如何使用 Python比較兩張圖像并獲得準(zhǔn)確度?
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。
pip install opencv-python
pip install face-recognition
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
# 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(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
Is Same: True
The images are same
Accuracy Level: 64%
輸出——案例 2
Is Same: False
The images are not same
原文標(biāo)題 : 如何使用 Python比較兩張圖像并獲得準(zhǔn)確度?

發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字
最新活動(dòng)更多
-
7月22-29日立即報(bào)名>> 【線下論壇】第三屆安富利汽車生態(tài)圈峰會(huì)
-
7.30-8.1火熱報(bào)名中>> 全數(shù)會(huì)2025(第六屆)機(jī)器人及智能工廠展
-
7月31日免費(fèi)預(yù)約>> OFweek 2025具身智能機(jī)器人產(chǎn)業(yè)技術(shù)創(chuàng)新應(yīng)用論壇
-
免費(fèi)參會(huì)立即報(bào)名>> 7月30日- 8月1日 2025全數(shù)會(huì)工業(yè)芯片與傳感儀表展
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍(lán)皮書》
-
8月5日立即報(bào)名>> 【在線會(huì)議】CAE優(yōu)化設(shè)計(jì):醫(yī)療器械設(shè)計(jì)的應(yīng)用案例與方案解析
推薦專題
- 1 AI 眼鏡讓百萬 APP「集體失業(yè)」?
- 2 豆包前負(fù)責(zé)人喬木出軌BP后續(xù):均被辭退
- 3 一文看懂視覺語(yǔ)言動(dòng)作模型(VLA)及其應(yīng)用
- 4 “支付+”時(shí)代,支付即生態(tài) | 2025中國(guó)跨境支付十大趨勢(shì)
- 5 中國(guó)最具實(shí)力AI公司TOP10
- 6 深圳跑出40億超級(jí)隱形冠軍:賣機(jī)器人年入6.1億,港股上市
- 7 特斯拉Robotaxi上路,馬斯克端上畫了十年的餅
- 8 “AI六小虎”到了下一個(gè)賽點(diǎn)
- 9 張勇等人退出阿里合伙人
- 10 AI的夏天:第四范式VS云從科技VS地平線機(jī)器人