介绍
Deepface 是一个用于 python 的轻量级人脸识别和人脸属性分析（年龄、性别、情感和种族）框架。它是一个混合人脸识别框架。
deepface包含最先进的模型：VGG-Face、Google FaceNet、OpenFace、Facebook DeepFace和DeepIDArcFaceDlib。所有这些模型都封装在一起，Deepface 的人脸识别准确率高达 97%，并且已被证明在人脸检测方面比一般的人脸识别框架更成功。
环境搭建
我的软件环境：
pycharm2021
python3.9.6
模块安装：
|
1 |
pip install deepface |
人脸验证
对两张图片进行比对，看是否同一个人，图片为：
以下三行代码即可实现，运行它会自动给你下载相关权重文件vgg_face_weights.h5：
|
1 |
from deepface import DeepFace verification = DeepFace.verify(img1_path = "img1.jpg", img2_path = "img2.jpg") print(verification) |
结果如下：
|
1 |
{'verified': True, 'distance': 0.1600321561950978, 'threshold': 0.4, 'model': 'VGG-Face', 'detector_backend': 'opencv', 'similarity_metric': 'cosine'} |
类型是个字典，我们来解析以下含义：
verified=True：表示同一个人。这是验证结果。
distance参数：这个值越小，代表相似度越高，越大则相似度越低。
model：默认用的模型VGG-Face。你也可以试试别的模型。
detector_backend：要有opencv支持的意思
你也可以自己设置模型，比如设置为OpenFace：
|
1 |
from deepface import DeepFace models=["VGG-Face", "Facenet", "Facenet512", "OpenFace", "DeepFace", "DeepID", "ArcFace", "Dlib"] verification = DeepFace.verify(img1_path = "img.png", img2_path = "img_1.png",model_name=models[3]) print(verification)f |
运行如下：
看清楚：
第一个，下载到的位置：
|
1 |
To: C:\Users\hp\.deepface\weights\openface_weights.h5 |
第二个是结果：
|
1 |
{'verified': False, 'distance': 0.17080708434087122, 'threshold': 0.1, 'model': 'OpenFace', 'detector_backend': 'opencv', 'similarity_metric': 'cosine'} |
人脸查找
|
1 2 3 4 5 6 7 8 |
from deepface import DeepFace img_path1 = r'img.png' img_path2 = r'img_1.png' img_path1 = img_path1.replace('\\', '/') img_path2 = img_path2.replace('\\', '/') models=["VGG-Face", "Facenet", "Facenet512", "OpenFace", "DeepFace", "DeepID", "ArcFace", "Dlib"] db_path = r'data' db_path = db_path.replace('\\', '/') recognition = DeepFace.find(img_path = img_path2, db_path = db_path, model_name = models[0], enforce_detection=False) print(recognition) |
输出如下：
|
1 |
ind function lasts 4.07146143913269 seconds identity VGG-Face_cosine 0 data/img_2.png 0.160032 1 data/img.png 0.265129 |
identity表示身份的意思，VGG-Face_cosine表示的是相似度的意思应该，它会得到相似最高的图。
为什么要设enforce_detection= False？不设置会报错检测不到人脸，因为Deepface会将db_path指定的相片folder中所有的相片，取得每张相片特征后储存于相同路径下（副档名为pkl），下次再取用比对时便不需要重新跑模型取得特征了。但如果其中有无法侦测出脸孔的相片，此时若enforce_detection=False，执行时便会产生错误并停止执行，以提醒我们资料夹中有无法检测脸孔的相片，请重新review。待确认folder中的相片无误后，我们便可设定enforce_detection=False，告知Deepface不需要提醒，以提升后续执行的速度。
人脸属性（年龄，标签，性别，种族）识别
DeepFace 带有强大的面部属性分析模块，用于年龄、性别、情绪和种族/民族预测。虽然 DeepFace 的面部识别模块封装了现有的最先进模型，但其面部属性分析有自己的模型。目前，年龄预测模型的平均绝对误差为 +/- 4.6 岁；性别预测模型的准确率达到 97%。
Deepface 还提供面部属性分析，包括、、age（包括愤怒、恐惧、中性、悲伤、厌恶、快乐和惊讶）和（包括亚洲人、白人、中东人、印度人、拉丁裔和黑人）预测。
来测试以下男神的年龄大小吧:
|
1 |
from deepface import DeepFace analysis = DeepFace.analyze(img_path="img.png", actions=["age", "gender", "emotion", "race"]) print(analysis) |
输出为：
说明：年龄，21；性别，男；表情，自然；种族：亚洲人（官方只能提供到是哪个洲的人）
视频流识别
|
1 |
from deepface import DeepFace a=DeepFace.stream() print(a) |