這幾日閒來無事，試用了下face_recognition庫，還真是簡單方便，只消十幾分鍾就可以開始體驗，如果你也感興趣，和我一起試試吧。
背景
Adam Geitgey寫了一系列的“Machine Learning is Fun”。其中第四篇介紹他用DL做的人臉識別。知乎上有官方授權翻譯（機器學習原來這麼有趣！第四章：用深度學習識別人臉 - 知乎專欄），大家可以閱讀，我這裡就不廢話了。
本文主要介紹如何在最短時間開始上手玩玩，弄好效果類似這個
我沒有用到任何GPU資源，在windows上和Linux上均可，下面和我一起來做。
Anaconda的安裝
可以參考下面兩篇文章安裝Anaconda而不是自己安裝Python。
Tensorflow Windows下安裝 - 知乎專欄
Tensorflow Linux下安裝 - 知乎專欄
簡單來說就是進入Anaconda官網：
Download Anaconda Now！
並根據你的機器版本選擇合適的版本，32位的選擇X86，64位的選擇X86_64。正常安裝即可。
安裝face_recognition庫
開啟Anaconda Prompt （在安裝的資料夾中），輸入
pip install face_recognition
如果你在proxy後面，可以宣告proxy
pip install face_recognition ——proxy proxy：port
dlib會在安裝face_recognition時自動安裝。如果你沒裝opencv，輸入
conda install -c https：//conda。binstar。org/menpo opencv3
程式
face_recognition是open source的，原始碼在：
ageitgey/face_recognition
其中example有不少例子，其中有個例子我小改了下以便演示多於一個人的識別：
import face_recognition
import cv2
# Get a reference to webcam #0 （the default one）
video_capture = cv2。VideoCapture（0）
# Load a sample picture and learn how to recognize it。
m1_image = face_recognition。load_image_file（“M1_B1。jpg”）
m1_face_encoding = face_recognition。face_encodings（m1_image）［0］
m2_image = face_recognition。load_image_file（“M2。jpg”）
m2_face_encoding = face_recognition。face_encodings（m2_image）［0］
k1_image = face_recognition。load_image_file（“k1。jpg”）
k1_face_encoding = face_recognition。face_encodings（k1_image）［0］
B1_image = face_recognition。load_image_file（“B1。jpg”）
B1_face_encoding = face_recognition。face_encodings（B1_image）［0］
B2_image = face_recognition。load_image_file（“B2。jpg”）
B2_face_encoding = face_recognition。face_encodings（B2_image）［0］
# Initialize some variables
face_locations = ［］
face_encodings = ［］
face_names = ［］
process_this_frame = True
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）
# 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（small_frame）
face_encodings = face_recognition。face_encodings（small_frame， face_locations）
face_names = ［］
faces_to_compare = ［
m1_face_encoding，
m2_face_encoding，
k1_face_encoding，
B1_face_encoding，
B2_face_encoding］
for face_encoding in face_encodings：
# See if the face is a match for the known face（s）
match = face_recognition。compare_faces（faces_to_compare， face_encoding， tolerance=0。5）
name = “Unknown”
print（match）
if match［0］：
name = “M1”
if match［1］：
name = “M2”
if match［2］：
name = “K1”
if match［3］：
name = “B1”
if match［4］：
name = “B2”
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）， （right， bottom）， （0， 0， 255）， 2）
# Draw a label with a name below the face
cv2。rectangle（frame， （left， bottom - 35）， （right， bottom）， （0， 0， 255）， cv2。FILLED）
font = cv2。FONT_HERSHEY_DUPLEX
cv2。putText（frame， name， （left + 6， bottom - 6）， font， 1。0， （255， 255， 255）， 1）
# Display the resulting image
cv2。imshow（‘Video’， frame）
# 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（）
宣告：程式碼版權屬於原作者。
圖片
好了萬事俱備，只差圖片了，你可以把你旁邊的親人們大頭照弄過來，改個名字替換掉M1。jpg，M2。jpg等等，放在同一個目錄下即可。圖片沒有什麼特殊要求，正面即可，類似這樣：
執行
現在插上攝像頭，執行下試試吧，是不是挺有意思的？注意這裡我的tolerance=0。5，你可以試試不同的值。太高你帶上眼鏡啥的就認不出來了，顯示unknown，太低容易認錯。
