在上一篇中实现了基于人脸识别提取人物片段的功能，但是在实践过程中发现，如果是一部电影，那么提取到的片段太多了。为了找女神的电影片段，还要在辣么多剪辑中苦苦手工筛选，这个不是一个优秀的程序员应该做的。
经过一番实践和探索，发现了一个强大的库，叫做face_recognition。
本菜鸟也尝试过用opencv识别出图像，通过图像指纹计算出相似度，抑或通过图片向量的余弦相似度计算，奈何实现复杂，效果也不如face_recognition，只好弃暗投明。
1. face_recognition介绍
face_recognition使用 dlib 顶尖的深度学习人脸识别技术构建，在户外脸部检测数据库基准（Labeled Faces in the Wild benchmark）上的准确率高达 99.38%。
项目地址：https://github.com/ageitgey/face_recognition#face-recognition
官方介绍了face_recognition以下基本功能：
1.1 找出图片中的人脸
1.2 找到并且控制图像中的脸部特征
1.3 识别图片中的人脸
在本文中使用的就是它的第三个功能识别图片中的人脸。
2. face_recognition的安装使用
face需要依赖于dlib，dlib的安装参考How to install dlib v19.9 or newer from github on macOS and Ubuntu
face_recognition的使用需要基于Python3.3以上或Python2.7，操作系统为MacOS或Linux（Windows不提供官方支持）。安装命令如下：
$ pip install face_recognition
安装完成后可以在命令行使用face_recognition或在Python中调用。以在Python中“识别女神李一桐”为例，其过程如下：
初始化，导入face_recognition，加载一张李一桐的脸部图片；
加载对比图片，读取图片后进行编码；
对比，将已知图片和对比图片用compare_faces方法进行对比并得到结果。
Python代码如下：
import face_recognition
# 初始化
picture_of_liyitong = face_recognition.load_image_file("yilitong.jpg")
liyitong_encoding = face_recognition.face_encodings(picture_of_liyitong)[0]
# 加载对比图片
unknown_picture = face_recognition.load_image_file("unknown.jpg")
unknown_face_encoding = face_recognition.face_encodings(unknown_picture)[0]
# 用`compare_faces`方法继续对比得到结果，
# 值得注意的是第一个参数是一个列表，可以传多个图片参数进行对比
results = face_recognition.compare_faces([liyitong_encoding], unknown_face_encoding)
if results[0] == True:
print("图片中包含女神")
else:
print("未找到女神!")
3. 女神视频提取
提取女神视频的过程与之前《从视频中自动提取人物的视频片段》的思路类似。
1.1. 获取图片，用moivepy读取视频，用iter_frames方法从中获取图片帧；
1.2. 标记时间点，利用opencv识别图片中的人物并标记人物出现的起始时间点和结束时间点，并将这些时间点放到到一个列表中。
1.3. 视频截取，用moivepy将上一步中标记的时间片段从视频中截取出来，最后筛选出需要的视频片段即可。
只是将上面第二步中“用opencv识别图片中的人物”改为“用face_recognition进行对比”。代码实现如下：
from moviepy.editor import VideoFileClip
from moviepy.video.io.ffmpeg_tools import ffmpeg_extract_subclip
import face_recognition
def contain_godness(img, godness_encoding):
face_locations = face_recognition.face_locations(img)
is_godness = False
for (top_right_y, top_right_x, left_bottom_y,left_bottom_x) in face_locations:
unknown_image = img[top_right_y-50:left_bottom_y+50, left_bottom_x-50:top_right_x+50]
unknown_encoding = face_recognition.face_encodings(unknown_image)
if unknown_encoding:
results = face_recognition.compare_faces([godness_encoding], unknown_encoding[0])
print(results)
is_godness = results[0]
return is_godness
def find_durations(clip, godness_encoding):
"""
从视频中搜索女神片段
"""
duration_list = [] # 存储片段时间列表
start_time = 0 # 记录片段开始时间, 以毫秒为单位
end_time = 0 # 记录片段结束时间, 以毫秒为单位
last_index = 0
for i, img in enumerate(clip.iter_frames(fps=20)):
print(i)
flag = contain_godness(img, godness_encoding)
if flag and start_time == 0:
start_time = i / 20
last_index = i
if start_time > 0 and not flag:
end_time = i / 20
duration_list.append([start_time, end_time])
# 重置开始时间和结束时间
start_time = end_time = 0
# 打印片段时间列表并返回
print(duration_list)
return duration_list
if __name__ == "__main__":
filename = "demo.mp4"
clip = VideoFileClip(filename)
godness_image = face_recognition.load_image_file("godness.png")
godness_encoding = face_recognition.face_encodings(godness_image)[0]
durations = find_durations(clip, godness_encoding)
for d in durations:
start_t, end_t = d
ffmpeg_extract_subclip(filename, start_t, end_t)
欢迎关注我的公众号“Python的乐趣”，原创技术文章第一时间推送。
本文使用 mdnice 排版