人脸识别的一些代码

1、cv2入门函数imread及其相关操作
2、（详解）opencv里的cv2.resize改变图片大小Python
3、机器学习之人脸识别face_recognition使用
4、使用face_recognition进行人脸校准
5、简单的人脸识别通用流程示意图（这个看着写的挺好的）
6、face_recognition和图像处理中left、top、right、bottom解释
7、使用pillow库对图片进行裁剪

def facecrop(picture_path):
    "替换原图"

    # step0:读取图片
    # imread为image read的缩写，即图像读取的意思
    # picture_path：传入参数为文件名字
    # cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道
    demo_image = cv2.imread(picture_path, cv2.IMREAD_COLOR)
    # demo_image：是源图像
    # dst：目标图像参数没有写。dst图像与src图像的类型相同。
    # dsize：目标图像的大小。
    # fx ：水平轴上的比例因子。即是图像的行的大小乘以2
    # fy ：竖直轴上的比例因子。即是图像的列的大小乘以2
    # interpolation：插值方法  INTER_NEAREST：最近邻插值法
    demo_image = cv2.resize(demo_image, dsize=(960, 540), dst=None, fx=0, fy=0, interpolation=cv2.INTER_NEAREST)
    # demo_image.shape：图像的w,h,c
    image_h, image_w = demo_image.shape[0], demo_image.shape[1]
    margin = 0.01

    # step1:识别人脸位置
    # face_locations:能定位所有图像中识别出的人脸位置信息，返回值是列表形式，列表中每一行是一张人脸的位置信息，包括[top, right, bottom, left]，也可理解为每个人脸是一个tuple存储，分别代表框住人脸的矩形中左上角和右下角的坐标（x1,y1,x2,y2）。可遍历列表打印出每张脸的位置信息，也可以通过位置信息截出识别出的人脸的图像显示出来
    # [(246, 501, 308, 439), (180, 448, 223, 405), (217, 761, 440, 538), (202, 132, 356, 0)]
    face_locations = face_recognition.face_locations(demo_image, model='hog')
    print("face_locations", face_locations)
 
    # step2:挑出图片中最大的人脸，返回人脸的位置
    face_locations = max_area(face_locations)
    print("face_locations(最大):", face_locations)
    num = len(face_locations)  # 图片中人脸的个数

    # step3:裁剪出图片中最大的人脸
    # (4, 200, 200, 3)
    face_batch = np.empty((len(face_locations), 200, 200, 3))
    # face_batch = np.empty((len(face_locations), 300, 300, 3))
    print(face_batch)

	# i：0  1  2 3
	# [top, right, bottom, left]
	# rect：(246, 501, 308, 439), 
	#		(180, 448, 223, 405), 
	#		(217, 761, 440, 538), 
	#		(202, 132, 356, 0)
	# 以第一个人脸为例
	# 目标图片的宽和高分别为(960, 540) 即image_h = 960，image_w = 540
	# i=0
	# rect = (246, 501, 308, 439)
	# top = 246, right = 501, bottom = 308, left = 439
	# top:    top- image_h * margin = 246 - 960 * 0.01 = 246 - 9.6    = 236.4
	# left:   left - image_w * margin = 439-540*0.01 = 439 - 5.4      = 433.6
	# bottom: bottom + image_h * margin = 308 + 960* 0.01 = 908 + 9.6 =917.6
    # right:  right + image_w * margin = 501 + 540*0.01 = 501 + 5.4   =505.4
    
    for i, rect in enumerate(face_locations):  # rect：中文意思为矩形
        top, bottom, left, right = rect[0], rect[2], rect[3], rect[1]
        print(top, bottom, left, right)

        top = max(int(top - image_h * margin), 0)  # image_h = 1080, image_w = 1920
        left = max(int(left - image_w * margin), 0)
        bottom = min(int(bottom + image_h * margin), image_h - 1)
        right = min(int(right + image_w * margin), image_w - 1)
        
        face_img = demo_image[top:bottom, left:right, :]
        
        # face_img = cv2.resize(face_img, (200, 200))
        face_img = cv2.resize(face_img, (300, 400))
        face_batch[i, :, :, :] = face_img

    face_batch = preprocess_input(face_batch)
    for rect in face_locations:

        cv2.rectangle(demo_image, (rect[3], rect[0]), (rect[1], rect[2]), (255, 0, 0), 2)
    cv2.imshow('image', demo_image)
    # time.sleep(5)
    if cv2.waitKey(0) & 0xff == ord("q"):
        cv2.destroyAllWindows()