一、目的

通过某人的一张照片，在他与别人的合影中找到他。

1.算法描述

读取两张图像，生成图像矩阵，以两个图像矩阵为基础，调用OpenCV的相关函数完成人脸定位。读取两张图像的人脸区域，生成人脸图像矩阵，并将人脸矩阵转换为灰度图比较分析人脸图像矩阵，找到最相近的人脸。

2.比较算法使用欧氏距离算法

在进行人脸识别是，可使用标准欧氏距离算法。算法基本原理是：

将标准欧氏距离算法作为比较分析人脸图像矩阵方法。首先，将两个人脸调整为指定大小；接着，用所包含像素的三元色数值组成特征组，然后将特征组映射为高维空间的某个点（在此称之为特征点）；最后，计算两个人脸图像的特征点映射到高维空间后的距离，以欧氏距离最小者为最匹配的人脸。二、代码

下面代码需要OPENCV的data库，在代码中需要指向opencv的data位置。

git clone 

# -*- coding: utf-8 -*-# code:# 11-2.py# 标准欧氏距离实现的人脸识别import cv2import numpy as npprint('loding...')OPCV_PATH = r"D:/tools/opencv/sources/data/haarcascades"def get_EuclideanDistance(x, y): myx = np.array(x) myy = np.array(y) return np.sqrt(np.sum((myx - myy) * (myx - myy))) * np.var(myx - myy)def get_distance(img, findimg): newsize = (img.shape[1], img.shape[0]) fimg = cv2.resize(findimg, newsize) my_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # my_fimg=cv2.cvtColor(fimg,cv2.COLORBGR2GRAY) my_fimg = cv2.cvtColor(fimg, cv2.COLOR_BGR2GRAY) return get_EuclideanDistance(my_img, my_fimg)color = (0, 0, 0) # 设置人脸框的颜色def findface(src, index): image = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY) cv2.equalizeHist(image, image) # 灰度图像进行直方图等距化 # 加载OpenCv的面部特征库 classfier = cv2.CascadeClassifier(OPCV_PATH + "/haarcascade_frontalface_alt.xml") # 找到人脸的位置 # 设定最小图像的大小 divisor = 8 h = image.shape[1] w = image.shape[0] minSize = (int(w / divisor), int(h / divisor)) # 这里加了一个取整函数 rect = classfier.detectMultiScale(image, 1.2, 2, cv2.CASCADE_SCALE_IMAGE, minSize) if len(rect) > 0: # 如果人脸数组长度大于0 for faceRect in rect: # 对每一个人脸画矩形框 x, y, w, h = faceRect cv2.rectangle(image, (x, y), (x + w, y + h), color) cv2.imshow('img' + str(index), image) result = [] for r in rect: result.append([(r[0], r[1]), (r[0] + r[2], r[1] + r[3])]) print(result) return resultsearch_file = 'search.jpg'origin_file = 'origin.jpg'origin_img = cv2.imread(origin_file)search_img = cv2.imread(search_file)# 获取人脸在图像中的坐标origin_result = findface(origin_img, 1)[0]origin_img_crop = origin_img[origin_result[0][1]:origin_result[1][1], origin_result[0][0]:origin_result[1][0], :]cv2.rectangle(origin_img, origin_result[0], origin_result[1], (255, 0, 255))search_result = findface(search_img, 2)# 比较第1张脸tmp = search_img[search_result[0][0][1]:search_result[0][1][1], search_result[0][0][0]:search_result[0][1][0], :]distance_face1 = get_distance(origin_img_crop, tmp)print('distance1 = %f' % distance_face1)cv2.imshow('1', tmp)# 比较第2张脸tmp = search_img[search_result[1][0][1]:search_result[1][1][1], search_result[1][0][0]:search_result[1][1][0], :]distance_face2 = get_distance(origin_img_crop, tmp)print('distance2 = %f' % distance_face2)cv2.imshow('2', tmp)if distance_face1 < distance_face2: cv2.rectangle(search_img, search_result[0][0], search_result[0][1], (255, 0, 255))else: cv2.rectangle(search_img, search_result[1][0], search_result[1][1], (255, 0, 255))cv2.imshow('search', search_img)cv2.imshow('origin', origin_img)cv2.waitKey()cv2.destroyAllWindows()

原始图片：

从下面的图中找到他：

运行效果：