diff --git a/README_Simpified_Chinese.md b/README_Simpified_Chinese.md new file mode 100644 index 000000000..ed3fa9d6c --- /dev/null +++ b/README_Simpified_Chinese.md @@ -0,0 +1,368 @@ +# Face Recognition 人脸识别 + +> 译者注： +> +> 本项目[face_recognition](https://github.com/ageitgey/face_recognition)是一个强大、简单、易上手的人脸识别开源项目，并且配备了完整的开发文档和应用案例，特别是兼容树莓派系统。 +> +> 为了便于中国开发者研究学习人脸识别、贡献代码，我将本项目README文件翻译成中文。 +> +> 向本项目的所有贡献者致敬。 +> +> 英译汉：同济大学开源软件协会 [子豪兄Tommy](https://github.com/TommyZihao) +> +> Translator's note: +> +> Face_recognition is a powerful, simple and easy-to-use face recognition open source project with complete development documents and application cases, especially it is compatible with Raspberry Pi. +> +> In order to facilitate Chinese software developers to learn, make progress in face recognition development and source code contributions, I translated README file into simplified Chinese. +> +> Salute to all contributors to this project. +> +> Translator: Tommy in Tongji Univerisity Opensource Association [子豪兄Tommy](https://github.com/TommyZihao) + + + +本项目是世界上最简洁的人脸识别库，你可以使用Python和命令行工具提取、识别、操作人脸。 + +本项目的人脸识别是基于业内领先的C++开源库 [dlib](http://dlib.net/)中的深度学习模型，用[Labeled Faces in the Wild](http://vis-www.cs.umass.edu/lfw/)人脸数据集进行测试，有高达99.38%的准确率。但对小孩和亚洲人脸的识别准确率尚待提升。 + +> [Labeled Faces in the Wild](http://vis-www.cs.umass.edu/lfw/)是美国麻省大学安姆斯特分校（University of Massachusetts Amherst)制作的人脸数据集，该数据集包含了从网络收集的13,000多张面部图像。 + +本项目提供了简易的`face_recognition`命令行工具，你可以用它处理整个文件夹里的图片。 + +[![PyPI](https://img.shields.io/pypi/v/face_recognition.svg)](https://pypi.python.org/pypi/face_recognition) +[![Build Status](https://travis-ci.org/ageitgey/face_recognition.svg?branch=master)](https://travis-ci.org/ageitgey/face_recognition) +[![Documentation Status](https://readthedocs.org/projects/face-recognition/badge/?version=latest)](http://face-recognition.readthedocs.io/en/latest/?badge=latest) + +## 特性 + +#### 从图片里找到人脸 + +定位图片中的所有人脸： + +![](https://cloud.githubusercontent.com/assets/896692/23625227/42c65360-025d-11e7-94ea-b12f28cb34b4.png) + +```python +import face_recognition +image = face_recognition.load_image_file("your_file.jpg") +face_locations = face_recognition.face_locations(image) +``` + +#### 识别人脸关键点 + +识别人脸关键点，包括眼睛、鼻子、嘴和下巴。 + +![](https://cloud.githubusercontent.com/assets/896692/23625282/7f2d79dc-025d-11e7-8728-d8924596f8fa.png) + +```python +import face_recognition +image = face_recognition.load_image_file("your_file.jpg") +face_landmarks_list = face_recognition.face_landmarks(image) +``` + +识别人脸关键点在很多领域都有用处，但同样你也可以把这个功能玩坏，比如本项目的 [digital make-up](https://github.com/ageitgey/face_recognition/blob/master/examples/digital_makeup.py)自动化妆案例（就像美图秀秀一样）。 + +![](https://cloud.githubusercontent.com/assets/896692/23625283/80638760-025d-11e7-80a2-1d2779f7ccab.png) + +#### 识别图片中的人是谁 + +![](https://cloud.githubusercontent.com/assets/896692/23625229/45e049b6-025d-11e7-89cc-8a71cf89e713.png) + +```python +import face_recognition +known_image = face_recognition.load_image_file("biden.jpg") +unknown_image = face_recognition.load_image_file("unknown.jpg") + +biden_encoding = face_recognition.face_encodings(known_image)[0] +unknown_encoding = face_recognition.face_encodings(unknown_image)[0] + +results = face_recognition.compare_faces([biden_encoding], unknown_encoding) +``` + +你也可以配合其它的Python库（比如opencv）实现实时人脸检测： + +![](https://cloud.githubusercontent.com/assets/896692/24430398/36f0e3f0-13cb-11e7-8258-4d0c9ce1e419.gif) + +看这个案例 [实时人脸检测](https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam_faster.py) 。 + +## 安装 + +### 环境配置 + +- Python 3.3+ or Python 2.7 +- macOS or Linux +- Windows并不是我们官方支持的，但也许也能用 + +### 不同操作系统的安装方法 + +#### 在 Mac 或者 Linux上安装本项目 + +First, make sure you have dlib already installed with Python bindings: + +第一步，安装dlib和相关Python依赖： + +- [如何在macOS或者Ubuntu上安装dlib](https://gist.github.com/ageitgey/629d75c1baac34dfa5ca2a1928a7aeaf) + +Then, install this module from pypi using `pip3` (or `pip2` for Python 2): + +```bash +pip3 install face_recognition +``` + +如果你遇到了幺蛾子，可以用Ubuntu虚拟机安装本项目，看下面这个教程。 +[如何使用Adam Geitgey大神提供的Ubuntu虚拟机镜像文件安装配置虚拟机，本项目已经包含在镜像中](https://medium.com/@ageitgey/try-deep-learning-in-python-now-with-a-fully-pre-configured-vm-1d97d4c3e9b). + +#### 在树莓派上安装 + +- [树莓派安装指南](https://gist.github.com/ageitgey/1ac8dbe8572f3f533df6269dab35df65) + +#### 在Windows上安装 + +虽然本项目官方并不支持Windows，但一些大神们摸索出了在Windows上运行本项目的方法： + +- [@masoudr写的教程：如何在Win10系统上安装 dlib库和 face_recognition项目](https://github.com/ageitgey/face_recognition/issues/175#issue-257710508) + +#### 使用Ubuntu虚拟机镜像文件安装配置虚拟机，本项目已经包含在这个镜像中 + +- [如何使用Adam Geitgey大神提供的Ubuntu虚拟机镜像文件安装配置虚拟机，本项目已经包含在镜像中](https://medium.com/@ageitgey/try-deep-learning-in-python-now-with-a-fully-pre-configured-vm-1d97d4c3e9b)（需要电脑中安装VMWare Player 或者 VirtualBox） + +## 使用方法 + +### 命令行界面 + +当你安装好了本项目，你可以使用两种命令行工具： + +- `face_recognition` - 在单张图片或一个图片文件夹中认出是谁的脸。 +- `face_detection` - 在单张图片或一个图片文件夹中定位人脸位置。 + +#### `face_recognition` 命令行工具 + +`face_recognition`命令行工具可以在单张图片或一个图片文件夹中认出是谁的脸。 + +首先，你得有一个你已经知道名字的人脸图片文件夹，一个人一张图，图片的文件名即为对应的人的名字： + +![known](https://cloud.githubusercontent.com/assets/896692/23582466/8324810e-00df-11e7-82cf-41515eba704d.png) + +然后，你需要第二个图片文件夹，文件夹里面是你希望识别的图片： + +![unknown](https://cloud.githubusercontent.com/assets/896692/23582465/81f422f8-00df-11e7-8b0d-75364f641f58.png) + +然后，你在命令行中切换到这两个文件夹所在路径，然后使用`face_recognition`命令行，传入这两个图片文件夹，然后就会输出未知图片中人的名字： + +```bash +$ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/ + +/unknown_pictures/unknown.jpg,Barack Obama +/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person +``` + +输出结果的每一行对应着图片中的一张脸，图片名字和对应人脸识别结果用逗号分开。 + +如果结果输出了`unknown_person`，那么代表这张脸没有对应上已知人脸图片文件夹中的任何一个人。 + +#### `face_detection` 命令行工具 + +`face_detection`命令行工具可以在单张图片或一个图片文件夹中定位人脸位置（输出像素点坐标）。 + +在命令行中使用`face_detection`，传入一个图片文件夹或单张图片文件来进行人脸位置检测： + +```bash +$ face_detection ./folder_with_pictures/ + +examples/image1.jpg,65,215,169,112 +examples/image2.jpg,62,394,211,244 +examples/image2.jpg,95,941,244,792 +``` + +输出结果的每一行都对应图片中的一张脸，输出坐标代表着这张脸的上、右、下、左像素点坐标。 + +##### 调整人脸识别的容错率和敏感度 + +如果一张脸识别出不止一个结果，那么这意味着他和其他人长的太像了（本项目对于小孩和亚洲人的人脸识别准确率有待提升）。你可以把容错率调低一些，使识别结果更加严格。 + +通过传入参数 `--tolerance` 来实现这个功能，默认的容错率是0.6，容错率越低，识别越严格准确。 + +```bash +$ face_recognition --tolerance 0.54 ./pictures_of_people_i_know/ ./unknown_pictures/ + +/unknown_pictures/unknown.jpg,Barack Obama +/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person +``` + +如果你想看人脸匹配的具体数值，可以传入参数 `--show-distance true`： + +```bash +$ face_recognition --show-distance true ./pictures_of_people_i_know/ ./unknown_pictures/ + +/unknown_pictures/unknown.jpg,Barack Obama,0.378542298956785 +/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person,None +``` + +##### 更多的例子 + +如果你并不在乎图片的文件名，只想知道文件夹中的图片里有谁，可以用这个管道命令： + +```bash +$ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/ | cut -d ',' -f2 + +Barack Obama +unknown_person +``` + +##### 加速人脸识别运算 + +如果你的CPU是多核的，你可以通过并行运算加速人脸识别。例如，如果你的CPU有四个核心，那么你可以通过并行运算提升大概四倍的运算速度。 + +如果你使用Python3.4或更新的版本，可以传入 `--cpus ` 参数： + +```bash +$ face_recognition --cpus 4 ./pictures_of_people_i_know/ ./unknown_pictures/ +``` + +你可以传入 `--cpus -1`参数来调用cpu的所有核心。 + +> 子豪兄批注：树莓派3B有4个CPU核心，传入多核参数可以显著提升图片识别的速度（亲测）。 + +#### Python 模块:`face_recognition` + +在Python中，你可以导入`face_recognition`模块，调用我们提供的丰富的API接口，用几行代码就可以轻松玩转各种人脸识别功能！ + +API 接口文档: [https://face-recognition.readthedocs.io](https://face-recognition.readthedocs.io/en/latest/face_recognition.html) + +##### 在图片中定位人脸的位置 + +```python +import face_recognition + +image = face_recognition.load_image_file("my_picture.jpg") +face_locations = face_recognition.face_locations(image) + +# face_locations is now an array listing the co-ordinates of each face! +``` + +看 [案例：定位拜登的脸](https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture.py) + +![案例：定位拜登的脸](https://upload-images.jianshu.io/upload_images/13714448-b4ce08c6ba699c5e.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240) + +你也可以使用深度学习模型达到更加精准的人脸定位。 + +注意：这种方法需要GPU加速（通过英伟达显卡的CUDA库驱动），你在编译安装`dlib`的时候也需要开启CUDA支持。 + +```python +import face_recognition + +image = face_recognition.load_image_file("my_picture.jpg") +face_locations = face_recognition.face_locations(image, model="cnn") + +# face_locations is now an array listing the co-ordinates of each face! +``` + +看 [案例：使用卷积神经网络深度学习模型定位拜登的脸](https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture_cnn.py) + +如果你有很多图片需要识别，同时又有GPU，那么你可以参考这个例子：[案例：使用卷积神经网络深度学习模型批量识别图片中的人脸](https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_batches.py). + +##### 识别单张图片中人脸的关键点 + +```python +import face_recognition + +image = face_recognition.load_image_file("my_picture.jpg") +face_landmarks_list = face_recognition.face_landmarks(image) + +# face_landmarks_list is now an array with the locations of each facial feature in each face. +# face_landmarks_list[0]['left_eye'] would be the location and outline of the first person's left eye. +``` + +看这个案例 [案例：提取奥巴马和拜登的面部关键点](https://github.com/ageitgey/face_recognition/blob/master/examples/find_facial_features_in_picture.py) +![案例：提取奥巴马和拜登的面部关键点](https://upload-images.jianshu.io/upload_images/13714448-734e8b4f5592ed4a.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240) + +##### 识别图片中的人是谁 + +```python +import face_recognition + +picture_of_me = face_recognition.load_image_file("me.jpg") +my_face_encoding = face_recognition.face_encodings(picture_of_me)[0] + +# my_face_encoding now contains a universal 'encoding' of my facial features that can be compared to any other picture of a face! + +unknown_picture = face_recognition.load_image_file("unknown.jpg") +unknown_face_encoding = face_recognition.face_encodings(unknown_picture)[0] + +# Now we can see the two face encodings are of the same person with `compare_faces`! + +results = face_recognition.compare_faces([my_face_encoding], unknown_face_encoding) + +if results[0] == True: + print("It's a picture of me!") +else: + print("It's not a picture of me!") +``` + +看这个案例 [案例：是奥巴马还是拜登？](https://github.com/ageitgey/face_recognition/blob/master/examples/recognize_faces_in_pictures.py) + +## Python 案例 + +所有案例都在这个链接中 [也就是examples文件夹](https://github.com/ageitgey/face_recognition/tree/master/examples). + +#### 人脸定位 + +- [案例：定位拜登的脸](https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture.py) +- [案例：使用卷积神经网络深度学习模型定位拜登的脸](https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture_cnn.py) +- [案例：使用卷积神经网络深度学习模型批量识别图片中的人脸](https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_batches.py) +- [案例：把来自网络摄像头视频里的人脸高斯模糊（需要安装OpenCV）](https://github.com/ageitgey/face_recognition/blob/master/examples/blur_faces_on_webcam.py) + +#### 人脸关键点识别 + +- [案例：提取奥巴马和拜登的面部关键点](https://github.com/ageitgey/face_recognition/blob/master/examples/find_facial_features_in_picture.py) +- [案例：给美国副总统拜登涂美妆](https://github.com/ageitgey/face_recognition/blob/master/examples/digital_makeup.py) + +#### 人脸识别 + +- [案例：是奥巴马还是拜登？](https://github.com/ageitgey/face_recognition/blob/master/examples/recognize_faces_in_pictures.py) +- [案例：人脸识别之后在原图上画框框并标注姓名](https://github.com/ageitgey/face_recognition/blob/master/examples/identify_and_draw_boxes_on_faces.py) +- [案例：在不同精度上比较两个人脸是否属于一个人](https://github.com/ageitgey/face_recognition/blob/master/examples/face_distance.py) +- [案例：从摄像头获取视频进行人脸识别-较慢版（需要安装OpenCV）](https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam.py) +- [案例：从摄像头获取视频进行人脸识别-较快版（需要安装OpenCV）](https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam_faster.py) +- [案例：从视频文件中识别人脸并把识别结果输出为新的视频文件（需要安装OpenCV）](https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_video_file.py) +- [案例：通过树莓派摄像头进行人脸个数统计及人脸身份识别](https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_on_raspberry_pi.py) +- [案例：通过浏览器HTTP访问网络服务器进行人脸识别（需要安装Flask后端开发框架）)](https://github.com/ageitgey/face_recognition/blob/master/examples/web_service_example.py) +- [案例：基于K最近邻KNN分类算法进行人脸识别](https://github.com/ageitgey/face_recognition/blob/master/examples/face_recognition_knn.py) + +## 关于 `face_recognition`的文章和教程 + +- 本项目作者写的一篇文章 [Modern Face Recognition with Deep Learning](https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78) + - 主要内容：基本算法和原理 +- [Face recognition with OpenCV, Python, and deep learning](https://www.pyimagesearch.com/2018/06/18/face-recognition-with-opencv-python-and-deep-learning/) by Adrian Rosebrock + - 主要内容：如何实际使用本项目 +- [Raspberry Pi Face Recognition](https://www.pyimagesearch.com/2018/06/25/raspberry-pi-face-recognition/) by Adrian Rosebrock + - 主要内容：如何在树莓派上使用本项目 +- [Face clustering with Python](https://www.pyimagesearch.com/2018/07/09/face-clustering-with-python/) by Adrian Rosebrock + - 主要内容：使用非监督学习算法实现把图片中的人脸高斯模糊 + +## 人脸识别的原理 + +如果你想更深入了解人脸识别这个黑箱的原理 [读这篇文章](https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78)。 + +> 子豪兄批注：一定要看这篇文章，讲的既有趣又有料。 + +## 警告说明 + +- 本项目的人脸识别模型是基于成年人的，在孩子身上效果可能一般。如果图片中有孩子的话，建议把临界值设为0.6. +- 不同人种的识别结果可能不同， [看wiki百科页面](https://github.com/ageitgey/face_recognition/wiki/Face-Recognition-Accuracy-Problems#question-face-recognition-works-well-with-european-individuals-but-overall-accuracy-is-lower-with-asian-individuals) 查看更多细节。 + +## 把本项目部署在云服务器上 (Heroku, AWS等) + +本项目是基于C++库`dlib`的，所以把本项目部署在Heroku或者AWS的云端服务器上是很明智的。 + +为了简化这个过程，有一个Dockerfile案例，教你怎么把`face_recognition`开发的app封装成[Docker](https://www.docker.com/) 容器文件，你可以把它部署在所以支持Docker镜像文件的云服务上。 + +## 出了幺蛾子？ + +如果出了问题，请在Github提交Issue之前查看 [常见错误](https://github.com/ageitgey/face_recognition/wiki/Common-Errors) 。 + +## 鸣谢 + +- 非常感谢 [Davis King](https://github.com/davisking) ([@nulhom](https://twitter.com/nulhom))创建了`dlib`库，提供了响应的人脸关键点检测和人脸编码相关的模型，你可以查看 [blog post](http://blog.dlib.net/2017/02/high-quality-face-recognition-with-deep.html)这个网页获取更多有关ResNet的信息。 +- 感谢每一个相关Python模块（包括numpy,scipy,scikit-image,pillow等）的贡献者。 +- 感谢 [Cookiecutter](https://github.com/audreyr/cookiecutter) 和[audreyr/cookiecutter-pypackage](https://github.com/audreyr/cookiecutter-pypackage) 项目模板，使得Python的打包方式更容易接受。