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

首先，你需要了解我們是如何比較兩個圖像的。我們正在使用Face Recognition python 模塊來獲取兩張圖像的128 個面部編碼，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 ，那么兩個圖像將是相同的。如果是False，則兩個圖像將不相同。

128 種面部編碼將如下所示

128 個人臉編碼（人臉標志）

僅當比較結(jié)果返回 True 值時，才會打印準確度級別。

現(xiàn)在，讓我們進入本主題的編碼部分，

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

pip install opencv-python

pip install face-recognition

安裝后，現(xiàn)在是時候?qū)�入這些模塊了。然后，我們需要創(chuàng)建一個名為 find_face_encodings(image_path) 的新函數(shù)，它獲取圖像位置（路徑）并返回 128 個面部編碼，這在比較圖像時非常有用。

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

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

# getting face encodings for first image

image_1 = find_face_encodings("image_1.jpg")

# getting face encodings for second image

image_2  = find_face_encodings("image_2.jpg")

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確性。

# checking both images are same

is_same = face_recognition.compare_faces([image_1], image_2)

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 * 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

Is Same: True

The images are same

Accuracy Level: 64%

輸出——案例 2

Is Same: False

The images are not same