导航：首页 > 互联网科技 >

史上最简单的人脸识别项目登上GitHub趋势榜

发表于：2026-10-31 作者：千家信息网编辑

千家信息网最后更新 2026年10月31日，来源 | GitHub Trending整理 | Freesia译者 | TommyZihao出品 | AI科技大本营（ID: rgznai100）【导读】近日，一个名为 face_recogniti

千家信息网最后更新 2026年10月31日史上最简单的人脸识别项目登上GitHub趋势榜

来源 | GitHub Trending

整理 | Freesia

译者 | TommyZihao

出品 | AI科技大本营（ID: rgznai100）

【导读】近日，一个名为 face_recognition 的人脸识别项目登上了 GitHub Trending 趋势榜，赚足了眼球。自开源至截稿，此项目在 Github 上的 Star 数已达 26500，Fork 数也达到了 7117。本文主要介绍了该项目的使用说明和使用方法，便于国内的开发者们进行研究学习。

face_recognition 宣称是史上最强大，最简单的人脸识别项目。据悉，该项目由软件工程开发师和咨询师 Adam Geitgey 开发，其强大之处在于不仅基于业内领先的 C++ 开源库 dlib 中的深度学习模型，采用的人脸数据集也是由美国麻省大学安姆斯特分校制作的 Labeled Faces in the Wild，它含有从网络收集的 13,000 多张面部图像，准确率高达 99.38%。此外，项目还配备了完整的开发文档和应用案例，特别是兼容树莓派系统。简单之处在于操作者可以直接使用 Python和命令行工具提取、识别、操作人脸。

目前，该项目的说明已有中文翻译版，本文已获得译者授权（GitHub ID：TommyZihao），引用译文对本项目进行简单介绍。

照例先奉上 GitHub 项目链接：

https://github.com/ageitgey/face_recognitio

特性

找到并定位图片中的所有人脸：

import face_recognition
image = face_recognition.load_image_file("your_file.jpg")
face_locations = face_recognition.face_locations(image)

2.识别人脸关键点（包括眼睛、鼻子、嘴和下巴）

import face_recognition
image = face_recognition.load_image_file("your_file.jpg")
face_landmarks_list = face_recognition.face_landmarks(image)

本人脸识别项目除了在某些关键领域有重要作用外，还有一个可能会引起 "玩心" 的 digital make-up 自动化妆功能（类似美图秀秀）。

3.识别图片中的人是谁

import face_recognition
known_image = face_recognition.load_image_file("biden.jpg")
unknown_image = face_recognition.load_image_file("unknown.jpg")
biden_encoding = face_recognition.face_encodings(known_image)[0]
results = face_recognition.compare_faces([biden_encoding], unknown_encoding)

4.配合其它的Python库（比如opencv），该项目还可实现实时人脸检测：详细案例见：

https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam_faster.py

安装

环境配置：

Python 3.3+ or Python 2.7macOS or LinuxWindows（官方并不支持，但一些大神们摸索出了在Windows上运行的方法）

不同操作系统的安装方法：

1. 在 Mac 或者 Linux上安装本项目：

方法一：

首先安装dlib和相关Python依赖：

https://gist.github.com/ageitgey/629d75c1baac34dfa5ca2a1928a7aeaf

然后通过 pip3 或者是 Python 2 的 pip2 用以下代码安装

pip3 install face_recognition

若未能安装成功，可以用Ubuntu虚拟机安装，参见这一教程：

https://medium.com/@ageitgey/try-deep-learning-in-python-now-with-a-fully-pre-configured-vm-1d97d4c3e9b

（需要电脑中安装VMWare Player 或者 VirtualBox）

方法二：

修改你的 pip 镜像源为清华镜像，然后使用 pip install face_recognition,可以自动帮你安装各种依赖，包括dlib。只是在安装dlib的时候可能会出问题，因为dlib需要编译，出现的问题一般是gcc或者g++版本的问题，所以在pip install face_recognition之前，可以通过在命令行键入

export CC=/usr/local/bin/gcc
export CXX=/usr/local/bin/g++

来指定你gcc和g++对应的位置，（这两句话会临时修改当前终端的环境变量/usr/local/bin/gcc对应你自己gcc或者g++所在目录）。

2. 在树莓派上安装：

树莓派安装指南：

https://gist.github.com/ageitgey/1ac8dbe8572f3f533df6269dab35df65

3. 在Windows上安装：虽然本项目官方并不支持Windows，但一些大神们摸索出了在Windows上运行本项目的方法：@masoudr写的如何在Win10系统上安装 dlib库和 face_recognition项目的教程：

https://github.com/ageitgey/face_recognition/issues/175#issue-257710508

使用Ubuntu虚拟机镜像文件安装配置虚拟机，本项目已经包含在这个镜像中

https://medium.com/@ageitgey/try-deep-learning-in-python-now-with-a-fully-pre-configured-vm-1d97d4c3e9b

使用方法

1.使用命令行工具

本项目安装完毕后，有两种命令行工具可供使用：

face_recognition - 在单张图片或一个图片文件夹中识别人脸身份。face_detection - 在单张图片或一个图片文件夹中定位人脸位置。

face_recognition 命令行工具：

face_recognition命令行工具可以在单张图片或一个图片文件夹中识别人脸身份。首先，需要一个你已经知道名字的人脸图片文件夹，一个人一张图，图片的文件名即为对应的人的名字，然后，需要第二个图片文件夹，文件夹里面是你希望识别的图片：

然后，在命令行中切换到这两个文件夹所在路径，使用 face_recognition 命令行，传入这两个图片文件夹，然后就会输出未知图片中人的名字：

$ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/
/unknown_pictures/unknown.jpg,Barack Obama
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person

输出结果的每一行对应着图片中的一张脸，图片名字和对应人脸识别结果用逗号分开。

如果结果输出了unknown_person，那么代表这张脸没有对应上已知人脸图片文件夹中的任何一个人。

face_detection 命令行工具

face_detection命令行工具可以在单张图片或一个图片文件夹中定位人脸位置（输出像素点坐标）。在命令行中使用face_detection，传入一个图片文件夹或单张图片文件来进行人脸位置检测：

$ face_detection ./folder_with_pictures/
examples/image1.jpg,65,215,169,112
examples/image2.jpg,62,394,211,244
examples/image2.jpg,95,941,244,792

输出结果的每一行都对应图片中的一张脸，输出坐标代表着这张脸的上、右、下、左像素点坐标。

调整人脸识别的容错率和敏感度

如果一张脸识别出不止一个结果，那么这意味着他和其他人长的太像了（此外，本项目对于小孩和亚洲人的人脸识别准确率有待提升）。你可以把容错率调低一些，使识别结果更加严格。这个功能可通过传入参数 --tolerance 来实现，默认的容错率是0.6，容错率越低，识别越严格准确。

$ face_recognition --tolerance 0.54 ./pictures_of_people_i_know/ ./unknown_pictures/
/unknown_pictures/unknown.jpg,Barack Obama
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person

人脸匹配的具体数值可以通过传入参数 --show-distance true 来查看

$ face_recognition --show-distance true ./pictures_of_people_i_know/ ./unknown_pictures/
/unknown_pictures/unknown.jpg,Barack Obama,0.378542298956785
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person,None

对识别速度不满意怎么办？

如果你的CPU是多核的，你可以通过并行运算加速人脸识别。例如，如果你的CPU有四个核心，那么你可以通过并行运算提升大概四倍的运算速度。

如果你使用Python3.4或更新的版本，可以传入 --cpus 参数：

$ face_recognition --cpus 4 ./pictures_of_people_i_know/ ./unknown_pictures/

（你可以传入 --cpus -1参数来调用cpu的所有核心。）此外，子豪兄Tommy 表示树莓派3B有4个CPU核心，传入多核参数可以显著提升图片识别的速度。

更多案例

如果你并不在乎图片的文件名，只想知道文件夹中的图片里有谁，可以用这个管道命令：

$ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/ | cut -d ',' -f2
Barack Obama
unknown_person

2.使用Python

在 Python 中导入 face_recognition模块，调用丰富的API接口，用几行代码就可以轻松玩转各种人脸识别功能！API 接口文档:

https://face-recognition.readthedocs.io

如何定位人脸位置或者识别人脸身份？

在 Python 中可以分别通过以下代码来实现在图片中定位人脸的位置

import face_recognition
image = face_recognition.load_image_file("my_picture.jpg")
face_locations = face_recognition.face_locations(image)
# face_locations is now an array listing the co-ordinates of each face

参考案例：

https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture.py

在图片中识别人脸身份

import face_recognition
picture_of_me = face_recognition.load_image_file("me.jpg")
my_face_encoding = face_recognition.face_encodings(picture_of_me)[0]
# my_face_encoding now contains a universal 'encoding' of my facial features that can be compared to any other picture of a face!
unknown_picture = face_recognition.load_image_file("unknown.jpg")
unknown_face_encoding = face_recognition.face_encodings(unknown_picture)[0]
# Now we can see the two face encodings are of the same person with `compare_faces`!
results = face_recognition.compare_faces([my_face_encoding], unknown_face_encoding)
if results[0] == True:
 print("It's a picture of me!")
else:
 print("It's not a picture of

参考案例：

https://github.com/ageitgey/face_recognition/blob/master/examples/recognize_faces_in_pictures.py

对人脸识别有精准要求怎么办？

可以使用深度学习模型以达到更加精准的人脸定位，但要注意：这种方法需要GPU加速（通过英伟达显卡的CUDA库驱动），在编译安装dlib的时候也需要开启CUDA支持。

import face_recognition
image = face_recognition.load_image_file("my_picture.jpg")
face_locations = face_recognition.face_locations(image, model="cnn")
# face_locations is now an array listing the co-ordinates of each face

参考案例：

https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture_cnn.py

如果有大量图片需要识别，同时又有GPU，那么你可以参考这个例子：

https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_batches.py

如何识别单张图片中人脸的关键点？

import face_recognition
image = face_recognition.load_image_file("my_picture.jpg")
face_landmarks_list = face_recognition.face_landmarks(image)
# face_landmarks_list is now an array with the locations of each facial feature in each face.
# face_landmarks_list[0]['left_eye'] would be the location and outline of the first person's left eye

参考案例：

https://github.com/ageitgey/face_recognition/blob/master/examples/find_facial_features_in_picture.py

识别奥巴马和拜登的人脸关键点

更多案例：

https://github.com/ageitgey/face_recognition/tree/master/examples

人脸定位

案例：定位拜登的脸

https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture_cnn.py

案例：使用卷积神经网络深度学习模型定位拜登的脸

https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture_cnn.py

案例：使用卷积神经网络深度学习模型批量识别图片中的人脸

https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_batches.py

案例：把来自网络摄像头视频里的人脸高斯模糊（需要安装OpenCV）

https://github.com/ageitgey/face_recognition/blob/master/examples/blur_faces_on_webcam.py

人脸关键点识别

案例：提取奥巴马和拜登的面部关键点

https://github.com/ageitgey/face_recognition/blob/master/examples/find_facial_features_in_picture.py

案例：给美国副总统拜登涂美妆

https://github.com/ageitgey/face_recognition/blob/master/examples/digital_makeup.py

人脸识别

案例：是奥巴马还是拜登？

https://github.com/ageitgey/face_recognition/blob/master/examples/recognize_faces_in_pictures.py

案例：人脸识别之后在原图上画框框并标注姓名

https://github.com/ageitgey/face_recognition/blob/master/examples/identify_and_draw_boxes_on_faces.py

案例：在不同精度上比较两个人脸是否属于一个人

https://github.com/ageitgey/face_recognition/blob/master/examples/face_distance.py

案例：从摄像头获取视频进行人脸识别-较慢版（需要安装OpenCV）

https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam.py

案例：从摄像头获取视频进行人脸识别-较快版（需要安装OpenCV）

https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam_faster.py

案例：从视频文件中识别人脸并把识别结果输出为新的视频文件（需要安装OpenCV）

https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_video_file.py

案例：通过树莓派摄像头进行人脸个数统计及人脸身份识别

https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_on_raspberry_pi.py

案例：通过浏览器HTTP访问网络服务器进行人脸识别（需要安装Flask后端开发框架）

https://github.com/ageitgey/face_recognition/blob/master/examples/web_service_example.py

案例：基于K最近邻KNN分类算法进行人脸识别

https://github.com/ageitgey/face_recognition/blob/master/examples/face_recognition_knn.py

关于 face_recognition的文章和教程

本项目作者写的一篇文章 Modern Face Recognition with Deep Learning:

https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78

主要内容：基本算法和原理
Face recognition with OpenCV, Python, and deep learning by Adrian Rosebrock:

https://www.pyimagesearch.com/2018/06/18/face-recognition-with-opencv-python-and-deep-learning/

主要内容：如何实际使用本项目
Raspberry Pi Face Recognition by Adrian Rosebrock

https://www.pyimagesearch.com/2018/06/25/raspberry-pi-face-recognition/

主要内容：如何在树莓派上使用本项目
Face clustering with Python by Adrian Rosebrock

https://www.pyimagesearch.com/2018/07/09/face-clustering-with-python/

主要内容：使用非监督学习算法实现把图片中的人脸高斯模糊

人脸识别的原理

如果你想更深入了解人脸识别这个黑箱的原理请读这篇文章：

https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78

警告说明

本项目的人脸识别模型是基于成年人的，在孩子身上效果可能一般。如果图片中有孩子的话，建议把临界值设为0.6.不同人种的识别结果可能不同，看wiki百科页面查看更多细节。

把本项目部署在云服务器上 (Heroku, AWS等)

本项目是基于C++库dlib的，所以把本项目部署在Heroku或者AWS的云端服务器上是很明智的。

为了简化这个过程，有一个Dockerfile案例，教你怎么把face_recognition开发的app封装成Docker 容器文件，你可以把它部署在所以支持Docker镜像文件的云服务上。

出了幺蛾子？

如果出了问题，请在Github提交Issue之前查看常见错误。

很赞哦！

人脸图片案例项目文件命令文件夹定位方法结果工具输出位置关键树莓拜登学习开发关键点参数数据库的安全要保护哪些东西数据库安全各自的含义是什么生产安全数据库录入数据库的安全性及管理数据库安全策略包含哪些海淀数据库安全审计系统建立农村房屋安全信息数据库易用的数据库客户端支持安全管理连接数据库失败ssl安全错误数据库的锁怎样保障安全互联网科技有限公司深圳市人人互联网科技有限公司中国科技互联网无线互联网科技互联网科技上市公司上海电发互联网科技有限公司科技与互联网哪个更好贵州叶脉互联网科技有限公司所属行业互联网科技创新服务互联网和黑科技的看法宝灵互联网科技有限公司允成互联网科技有限公司融资互联网科技圈年度人物山东子淼互联网科技有限公司伍佰万互联网科技怎么赚钱半导体是互联网高科技吗上海万顺科技互联网有限公司招聘唐山双旺合互联网科技产业园科技互联网公司两年变化重庆科技产业互联网有哪些互联网科技作文远信互联网科技互联网金融科技平台互联网科技中介浙江互联网科技研学营崇明区互联网教育科技售后服务互联网科技研发水平重庆科技产业互联网有哪些互联网大会出现的黑科技恒生科技互联网指数十大成分股

千家信息网

千家信息网

史上最简单的人脸识别项目登上GitHub趋势榜

特性

安装

使用方法

警告说明

把本项目部署在云服务器上 (Heroku, AWS等)

出了幺蛾子？

如何利用数组处理链表

树莓派4上怎么使用uboot+tftp调试rt-thread程序

相关文章