readthedocs.io/en/latest/_modules/face_recognition/api.html#face_locations
[Link 8]: https://face-recognition.readthedocs.io/en/latest/_modules/face_recognition/api.html#load_image_file