0519-85602926 15861139266
本文，將帶你了解如何使用 Python、OpenCV 和人臉識別模塊比較兩張圖像并獲得這些圖像之間的準(zhǔn)確度水平。
首先，你需要了解我們是如何比較兩個圖像的。我們正在使用Face Recognition python 模塊來獲取兩張圖像的128 個面部編碼，我們將比較這些編碼。比較結(jié)果返回 True 或 False。如果結(jié)果為True ，那么兩個圖像將是相同的。如果是False，則兩個圖像將不相同。
128 種面部編碼將如下所示
128 個人臉編碼（人臉標(biāo)志）
僅當(dāng)比較結(jié)果返回 True 值時(shí)，才會打印準(zhǔn)確度級別。
現(xiàn)在，讓我們進(jìn)入本主題的編碼部分，
為了實(shí)現(xiàn)這一點(diǎn)，我們需要安裝幾個 python 模塊。為此，只需打開命令提示符或終端，鍵入以下內(nèi)容。
pip install opencv-python
pip install face-recognition
安裝后，現(xiàn)在是時(shí)候?qū)脒@些模塊了。然后，我們需要創(chuàng)建一個名為 find_face_encodings(image_path) 的新函數(shù)，它獲取圖像位置（路徑）并返回 128 個面部編碼，這在比較圖像時(shí)非常有用。
find_face_encodings(image_path) 函數(shù)將使用 OpenCV 模塊，從我們作為參數(shù)傳遞的路徑中讀取圖像，然后返回使用 face_recognition 模塊中的 face_encodings() 函數(shù)獲得的 128 個人臉編碼。
import cv2
import face_recognition
def find_face_encodings(image_path):
# reading image
image = cv2.imread(image_path)
# get face encodings from the image
face_enc = face_recognition.face_encodings(image)
# return face encodings
return face_enc
現(xiàn)在，使用兩個不同的圖像路徑調(diào)用 find_face_encodings(image_path) 函數(shù)，并將其存儲在兩個不同的變量中，image_1和image_2
# getting face encodings for first image
image_1 = find_face_encodings("image_1.jpg")
# getting face encodings for second image
image_2 = find_face_encodings("image_2.jpg")
現(xiàn)在，我們可以使用編碼執(zhí)行比較和查找這些圖像的準(zhǔn)確性等操作。
比較將通過使用 face_recognition 中的 compare_faces() 函數(shù)來完成。
通過找到 100 和 face_distance 之間的差異來確定準(zhǔn)確性。
# checking both images are same
is_same = face_recognition.compare_faces([image_1], image_2)
print(f"Is Same: {is_same}")
if is_same:
# finding the distance level between images
distance = face_recognition.face_distance([image_1], image_2)
distance = round(distance * 100)
# calcuating accuracy level between images
accuracy = 100 - round(distance)
print("The images are same")
print(f"Accuracy Level: {accuracy}%")
else:
print("The images are not same")
輸出——案例 1
Is Same: True
The images are same
Accuracy Level: 64%
輸出——案例 2
Is Same: False
The images are not same
