本文，将带你了解如何使用 Python、OpenCV 和人脸识别模块比较两张图像并获得这些图像之间的准确度水平。

首先，你需要了解我们是如何比较两个图像的。我们正在使用Face Recognition python 模块来获取两张图像的128 个面部编码，我们将比较这些编码。比较结果返回 True 或 False。如果结果为True ，那么两个图像将是相同的。如果是False，则两个图像将不相同。

128 种面部编码将如下所示

128 个人脸编码（人脸标志）

仅当比较结果返回 True 值时，才会打印准确度级别。

现在，让我们进入本主题的编码部分，

为了实现这一点，我们需要安装几个 python 模块。为此，只需打开命令提示符或终端，键入以下内容。

pip install opencv-python

pip install face-recognition

安装后，现在是时候导入这些模块了。然后，我们需要创建一个名为 find_face_encodings(image_path) 的新函数，它获取图像位置（路径）并返回 128 个面部编码，这在比较图像时非常有用。

find_face_encodings(image_path) 函数将使用 OpenCV 模块，从我们作为参数传递的路径中读取图像，然后返回使用 face_recognition 模块中的 face_encodings() 函数获得的 128 个人脸编码。

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]

现在，使用两个不同的图像路径调用 find_face_encodings(image_path) 函数，并将其存储在两个不同的变量中，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")

现在，我们可以使用编码执行比较和查找这些图像的准确性等操作。

比较将通过使用 face_recognition 中的 compare_faces() 函数来完成。

通过找到 100 和 face_distance 之间的差异来确定准确性。

# 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")

输出——案例 1

Is Same: True

The images are same

Accuracy Level: 64%

输出——案例 2

Is Same: False

The images are not same