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
