文章讲述了在安装Python库face_recognition过程中遇到dlib安装问题的解决方法，包括使用pip和conda进行安装，并提供了详细步骤。成功安装dlib后，介绍了face_recognition的使用示例，包括人脸检测、人脸比对等功能。
我是要安装face_recognition，但是dlib一直装不上，遇到很多问题，一起解决下
首先是安装肯定是pip
pip install face_recognition
但是dlib报错了，百度了一圈说要安装下面这些
pip install cmake pip install boost pip install dlib pip install face_recognition
依然报错，无卵用，好了，开始使用新方法，conda大发
1、下载conda
Miniconda — conda documentation
我一般都用3.7，稳定兼容性好:
下载好之后一路安装下一步，记得写入环境变量
下载好之后cmd直接输入conda，有显示就ok
2、安装dlib
conda install dlib
此时出现下面这个报错
就是让你选择个源，输入下面的命令，选择一个元
# 查看 anaconda show conda-forge/dlib # 配置 conda config --append channels conda-forge # 安装dlib conda install dlib
以上就安装成功dlib啦。
之后在进行 face_recognition 的安装：
conda install face_recognition
然后就可以了，嘎嘎好用
补一个示例：
import os # 操作文件 import cv2 # 绘制矩形框 from PIL import Image # 绘制图片 import face_recognition # 人脸识别库 # 下面三个是额外方法，不是库内包括的。 # 将识别到的人脸绘制出来 def print_image(face, image): for face_location in face: # 坐标的返回顺序是top, right, bottom, left top, right, bottom, left = face_location face_image = image[top:bottom, left:right] pil_image = Image.fromarray(face_image) pil_image.show() # 根据坐标在图片中画出框框 def print_image_tru(images, image_list): image = cv2.imread(images) # (top, right, bottom, left) for one in image_list: y1 = one[0] x1 = one[3] y2 = one[2] x2 = one[1] cv2.rectangle(image, (x1, y1), (x2, y2), (0, 0, 255), 2) cv2.imshow("fff", image) cv2.waitKey() # 将目录中的图片加载到已知人脸库中 def get_face_data(): base_path = 'image/face_data' name_content = os.listdir(base_path) image_encoding_content = [] for one in name_content: img = base_path + "/" + str(one) load = face_recognition.load_image_file(img) encodings = face_recognition.face_encodings(load)[0] image_encoding_content.append(encodings) return name_content, image_encoding_content # 1、查找人脸的个数 def count_face(images): image = face_recognition.load_image_file(images) face_locations = face_recognition.face_locations(image) print(f"该照片中识别出了{len(face_locations)}张人脸") print_image_tru(images, face_locations) # 用矩形框画出人脸 # 2、人脸识别 def face_recognitions(data_base_image, tmp_image): # 1、将传来的图片转化为人脸编码： picture_of_tmp = face_recognition.load_image_file(tmp_image) # 2、识别目标中人脸的编码，由于图中可能没用人脸所以可能会抛出异常 try: # 获取人脸的编码，上面加载的图片会有多个人脸，所以face_recognition.face_encodings返回一个列表 # 由于示例图片我只选取了有一个人脸的图片，所以直接选取了第一个元素 tmp_encoding = face_recognition.face_encodings(picture_of_tmp)[0] except IndexError: print('未识别出人脸') return # 开始进行人脸比对，compare_faces第一个参数是数据库中的所有已经存在人脸, # 返回一个列表，表示与上述数据库中第几个人脸匹配成功 results = face_recognition.compare_faces(data_base_image[1], tmp_encoding) if True in results: index = results.index(True) names = data_base_image[0][index].split('.')[0] print(f"人脸验证成功,身份是{names}") else: print("验证失败") tmp_image = r'要测试的人脸图片' tuple_data = get_face_data() face_recognitions(tuple_data, tmp_image)
