工信版（中职）Python编程基础与应用电子课件人工智能库的应用

YCF （中职）Python编程基础与应用电子课件人工智能库的应用 1 人工智能库的应用 主讲： ： 《Python编程基础与应用》配套课件 2 + contents 目 录 face_recognition 的安装和简介 案例：人脸识别学生考勤系统 《Python编程基础与应用》配套课件 3 face_recognition 的安装和简介 01 《Python编程基础与应用》配套课件 4 face_recognition的简介 项目face_recognition是一个强大、简单、易上手的人脸识别开源项目，并且配备了完整的开发文档和应用案例。据项目的官方文档说明，本项目是世界上最简洁的人脸识别库之一，你可以使用Python和命令行工具提取、识别、操作人脸。该项目的人脸识别是基于业内领先的C++开源库 dlib中的深度学习模型，用《Labeled Faces in the Wild》（美国麻省大学安姆斯特分校（University of Massachusetts Amherst)制作的人脸数据集，该数据集包含了从网络收集的13,000多张面部图像。）人脸数据集进行测试，有高达99.38%的准确率。但对小孩和亚洲人脸的识别准确率尚待提升。 有关它的更多介绍请访问英文网站https://face-recognition.readthedocs.io/。 《Python编程基础与应用》配套课件 5 安装face_recognition 它的安装方法很简单，可以直接使用PIP进行安装。但它有依赖环境，在安装时可能会出错。如果在Windows操作系统下安装face_recognition失败，可以按以下顺序检查： 1）如果你本机没有安装vistual studio，就先下载安装vistual studio 2012或以上版本，并在安装选项中增加C++库的支持。在微软官网（https://visualstudio.microsoft.com/zh-hans/）下载新版本的vistual studio。 2）如果提示cmake没安装，请先安装它。 pip install cmake 《Python编程基础与应用》配套课件 6 安装face_recognition 3）如果提示dlib没安装，请先安装它。 pip install dlib 4）以上环境准备好后，再安装face_recognition。 pip install face_recognition 《Python编程基础与应用》配套课件 7 face_recognition的API简介 1）batch_face_locations()人脸定位 使用CNN深度学习模型返回图像中人脸边界框的二维数组。如果您使用的是GPU，由于GPU可以一次处理一批图像，因此可以更快地获得结果。如果您不使用GPU，则不需要此功能。语法举例： batch_face_locations(images, number_of_times_to_upsample=1, batch_size=128) 参数：images 表示图片列表（每个图片为一个numpy数组）。number_of_times_to_upsample 表示对图像进行脸部上采样的次数。数字越大，面孔越小。batch_size 表示每个GPU处理批次中要包含多少个图像。 《Python编程基础与应用》配套课件 8 face_recognition的API简介 2）face_locations()人脸定位 利用CNN深度学习模型或方向梯度直方图（Histogram of Oriented Gradient, HOG）进行人脸提取。返回值是一个数组(top, right, bottom, left)表示人脸所在边框的四条边的位置。语法举例： face_locations(img, number_of_times_to_upsample=1, model='hog') 它的功能与batch_face_locations()类似。它的前2个参数相同，后面的model表示要使用的人脸检测模型，主要有两个模型“hog”和“cnn”。“ hog”准确性较低，但在CPU上速度更快。“cnn”是经过GPU / CUDA加速（如果可用）的更准确的深度学习模型。默认值为“hog”。 《Python编程基础与应用》配套课件 9 face_recognition的API简介 3）compare_faces()人脸比对 将面部编码列表与候选编码进行比较，以查看它们是否匹配。语法举例： compare_faces(known_face_encodings, face_encoding_to_check, tolerance=0.6) 参数：known_