一起用代码吸猫！本文正在参与【喵星人征文活动】。

前提背景：

看了一眼家里的喵喵日渐蛮横生长ing。。。铲屎官漏出老父亲般的微笑。。。

年轻帅气的喵喵（网图）

脖子消失术的口苗口苗（网图）

又看了一眼钱包君日渐消瘦干瘪ing。。。铲屎官流下了穷人的泪水

铲屎官不禁大喊一声“还有谁！！！”

有的。。。。。2、3、4、5号佳丽。。。等待投食。。。

于是乎，为了让铲屎官本大人能吃上一口热饭，斥巨资买了一款“某智能宠物喂食器”，想缩减一下它们进食速度，用了好几天，果然立竿见影了，佳丽们体重暴增X2

（无图：自行脑补X2）

铲屎官不禁大喊一声“屎可忍孰不可忍，”！！！正准备手起刀落把“某智能宠物喂食器”一刀两断之时。。。一个不要999只要9块9的想法突然出现在脑袋中。

创意内容：

登登登登。。。。。登。。。不要999只要9块9的”喵脸识别喂食减肥神器“诞生了

理论上，只要把人脸识别系统连接摄像头，控制智能宠物喂食器的开关，每天设置好分量，当喂食器的猫粮吃完之后，每只猫都只能通过喵脸识别系统获得各自新的猫粮，一天每只喵最多获得2份猫粮。（bug：不排除有的喵老大在别的喵获取新猫粮之后就抢吃的）

现实中，铲屎官本人只是个铲屎官，Ubuntu是啥，python是啥一点都不懂哇，在网上只找到如何制作自己的人脸识别系统，至于怎么串联这几样神器，一概不知哇，坐等编程大佬们能实现出来啦～

制作内容：

来自网络大神的制作自己的人脸识别系统帖子 zhuanlan.zhihu.com/p/37083166

准备工作：摄像头，Ubuntu系统、python开发环境、网络环境

没错，就是这么简单，需要准备的东西并不多。这里你也可以用Windows系统来搭建，只要你高兴，怎么着都行。

安装python的依赖包\

对于python环境，你可以直接通过下载anaconda，它是一款python的集成开发环境，里面包含了大量的python依赖包。接下来会安装一些anaconda中没有的依赖包：face_recognition、OpenaCV、pymysql、wxpy

对于pymysql，可以这么安装：

pip install pymysql -i https://pypi.tuna.tsinghua.edu.cn/simple

对于face_recognition和OpenaCV，会比较麻烦

安装OpenCV

装一大堆内核：

#Remove any previous installations of x264

sudo apt-get remove x264 libx264-dev

#We will Install dependencies now

sudo apt-get install build-essential checkinstall cmake pkg-config yasmsudo apt-get install git gfortransudo apt-get install libjpeg8-dev libjasper-dev libpng12-dev

# If you are using Ubuntu 14.04

sudo apt-get install libtiff4-dev

# If you are using Ubuntu 16.04

sudo apt-get install libtiff5-dev

sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libdc1394-22-dev

sudo apt-get install libxine2-dev libv4l-dev

sudo apt-get install libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev

sudo apt-get install qt5-default libgtk2.0-dev libtbb-dev

sudo apt-get install libatlas-base-devsudo apt-get install libfaac-dev libmp3lame-dev libtheora-dev

sudo apt-get install libvorbis-dev libxvidcore-dev

sudo apt-get install libopencore-amrnb-dev libopencore-amrwb-dev

sudo apt-get install x264 v4l-utils

# Optional dependencies

sudo apt-get install libprotobuf-dev protobuf-compiler

sudo apt-get install libgoogle-glog-dev libgflags-dev

sudo apt-get install libgphoto2-dev libeigen3-dev libhdf5-dev doxygen

下载opencv包：

git clone https://github.com/opencv/opencv.git
cd opencv
git checkout 3.3.1
cd ..

下载opencv_contrib包：

git clone https://github.com/opencv/opencv_contrib.git
cd opencv_contrib
git checkout 3.3.1
cd ..

开始编译：

cd opencv 
mkdir release

cd release

cmake -DBUILD_TIFF=ON \
      -DBUILD_opencv_java=OFF \      
      -DWITH_CUDA=OFF \      
      -DWITH_OPENGL=ON \      
      -DWITH_OPENCL=ON \      
      -DWITH_IPP=ON \      
      -DWITH_TBB=ON \      
      -DWITH_EIGEN=ON \      
      -DWITH_V4L=ON \      
      -DWITH_VTK=OFF \      
      -DBUILD_TESTS=OFF \      
      -DBUILD_PERF_TESTS=OFF \      
      -DCMAKE_BUILD_TYPE=RELEASE \      
      -DCMAKE_INSTALL_PREFIX=$(python -c "import sys; print(sys.prefix)") \      
      -DPYTHON3_EXECUTABLE=$(which python) \      
      -DPYTHON3_INCLUDE_DIR=$(python -c "from distutils.sysconfig import get_python_inc; print(get_python_inc())") \      
      -DPYTHON3_PACKAGES_PATH=$(python -c "from distutils.sysconfig import get_python_lib; print(get_python_lib())") \      
      ..

make -j4 
make install # not sudo, except for Raspberry Pi

#Note: on the Raspberry Pi, consider make -j2 to avoid over-temperature and under-voltage warnings (in general when compiling on Raspberry Pi, not just for OpenCV).

此时此刻，opencv已经编译完成了，在你的

/home/[user_name]/anaconda3/lib/python3.6/site-packages/

下会有一个 cv*.so 的文件，创建一个软连接到你的虚拟环境下就OK了：

cd /home/[user_name]/anaconda3/lib/python3.6/site-packages/
ln -s /home/[user_name]/anaconda3/lib/python3.6/site-packages/cv2.cpython-36m-x86_64-linux-gnu.so cv2.so

可以打开ipython来验证一下：

In [1]: import cv2

In [2]: print(cv2.__version__)
3.3.1-dev

安装face_recognition

这个比较简单，官方写了一份文档非常详细，可以下载看看：

media.readthedocs.org/pdf/face-re…

要说明的是，在看安装说明时仔细一点。安装face_recognition之前需要先安装dlib，文档上都有链接，亲测可用，非常顺畅。

人脸识别

接下来该编写一小段程序了，不过不要发慌，程序也有现成的例子，只需要根据自己的需求改一改，就可以了。python语言的优点就是阅读性很强，基本能看懂英语的都能读懂代码什么意思，所以这份代码的样例读起来也很容易，连接在这里：\

github.com/ageitgey/fa…

上面的注释是比较详细的，这里我挑几段简单介绍一下：

video_capture = cv2.VideoCapture(0)          ①

# Find all the faces and face encodings in the current frame of video

face_locations = face_recognition.face_locations(small_frame)   ②

face_encodings = face_recognition.face_encodings(small_frame, face_locations)     ③

第1行是将摄像头打开，开始捕捉画面；第2行是寻找画面中出现的人脸图像，第3行是提取出人脸图像中的特征。什么是特征？你可以简单把他理解为电脑为识别出人脸而定制的一套规则，符合这套规则就被认为是人脸。\

找出人脸后与预存的人脸进行对比。对比的操作实际上就是计算相似度。首先需要将预存的人脸图像进行向量化，存储为numpy.array格式。当然，为了每次启动程序时不必重复对预存的图片向量化，可以将结果进行存储，用的时候读取就行。

import os                
import face_recognition
import numpy as np       
import constants as cons
know_face_path = cons.BASE_FACES_PATH
model_path = cons.MODEL_PATH
time_now = cons.time_str

known_faces = []         
known_names = []

for index, file_name in enumerate(sorted(os.listdir(know_face_path))):  # 为了调用时顺序一致
    test_image = face_recognition.load_image_file(know_face_path + '/' + file_name)
    model = face_recognition.face_encodings(test_image)[0]
    np.savetxt(model_path + '/' + time_now + '_' + str(index) + '.model', model)

接下来，开始计算距离，排序，选出在我所设置阈值内的最小值，进行标识：

match = face_recognition.compare_faces(known_faces, face_encoding, tolerance=0.38)
dis = face_recognition.face_distance(known_faces, face_encoding)
name = "Unknown"
id = np.argmin(dis)

if match[id]:
    name = known_names[id].split('.')[0]

好了，这就是代码中的主要部分，剩下的就是一些个性化的定制了。

铲屎官：没有了没有了，找不到其他能串联整个减肥神奇的制作方法了，跪求大佬们抬抬手～

结束语

果然编程大佬们的世界就是看不懂哇，喵生很简单，管吃就好～，但是有这样的“喵脸识别喂食减肥神器”也很不错呀～这样喵喵们就能活得更健康，也不会一步都跳不起来哇。坐等哪位大佬们能有一个完整的制作思路，本铲屎官只是一个突发奇想的思路～

走过路过不要错过”喵脸识别喂食减肥神器“诞生了

前提背景：

创意内容：

制作内容：

结束语