كيفية تثبيت مكتبة face-recognition في البايثون بدون مشاكل

ربما قد سمعت عن تقنية التعرف على الوجوه في الاونة الاخيرة
نظراً للاقبال الشديد من الدول و الشركات الكبرى عليها
حيث انها تعد احد اكثر التقنيات امانً في العالم
و ذلك لتمكنها من معرفة و تمييز الوجوه حتى و ان كانت وسط الاف الوجوه الاخرى

قبل كل شيئ يمكنكَ التعرف على الوجوه و تمييزها بلغة الـ Python من خلال استخدام مكتبة مختصة في التعرف على الوجوده تسمى Face Recognition Library

ما هي face-recognition و ماذا تفعل؟

هي مكتبة في البايثون مهمتها هي التعرف على الوجوه
هذه المكتبة لها قدرة رائعة على تمييز الوجوه و تصل دقتها الى 99.38%
حيث تم بناء هذهِ المكتبة بأستخدام تقنية التعرف على الوجوه الموجود في dlib المبنية على الـ ( Deep Learning )
مثال على كيفية تعرف هذه المكتبة على الوجوه:

بامكان هذه المكتبة حفظ ملامح اي شخص كهذا الشخص مثلا

و يمكنها ان تميز هذا الشخص و تعرفه من وسط عشرات الاشخاص كهذا

كيفية تثبيت مكتبة Face Recognition؟

يجب ان تعلم ان هذه المكتبة مبنية على لغة c++
اينعم هي تعمل على لغة بايثون لكن التقنية التي تعمل بها من خلال dlib فهي مكتبة في لغة c++
فاذا اردت ان تعمل بمكتبة Face Recognition يجب اولاً ان يكون جهازك مهيئ للعمل بلغة c++ و بايثون
و اذا لم يكون كذلك فيحزنني ان اقول لك ان هذه المكتبة لن تعمل معك بالشكل الصحيح
ف لكي تستطيع العمل بها يجب اتباع تلك الخطوات
1- يجب تهيئة بيئة العمل للغة c++ و لكن لكي لا تدخل في مشاكل كثيرة فيمكنك توفير الكثير من الجهد على نفسك بتحميل visual studio ide

فهذه الطريقة توفر عليك الوقت و المجهود و الكثير من الاخطاء التي كانت ممكن ان تحدث اذا قمت بتنزيل كل متطلبات dlib بنفسك

2- بعد ان قمت بتهيئة بيئة عمل لغة c++ على حاسوبك فيمكنك الان تثبيت البايثون ببساطة من خلال الموقع الرسمي للبايثون

3- انت الان تستطيع تثبيت المكتبة بدون اي مشاكل و الشروع في العمل بها , فيمكنك الان تثبيت المكتبة من خلال كتابة الامر التالي

# Find faces in picture
# https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture.py

from PIL import Image
import face_recognition

# Load the jpg file into a numpy array
image = face_recognition.load_image_file("office.jpg")

# Find all the faces in the image using the default HOG-based model.
# This method is fairly accurate, but not as accurate as the CNN model and not GPU accelerated.
# See also: find_faces_in_picture_cnn.py
face_locations = face_recognition.face_locations(image)

for face_location in face_locations:

    # Print the location of each face in this image
    top, right, bottom, left = face_location

    # You can access the actual face itself like this:
    face_image = image[top:bottom, left:right]
    pil_image = Image.fromarray(face_image)
    pil_image.show()