与上篇通过摄像头动态识别人脸一样，先下载好opencv-python、face-recognition，这里因为使用的是照片对比的方式，特意使用tkinter画了一个简单的GUI方便操作。
在python 3以上版本tkinter是环境自带的，所以这里不需要安装
2.代码示例
import os
import cv2
import numpy as np
import face_recognition
import tkinter as tk
import tkinter.filedialog
from PIL import Image,ImageTk
classNames=[]
img_path='Picture'
img_recognition_path='Recognition'
existsEncodeingList=[]
对人脸集合进行编码进行处理
def findEncodeings(images):
for img in images:
#灰度处理
img=cv2.cvtColor(src=img,code=cv2.COLOR_BGR2RGB)
#face_encodings对图片对象a_images进行编码并返回数组0位置编码结果
encode=face_recognition.face_encodings(img)[0]
existsEncodeingList.append(encode)
获取当前存储的人脸编码集合
def findExistsEncodeingList(img_path):
images=[]
#列出已经上传的所有图片
imgList=os.listdir(img_path)
#处理存储的图片得到其人脸编码
for pic in imgList:
img=cv2.imread('{}/{}'.format(img_path,pic))
images.append(img)
classNames.append(os.path.splitext(pic)[0])
findEncodeings(images)
选择并对比图片
def choosepic():
choosepath = tkinter.filedialog.askopenfilename()
path.set(choosepath)
img_open = Image.open(entry.get()).resize((530,750))
img = ImageTk.PhotoImage(img_open)
lableShowImage.config(image=img)
lableShowImage.image = img
lableShowImage.place(x=30, y=70, width=530, height=750)
faceRecognition(choosepath)
def faceRecognition(choosepath):
frame=cv2.imread(choosepath)
frameRGB=cv2.cvtColor(src=frame,code=cv2.COLOR_BGR2RGB)
#对摄像头读取的检测人脸
facesLocate=face_recognition.face_locations(frameRGB)
#进行特征编码
faceEncoded=face_recognition.face_encodings(frameRGB,facesLocate)
#遍历检测的人脸和库中读取的图片进行对比，计算其相似度
name='unknow'
for (top,right, bottom,left),face_encoding in zip(facesLocate,faceEncoded):
#进行匹配
matchs=face_recognition.compare_faces(existsEncodeingList,face_encoding)
#计算相似度
distance=face_recognition.face_distance(existsEncodeingList,face_encoding)
lab='unknow'
for index, item in enumerate(distance):
if item<0.5:
if matchs[index]:
#得到匹配到的图片名称与相似度值
lab='name:{}; Similarity:{}'.format(classNames[index],item)
name=classNames[index]
break
#初始化面部捕捉框显示绿色
color1 =(0,255,0)
if name =='unknow':
#未能识别的时候显示蓝色
color1 =(255,0,0)
#画面部捕捉框
cv2.rectangle(img=frame,pt1=(left,top),pt2=(right,bottom),color=color1,thickness=3)
#在捕捉框上添加匹配到的图片信息
cv2.putText(frame, lab, (left,top-8),cv2.FONT_HERSHEY_SIMPLEX, 0.7, color1, 2)
cv2.imwrite('{}/{}.png'.format(img_recognition_path,name),frame)
img_Recognition = Image.open('{}/{}.png'.format(img_recognition_path,name)).resize((530,750))
img = ImageTk.PhotoImage(img_Recognition)
lableShowImage2.config(image=img)
lableShowImage2.image = img
lableShowImage2.place(x=630, y=70, width=530, height=750)
if name == '__main__':
findExistsEncodeingList(img_path)
#生成tk界面 app即主窗口
app = tk.Tk()
#修改窗口titile
app.title("show pictue")
#设置主窗口的大小和位置
app.geometry("1200x900+200+50")
#Entry widget which allows displaying simple text.
path = tk.StringVar()
entry = tk.Entry(app, state='readonly', text=path,width = 100)
entry.pack()
#使用Label显示图片
lableShowImage = tk.Label(app)
lableShowImage.pack()
#使用Label2显示处理后的图片
lableShowImage2 = tk.Label(app)
lableShowImage2.pack()
#选择图片的按钮
buttonSelImage = tk.Button(app, text='choose picture', command=choosepic)
buttonSelImage.pack()
app.mainloop()
3.说明
首先我将需要被识别的人脸的照片预设到项目目录的Picture文件夹下，然后创建一个Recognition目录存放识别过的图片，这样方便在一个界面上展示对比结果照片。
其实对比结果也可以不用存，直接将处理后的图片缓存直接展示在界面上，这里需要改一下此处的代码，将上述代码注释掉，然后换成下面的那行，通过数组直接转成图片
—
