本文，將帶你了解如何使用 Python、OpenCV 和人臉識(shí)別模塊比較兩張圖像并獲得這些圖像之間的準(zhǔn)確度水平。

首先，你需要了解我們是如何比較兩個(gè)圖像的。我們正在使用Face Recognition python 模塊來獲取兩張圖像的128 個(gè)面部編碼，我們將比較這些編碼。比較結(jié)果返回 True 或 False。如果結(jié)果為True ，那么兩個(gè)圖像將是相同的。如果是False，則兩個(gè)圖像將不相同。

128 種面部編碼將如下所示????

128 個(gè)人臉編碼（人臉標(biāo)志）

僅當(dāng)比較結(jié)果返回 True 值時(shí)，才會(huì)打印準(zhǔn)確度級(jí)別。

現(xiàn)在，讓我們進(jìn)入本主題的編碼部分，

為了實(shí)現(xiàn)這一點(diǎn)，我們需要安裝幾個(gè) python 模塊。為此，只需打開命令提示符或終端，鍵入以下內(nèi)容。

安裝后，現(xiàn)在是時(shí)候?qū)脒@些模塊了。然后，我們需要?jiǎng)?chuàng)建一個(gè)名為 find_face_encodings(image_path) 的新函數(shù)，它獲取圖像位置（路徑）并返回 128 個(gè)面部編碼，這在比較圖像時(shí)非常有用。

find_face_encodings(image_path) 函數(shù)將使用 OpenCV 模塊，從我們作為參數(shù)傳遞的路徑中讀取圖像，然后返回使用 face_recognition 模塊中的 face_encodings() 函數(shù)獲得的 128 個(gè)人臉編碼。

import cv2
import face_recognition
def find_face_encodings(image_path):
    # reading image
    image = cv2.imread(image_path)
    
    # get face encodings from the image
    face_enc = face_recognition.face_encodings(image)
    
    # return face encodings
    return face_enc[0]

現(xiàn)在，使用兩個(gè)不同的圖像路徑調(diào)用 find_face_encodings(image_path) 函數(shù)，并將其存儲(chǔ)在兩個(gè)不同的變量中，image_1和image_2

現(xiàn)在，我們可以使用編碼執(zhí)行比較和查找這些圖像的準(zhǔn)確性等操作。

• 比較將通過使用 face_recognition 中的 compare_faces() 函數(shù)來完成。
• 通過找到 100 和 face_distance 之間的差異來確定準(zhǔn)確性。

# checking both images are same
is_same = face_recognition.compare_faces([image_1], image_2)[0]
print(f'Is Same: {is_same}')
if is_same:
    # finding the distance level between images
    distance = face_recognition.face_distance([image_1], image_2)
    distance = round(distance[0] * 100)
    
    # calcuating accuracy level between images
    accuracy = 100 - round(distance)
    
    print('The images are same')
    print(f'Accuracy Level: {accuracy}%')
else:
    print('The images are not same')

輸出——案例 1

輸出——案例 2

Is Same: False
The images are not same