Python人脸识别 - 搜索包含多个图像的文件夹以进行匹配

下面是一个示例代码，演示了如何使用Python进行人脸识别，搜索包含多个图像的文件夹并进行匹配。

import cv2
import os
import face_recognition

# 用于存储已知人脸的编码和名称
known_face_encodings = []
known_face_names = []

# 加载已知人脸数据
def load_known_faces(folder_path):
    for filename in os.listdir(folder_path):
        image = face_recognition.load_image_file(os.path.join(folder_path, filename))
        face_encoding = face_recognition.face_encodings(image)[0]
        # 获取文件名作为人脸的名称
        name = os.path.splitext(filename)[0]
        known_face_encodings.append(face_encoding)
        known_face_names.append(name)

# 匹配人脸
def recognize_faces(image_path):
    # 加载待匹配的图像
    unknown_image = face_recognition.load_image_file(image_path)
    # 获取待匹配图像的编码
    unknown_face_encoding = face_recognition.face_encodings(unknown_image)[0]
    
    # 在已知人脸数据中进行匹配
    matches = face_recognition.compare_faces(known_face_encodings, unknown_face_encoding)
    face_distances = face_recognition.face_distance(known_face_encodings, unknown_face_encoding)
    
    # 找到最佳匹配
    best_match_index = np.argmin(face_distances)
    if matches[best_match_index]:
        name = known_face_names[best_match_index]
        print(f"匹配成功，人脸名称: {name}")
    else:
        print("未找到匹配的人脸")

# 加载已知人脸数据
load_known_faces("known_faces")

# 匹配待识别图像
recognize_faces("unknown_face.jpg")

在这个示例中，我们使用了face_recognition库来进行人脸识别。首先，我们使用load_known_faces函数来加载已知人脸数据，将每个人脸的编码和名称存储在known_face_encodings和known_face_names列表中。

然后，我们使用recognize_faces函数来匹配待识别的图像。首先，我们加载该图像并获取其编码。然后，我们使用compare_faces函数将待匹配的编码与已知人脸数据进行比较，得到一个布尔值列表。最后，我们使用face_distance函数计算待匹配编码与已知人脸编码之间的距离，并找到最佳匹配。

最后，我们可以调用load_known_faces函数加载已知人脸数据，并调用recognize_faces函数匹配待识别的图像。