近年来，随着技术的飞速发展和进步，开源创造了很多优秀稳定的项目，这篇文章文章主要介绍了我在项目中使用了技术、人脸识别。
说到人脸识别技术，国内比较知名的公司如 虹软等，但大多都是付费的，且对终端个数、请求次数等，都有较大的限制或要求。
话不多说，直接进入主题，今天主要介绍的叫deepface，其主要功能如下：
- 支持各种主流识别模型，如："VGG-Face", "Facenet", "OpenFace", "DeepFace", "DeepID", "ArcFace", "Dlib"等；
- 能够对视频、图片等素材进行识别处理；
- 能够对人脸诸多属性进行识别，如年龄、性别、情感状态（愤怒、开心等）；
- 两张图片，人脸相似度比对；
- 实时视频人脸识别，标注；
具体安装过程
# 环境要求，Python3，并执行如下命令 pip install deepface前置准备
# 以Linux为例 1. 下载模型到 /root/.deepface/weights/ 下（首次使用，程序会自行判断并下载）~使用示例
- 识别模型选择
from deepface import DeepFace models = ["VGG-Face", "Facenet", "OpenFace", "DeepFace", "DeepID", "ArcFace", "Dlib"] for model in models: result = Dee("img1.jpg", "img2.jpg", model_name = model) df = Dee(img_path = "img1.jpg", db_path = "C:/workspace/my_db", model_name = model)- 两张图片相似度比对
# 三种相似度比较 from deepface import DeepFace metrics = ["cosine", "euclidean", "euclidean_l2"] for metric in metrics: result = Dee("img1.jpg", "img2.jpg", distance_metric = metric) df = Dee(img_path = "img1.jpg", db_path = "C:/workspace/my_db", distance_metric = metric)- 图片的人脸属性分析
from deepface import DeepFace obj = Dee(img_path = "img4.jpg", actions = ['age', 'gender', 'race', 'emotion']) print(obj["age"]," years old ",obj["dominant_race"]," ",obj["dominant_emotion"]," ", obj["gender"])- 视频流分析（分析视频中出现的人脸信息）
from deepface import DeepFace Dee("/user/database") # 待识别人脸，可以按照如下结构整理好： user ├── database │ ├── Alice │ │ ├── Alice1.jpg │ │ ├── Alice2.jpg │ ├── Bob │ │ ├── Bob.jpg效果展示
人脸情感分析
视频人脸分析
相关问题，欢迎留言提问；欢迎大家点赞、关注、收藏~
1.《怎么识别人脸相似？我来告诉你答案轻量级人脸识别库，你值得拥有》援引自互联网，旨在传递更多网络信息知识，仅代表作者本人观点，与本网站无关，侵删请联系页脚下方联系方式。
2.《怎么识别人脸相似？我来告诉你答案轻量级人脸识别库，你值得拥有》仅供读者参考，本网站未对该内容进行证实，对其原创性、真实性、完整性、及时性不作任何保证。
3.文章转载时请保留本站内容来源地址，https://www.lu-xu.com/gl/3142585.html
