python 人脸检测与人脸识别
'''
安装库文件: pip install dlib face_recognition
'''import dlib
import face_recognition
import cv2
from PIL import Image, ImageDraw# 判断运行环境 cpu or gpu
def check_env():print(dlib.DLIB_USE_CUDA)print(dlib.cuda.get_num_devices())# 判断人脸在图片当中的位置
def get_face_location(image_flle):image_fr = face_recognition.load_image_file(image_flle)face_locations = face_recognition.face_locations(image_fr)print(face_locations)# 标记人脸的位置image_cv = cv2.imread(image_flle)for location in face_locations:y0, x1, y1, x0 = locationcv2.rectangle(image_cv,(x0,y0),(x1,y1),(0,0,255),4)cv2.imwrite(image_flle + '.new_image.jpg', image_cv)return face_locations# 提取人脸画面保存到本地
def extract_face(image_file):image_cv = cv2.imread(image_file)face_recognitions = get_face_location(image_file)for i, location in enumerate(face_recognitions):y0,x1,y1,x0 = locationface_image = image_cv[y0:y1,x0:x1]cv2.imwrite(f"{image_file}.face_{i}.jpg",face_image)# 把人脸信息编码为一个128维的向量
def encode_face(image_file):image_fr = face_recognition.load_image_file(image_file)face_recognitions = face_recognition.face_locations(image_fr)face_encodings = face_recognition.face_encodings(image_fr,face_recognitions)return face_encodings[0]# 判断2个人脸是否为同一个人
def compare_face(image_file1, image_file2):face_encoding1 = encode_face(image_file1)face_encoding2 = encode_face(image_file2)ret = face_recognition.compare_faces([face_encoding1],face_encoding2)return ret# 标记人脸局部和标识
def mark_face(image_file):image_fr = face_recognition.load_image_file(image_file)face_marks = face_recognition.face_landmarks(image_fr)image_pil = Image.fromarray(image_fr)image_draw = ImageDraw.Draw(image_pil)for face_mark in face_marks:for facial_feature in face_mark.keys():image_draw.line(face_mark[facial_feature],width=5)image_pil.save(f"{image_file}_face_mark.jpg")# 人脸补扮
def beautify_face(image_file):image_fr = face_recognition.load_image_file(image_file)face_marks = face_recognition.face_landmarks(image_fr)image_pil = Image.fromarray(image_fr)for i, face_mark in enumerate(face_marks):image_draw = ImageDraw.Draw(image_pil)# 眉毛image_draw.polygon(face_mark['left_eyebrow'],fill=(68,54,39,128))image_draw.polygon(face_mark['right_eyebrow'],fill=(68,54,39,128))image_draw.line(face_mark['left_eyebrow'],fill=(68,54,39,150),width=2)image_draw.line(face_mark['right_eyebrow'],fill=(68,54,39,150),width=2)# 嘴唇image_draw.polygon(face_mark['top_lip'],fill=(150,0,0,60))image_draw.polygon(face_mark['bottom_lip'],fill=(150,0,0,60))image_draw.line(face_mark['top_lip'],fill=(150,0,0,20),width=2)image_draw.line(face_mark['bottom_lip'],fill=(150,0,0,20),width=2)# 眼睛image_draw.polygon(face_mark['left_eye'],fill=(255,255,255,20))image_draw.polygon(face_mark['right_eye'],fill=(255,255,255,20))image_draw.line(face_mark['left_eye'] + [face_mark['left_eye'][0]],fill=(0,0,0,50),width=2)image_draw.line(face_mark['right_eye'] + [face_mark['right_eye'][0]],fill=(0,0,0,50),width=2)image_pil.save(f"{image_file}.beautify_face.png")def main():check_env()face_locations = get_face_location('1.webp')print(face_locations)extract_face('3.jpg')face_encodings = encode_face('1.webp.face_0.jpg')print(face_encodings)ret = compare_face('1.webp.face_1.jpg','3.jpg.face_1.jpg')print(ret)mark_face('1.webp')beautify_face('1.webp')if __name__=="__main__":main()相关文章:
python 人脸检测与人脸识别
安装库文件: pip install dlib face_recognition import dlib import face_recognition import cv2 from PIL import Image, ImageDraw# 判断运行环境 cpu or gpu def check_env():print(dlib.DLIB_USE_CUDA)print(dlib.cuda.get_num_devices())# 判断人脸在图片当中的位置 def…...
RT-Thread: ulog 日志 讲解和使用
说明:记录 RT-Thread: ulog 日志功能和使用流程。 官网资料链接: https://docs.rt-thread.org/#/rt-thread-version/rt-thread-standard/programming-manual/ulog/ulog 1.ulog 简介 日志的定义:日志是将软件运行的状态、过程等信息&#x…...
git ssh key 配置
一、Profile Settings-->SSH Keys 我们点击这里会有详情的文档介绍生成sshkey。 ssh-keygen -t rsa -b 2048 -C "邮箱" --回车... 将生成的id_rsa.pub粘贴到如下保存 git config --global user.name "用户名" git config --global user.email "邮…...
MongoDB聚合:$documents
$documents阶段可以根据输入值返回字面意义的文档。 语法 { $documents: <表达式> }$documents接受可解析为对象数组的任何有效表达式,包括: 系统变量,如 $$NOW 或 $$SEARCH_META $let 表达式 $lookup 表达式作用域中的变量 没有…...
程序员英语 - 英文会议常用句型
相信大部分程序员都会有如下经历: 产品经理(BA)们在和外系统聊集成方案时或者给用户解决某个问题时发现搞不定了,这个时候就会拉上程序员一起上会参与讨论或者排查问题,但程序员们英文又不好,上了会又听不懂…...
UV贴图和展开初学者指南
在线工具推荐: 3D数字孪生场景编辑器 - GLTF/GLB材质纹理编辑器 - 3D模型在线转换 - Three.js AI自动纹理开发包 - YOLO 虚幻合成数据生成器 - 三维模型预览图生成器 - 3D模型语义搜索引擎 介绍 这正是本文的主题——UV贴图——登上舞台的时候。大多数 3D 建…...
解密Path环境变量
解密Path环境变量 大家好,我是免费搭建查券返利机器人赚佣金就用微赚淘客系统3.0的小编,也是冬天不穿秋裤,天冷也要风度的程序猿!今天,让我们一起深入探讨程序开发中不可或缺的一项关键技术——“path环境变量”。无论…...
git撤销提交到本地的commit
有些时候,当我们提交代码到本地后,突然发现因为某些原因需要撤销提交本地的代码。 就比如我,因为代码写错了分支,已经提交到本地了,而我需要取消,并且还要把代码搞得另外的分支上。 提交前: …...
使用Adobe Acrobat Pro DC给pdf文件填加水印
前言 GPT4的官方售价是每月20美元,很多人并不是天天用GPT,只是偶尔用一下。 如果调用官方的GPT4接口,就可以按使用量付费,用多少付多少,而且没有3个小时内只能提问50条的使用限制。 但是对很多人来说调用接口是比较麻烦…...
解决:Unity : Error while downloading Asset Bundle: Couldn‘t move cache data 问题
目录 问题: 尝试 问题得到解决 我的解释 问题: 最近游戏要上线,发现一个现象,部分机型在启动的时候闪退或者黑屏,概率是5%左右,通过Bugly只有个别机型才有这个现象,其实真实情况比这严重的多…...
SpringBoot默认配置文件
✅作者简介:大家好,我是Leo,热爱Java后端开发者,一个想要与大家共同进步的男人😉😉 🍎个人主页:Leo的博客 💞当前专栏: 循序渐进学SpringBoot ✨特色专栏: MySQL学习 🥭本文内容:SpringBoot默认配置文件 📚个人知识库: Leo知识库,欢迎大家访问 1.前言☕…...
Flink构造宽表实时入库案例介绍
1. 安装包准备 Flink 1.15.4 安装包 Flink cdc的mysql连接器 Flink sql的sdb连接器 MySQL驱动 SDB驱动 Flink jdbc的mysql连接器 2. 入库流程图 3. Flink安装部署 上传Flink压缩包到服务器,并解压 tar -zxvf flink-1.14.5-bin-scala_2.11.tgz -C /opt/ 复…...
【Kubernetes】K8s 查看 Pod 的状态
K8s 查看 Pod 的状态 [rootk8s-master1 ~]# kubectl get pods NAME READY STATUS RESTARTS AGE nginx-3 1/1 Running 2 (34m ago) 14hNAME:Pod 的名称。READY:代表 Pod 里面有几个容器,前面是启动的,后面…...
Linux系统操作命令
Linux管理 在线查询Linux命令: https://www.runoob.com/linux/linux-install.htmlhttps://www.linuxcool.com/https://man.linuxde.net/ 1.Linux系统目录结构 Linux系统的目录结构是一个树状结构,每一个文件或目录都从根目录开始,并且根目…...
大模型学习与实践笔记(五)
一、环境配置 1. huggingface 镜像下载 sentence-transformers 开源词向量模型 import os# 设置环境变量 os.environ[HF_ENDPOINT] https://hf-mirror.com# 下载模型 os.system(huggingface-cli download --resume-download sentence-transformers/paraphrase-multilingual-…...
100个GEO基因表达芯片或转录组数据处理之GSE126848(003)
写在前边 虽然现在是高通量测序的时代,但是GEO、ArrayExpress等数据库储存并公开大量的基因表达芯片数据,还是会有大量的需求去处理芯片数据,并且建模或验证自己所研究基因的表达情况,芯片数据的处理也可能是大部分刚学生信的道友…...
1. Presto基础
该笔记来源于网络,仅用于搜索学习,不保证所有内容正确。文章目录 一、presto基础操作二、时间函数0、当前日期/当前时间1、转时间戳1)字符串转时间戳 (推荐)2)按照format指定的格式,将字符串str…...
ChatGPT可以帮你做什么?
学习 利用ChatGPT学习有很多,比如:语言学习、编程学习、论文学习拆解、推荐学习资源等,使用方法大同小异,这里以语言学习为例。 在开始前先给GPT充分的信息:(举例) 【角色】充当一名有丰富经验…...
20240111在ubuntu20.04.6下解压缩RAR格式的压缩包
20240111在ubuntu20.04.6下解压缩RAR格式的压缩包 2024/1/11 18:25 百度搜搜:ubuntu rar文件怎么解压 rootrootrootroot-X99-Turbo:~/temp$ ll total 2916 drwx------ 3 rootroot rootroot 4096 1月 11 18:28 ./ drwxr-xr-x 25 rootroot rootroot 4096 1月…...
YOLOv5改进 | 检测头篇 | ASFFHead自适应空间特征融合检测头(全网首发)
一、本文介绍 本文给大家带来的改进机制是利用ASFF改进YOLOv5的检测头形成新的检测头Detect_ASFF,其主要创新是引入了一种自适应的空间特征融合方式,有效地过滤掉冲突信息,从而增强了尺度不变性。经过我的实验验证,修改后的检测头在所有的检测目标上均有大幅度的涨点效果,…...
Win11更新后Wifi图标消失?别急着重装系统,先试试这个官方驱动修复法
Win11更新后Wifi图标消失?三步精准定位官方驱动修复方案 刚更新完Windows 11系统,正准备继续手头的工作,突然发现任务栏右下角的Wifi图标不翼而飞。尝试重启电脑、重置网络设置,甚至检查了各种服务状态,问题依旧存在。…...
Alpine Linux在WSL中的生产力配置:zsh美化+Rust环境搭建
Alpine Linux在WSL中的生产力配置:zsh美化Rust环境搭建 在Windows Subsystem for Linux (WSL)生态中,Alpine Linux以其轻量级和安全性逐渐成为开发者的新宠。本文将带你打造一个兼具美观与高效的Alpine开发环境,特别适合追求极简主义又不愿牺…...
利用快马平台快速搭建comfyui工作流原型,十分钟验证ai绘画创意
最近在尝试用ComfyUI搭建AI绘画工作流时,发现从零开始调试节点连接特别耗时。后来发现InsCode(快马)平台的AI生成功能能快速搭建原型,把验证周期从几小时缩短到十分钟,分享下具体实践: 为什么需要快速原型验证 传统ComfyUI工作流搭…...
农业遥感避坑指南:用大疆P4M多光谱数据生成NDVI,选智图还是Metashape?
农业遥感实战:大疆P4M多光谱数据NDVI生成工具选型指南 站在农田边缘,手持大疆精灵4多光谱版(P4M)遥控器的你,刚刚完成了一次作物长势监测飞行。无人机带回的宝贵数据,正等待转化为直观的NDVI图——这张&quo…...
Qwen3.5-4B-Claude-Opus入门必看:中文逻辑推理助手Web镜像快速上手
Qwen3.5-4B-Claude-Opus入门必看:中文逻辑推理助手Web镜像快速上手 1. 模型概述 Qwen3.5-4B-Claude-4.6-Opus-Reasoning-Distilled-GGUF是一个专为中文逻辑推理优化的AI助手模型。它基于Qwen3.5-4B架构,通过蒸馏训练强化了结构化分析、分步骤回答以及代…...
串口通信与Modbus协议:工业自动化中的黄金搭档
1. 工业自动化的通信基石:串口与Modbus为何成为黄金组合 在工厂车间的控制柜里,PLC正以每秒数十次的频率采集着温度传感器的数据;在自动化生产线上,机械臂的每个动作都精准同步着传送带的节奏。这些看似神奇的工业魔法,…...
从SENet到KAN卷积:一文搞懂注意力机制如何从‘加权’进化到‘学习’(附演进路线图)
注意力机制的进化图谱:从SENet到KAN卷积的技术跃迁 在计算机视觉领域,注意力机制已成为提升模型性能的关键技术。本文将带您深入探索注意力机制从早期通道注意力到最新动态结构学习的完整演进历程,揭示这一技术如何从简单的特征重标定发展为能…...
LangChain实战避坑:我的RAG项目为什么召回结果不准?从向量化到混合检索的调优全记录
LangChain实战调优:从召回失败到精准检索的完整解决方案 当你的RAG系统在回答"夏天旅行推荐"时,返回了撒哈拉沙漠海滩和新疆火山口这类荒谬结果,问题可能出在文本分割、嵌入模型或混合检索策略上。本文将分享一套经过实战验证的调优…...
forkrun:革新数据处理,突破传统并行工具性能瓶颈
【导语:forkrun 作为一款自调优工具,可直接替代 GNU Parallel 和 xargs -P。它在现代 CPU 上能显著提升基于 Shell 的数据准备速度,尤其在 NUMA 架构上表现出色,为数据处理领域带来了新的变革。】数据处理速度的飞跃:5…...
cool-admin(midway版)前端路由缓存:include与exclude配置策略
cool-admin(midway版)前端路由缓存:include与exclude配置策略 【免费下载链接】cool-admin-midway 🔥 cool-admin(midway版)一个很酷的后台权限管理框架,模块化、插件化、CRUD极速开发,永久开源免费,基于midway.js 3.x…...
