Face recognition 我能建立一个成功的人脸识别系统多久？

我的老板想让我建立一个人脸识别系统，准确率在80%以上。也许我们的系统有一千人。我正在使用C#，我有一些问题想问你：

1） 我能像这样成功地构建系统吗

2） 最有效的方法是什么（可能需要组合）

3） 我要花多长时间来完成这个系统

请帮帮我。非常感谢你

我的英语不好。所以如果出了问题。请让我知道。我会修正我的句子

编辑1:

我已经建立了自己的人脸识别系统，但精度不高。以下是我所做的：

1） 人脸检测

2） 检测性别

3） 检测年龄范围

4） 面部识别。（*-Fisher人脸识别OpenCV）

我不在乎1）、2）和3），因为我已经成功地完成了它们

我们现在对（*）有问题。非常复杂的是，我们在美国各地都有很多摄像头，我们用它们捕捉人脸，然后检测人脸，检测性别，检测年龄范围，最后识别人脸

当然，人脸识别的输入通常是从拍摄的图像中检测出人脸后得到的人脸图像。为了获得更高的准确度，我只检测没有平移和倾斜的人脸（正面人脸大约为0度，我也这样做了）

因为结果不好。所以我认为我需要另一种方法来实现这一点。谢谢你的帮助。

1）是的，但这取决于你的技能
2） 我认为有一些算法可以做到这一点

---

3） 日志3N*（N**3/q-P**8）。式中，P是按下键盘上一个按钮的速度（km/h）

已经有很多好的开源人脸识别系统。你必须自己建造吗

我建议您查看一些资源，如或

---

您可以构建自己的系统，但在短时间内很难做到这一点，这将是一个糟糕的车轮改造。

人脸识别对于初学者来说是一种简单的实现方法

1） 在此成功预测玩家的姓名
2） 谷歌云平台使用的工具（）
3） 培训所需的特定图像
4） 在名为images的示例数据中创建一个目录
5） 将所有图像复制到图像文件夹中
6） 从这里下载源代码，

现在轮到你实施了

pip install face_recognition
import face_recognition
from PIL import Image, ImageDraw
import numpy as np
import os

# make a list of all the available images
images = os.listdir('sample_data/images')

known_face_encodings = []

# iterate over each image
for image in images:

   # load the image
   current_image = face_recognition.load_image_file("sample_data/images/" + image)

   # encode the loaded image into a feature vector
   current_image_encoded = face_recognition.face_encodings(current_image)[0]

   #append the all the encode images into a list
   known_face_encodings.append(current_image_encoded)



# Load an image with an unknown face
unknown_image = face_recognition.load_image_file("sample_data/jadeja_p.png")

# Find all the faces and face encodings in the unknown image
face_locations = face_recognition.face_locations(unknown_image)
face_encodings = face_recognition.face_encodings(unknown_image, face_locations)


# Convert the image to a PIL-format image so that we can draw on top of it with the 
Pillow library
# See http://pillow.readthedocs.io/ for more about PIL/Pillow
pil_image = Image.fromarray(unknown_image)

# Create a Pillow ImageDraw Draw instance to draw with
draw = ImageDraw.Draw(pil_image)

# Loop through each face found in the unknown image
for (top, right, bottom, left), face_encoding in zip(face_locations, face_encodings):

   # See if the face is a match for the known face(s)
   matches = face_recognition.compare_faces(known_face_encodings, face_encoding)

   name = "unknown"

   # If a match was found in known_face_encodings, just use the first one.
   # if True in matches:
   #     first_match_index = matches.index(True)
   #     name = known_face_names[first_match_index]

   # Or instead, use the known face with the smallest distance to the new face
   face_distances = face_recognition.face_distance(known_face_encodings, 
   face_encoding)
   best_match_index = np.argmin(face_distances)
   if matches[best_match_index]:
       name = images[best_match_index]

   # Draw a box around the face using the Pillow module
   draw.rectangle(((left, top), (right, bottom)), outline=(0, 0, 255))

   # Draw a label with a name below the face
   text_width, text_height = draw.textsize(name)
   draw.rectangle(((left, bottom - text_height - 10), (right, bottom)), fill=(0, 0, 
   255), outline=(0, 0, 255))
   draw.text((left + 6, bottom - text_height - 5), name, fill=(255, 255, 255, 255))

   # Remove the drawing library from memory as per the Pillow docs
   del draw

    # Display the resulting image
    pil_image.show()

    # You can also save a copy of the new image to disk if you want by uncommenting 
    this line
    pil_image.save("jadeja_p.png")