### 使用Python进行人脸特征提取、存储和对比 以下是使用 `face_recognition` 库完成人脸特征提取、存储以及对比的完整代码示例。此过程分为三个主要部分：特征提取、特征存储和特征对比。 #### 特征提取 利用 `face_recognition.face_encodings()` 方法可以从图像中提取人脸特征向量。 ```python import face_recognition import cv2 import numpy as np import pickle # 加载训练图像并转换颜色空间 image_path = 'known_faces/person1.jpg' image = face_recognition.load_image_file(image_path) image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) # 提取人脸位置和编码 face_location = face_recognition.face_locations(image_rgb)[0] face_encoding = face_recognition.face_encodings(image_rgb)[0] print(f"人脸特征向量维度: {len(face_encoding)}") # 输出特征向量长度[^3] ``` #### 特征存储 将提取的人脸特征向量序列化为文件以便后续使用。 ```python # 创建或更新已知人脸字典 known_face_encodings = { "person1": face_encoding } # 将特征向量保存至文件 with open('known_faces_data.pkl', 'wb') as f: pickle.dump(known_face_encodings, f) print("人脸特征成功存储到 known_faces_data.pkl 文件中") ``` #### 特征对比 加载测试图像并与存储的特征向量进行比较，判断是否匹配。 ```python # 加载测试图像 test_image_path = 'unknown_faces/test_person1.jpg' test_image = face_recognition.load_image_file(test_image_path) test_image_rgb = cv2.cvtColor(test_image, cv2.COLOR_BGR2RGB) # 提取测试图像中的所有人脸及其编码 test_face_locations = face_recognition.face_locations(test_image_rgb) test_face_encodings = face_recognition.face_encodings(test_image_rgb, test_face_locations) # 加载已知人脸数据 with open('known_faces_data.pkl', 'rb') as f: loaded_known_face_encodings = pickle.load(f) # 遍历测试图像中的人脸进行匹配 for i, test_face_encoding in enumerate(test_face_encodings): matches = face_recognition.compare_faces( list(loaded_known_face_encodings.values()), test_face_encoding, tolerance=0.5 # 设置相似度阈值 ) name = "Unknown" if True in matches: first_match_index = matches.index(True) name = list(loaded_known_face_encodings.keys())[first_match_index] print(f"第{i+1}张人脸匹配结果: {name}") # 绘制矩形框标记人脸区域 top, right, bottom, left = test_face_locations[i] cv2.rectangle(test_image, (left, top), (right, bottom), (0, 255, 0), 2) font = cv2.FONT_HERSHEY_DUPLEX cv2.putText(test_image, name, (left + 6, bottom - 6), font, 0.5, (255, 255, 255), 1) cv2.imshow('Test Image with Face Recognition', test_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 以上代码实现了完整的流程，包括从图像中提取人脸特征、将其存储到文件中，并在新图像中执行匹配操作[^3]。 ---