1.安装包依赖
与上篇通过摄像头动态识别人脸一样，先下载好opencv-python、face-recognition，这里因为使用的是照片对比的方式，特意使用tkinter画了一个简单的GUI方便操作。
在python 3以上版本tkinter是环境自带的，所以这里不需要安装
2.代码示例
import os
import cv2
import numpy as np
import face_recognition
import tkinter as tk
import tkinter.filedialog
from PIL import Image,ImageTk classNames=[]
img_path='Picture'
img_recognition_path='Recognition'
existsEncodeingList=[]
#对人脸集合进行编码进行处理
def findEncodeings(images):for img in images:#灰度处理img=cv2.cvtColor(src=img,code=cv2.COLOR_BGR2RGB)#face_encodings对图片对象a_images进行编码并返回数组0位置编码结果encode=face_recognition.face_encodings(img)[0]existsEncodeingList.append(encode)#获取当前存储的人脸编码集合
def findExistsEncodeingList(img_path):images=[]#列出已经上传的所有图片imgList=os.listdir(img_path)#处理存储的图片得到其人脸编码for pic in imgList:img=cv2.imread('{}/{}'.format(img_path,pic))images.append(img)classNames.append(os.path.splitext(pic)[0])findEncodeings(images)#选择并对比图片
def choosepic():choosepath = tkinter.filedialog.askopenfilename()path.set(choosepath)img_open = Image.open(entry.get()).resize((530,750))img = ImageTk.PhotoImage(img_open)lableShowImage.config(image=img)lableShowImage.image = imglableShowImage.place(x=30, y=70, width=530, height=750)faceRecognition(choosepath)def faceRecognition(choosepath):frame=cv2.imread(choosepath)frameRGB=cv2.cvtColor(src=frame,code=cv2.COLOR_BGR2RGB)#对摄像头读取的检测人脸facesLocate=face_recognition.face_locations(frameRGB)#进行特征编码faceEncoded=face_recognition.face_encodings(frameRGB,facesLocate)#遍历检测的人脸和库中读取的图片进行对比，计算其相似度name='unknow'for (top,right, bottom,left),face_encoding in zip(facesLocate,faceEncoded):#进行匹配matchs=face_recognition.compare_faces(existsEncodeingList,face_encoding)#计算相似度distance=face_recognition.face_distance(existsEncodeingList,face_encoding)lab='unknow'for index, item in enumerate(distance):if item<0.5:if matchs[index]:#得到匹配到的图片名称与相似度值lab='name:{}; Similarity:{}'.format(classNames[index],item)name=classNames[index]break#初始化面部捕捉框显示绿色color1 =(0,255,0)if name =='unknow':#未能识别的时候显示蓝色color1 =(255,0,0)#画面部捕捉框cv2.rectangle(img=frame,pt1=(left,top),pt2=(right,bottom),color=color1,thickness=3)#在捕捉框上添加匹配到的图片信息cv2.putText(frame, lab, (left,top-8),cv2.FONT_HERSHEY_SIMPLEX, 0.7, color1, 2)cv2.imwrite('{}/{}.png'.format(img_recognition_path,name),frame)img_Recognition = Image.open('{}/{}.png'.format(img_recognition_path,name)).resize((530,750))img = ImageTk.PhotoImage(img_Recognition)lableShowImage2.config(image=img)lableShowImage2.image = imglableShowImage2.place(x=630, y=70, width=530, height=750)if __name__ == '__main__':findExistsEncodeingList(img_path)#生成tk界面 app即主窗口app = tk.Tk() #修改窗口titileapp.title("show pictue") #设置主窗口的大小和位置app.geometry("1200x900+200+50")#Entry widget which allows displaying simple text.path = tk.StringVar()entry = tk.Entry(app, state='readonly', text=path,width = 100)entry.pack()#使用Label显示图片lableShowImage = tk.Label(app)lableShowImage.pack()#使用Label2显示处理后的图片lableShowImage2 = tk.Label(app)lableShowImage2.pack()#选择图片的按钮buttonSelImage = tk.Button(app, text='choose picture', command=choosepic)buttonSelImage.pack()app.mainloop()3.说明
首先我将需要被识别的人脸的照片预设到项目目录的Picture文件夹下，然后创建一个Recognition目录存放识别过的图片，这样方便在一个界面上展示对比结果照片。
其实对比结果也可以不用存，直接将处理后的图片缓存直接展示在界面上，这里需要改一下此处的代码，将上述代码注释掉，然后换成下面的那行，通过数组直接转成图片
但是效果会存在色彩的失真，效果如下：
也尝试了PIL的九种不同图片模式: 1，L，P，RGB，RGBA，CMYK，YCbCr，I，F，最终效果也没达到，大概与我resize((530,750))这个有关，也没继续纠结，有兴趣的同学可以尝试一下。
这里简单提下PIL的九种不同图片模式：
| modes | 描述 |
|---|---|
| 1 | 1位像素，黑和白，存成8位的像素 |
| L | 8位像素，黑白 |
| P | 8位像素，使用调色板映射到任何其他模式 |
| RGB | 3× 8位像素，真彩 |
| RGBA | 4×8位像素，真彩+透明通道 |
| CMYK | 4×8位像素，颜色隔离 |
| YCbCr | 3×8位像素，彩色视频格式 |
| I | 32位整型像素 |
| F | 32位浮点型像素 |
4.实现效果
可以实现简单的人脸对比，Similarity代表相似度值，值越小代表人脸与预设的图片越相似。
