---

前言

本项目利用了Dlib中已经成熟的68点人脸特征点检测功能，并结合了Python库"face_recognition"，以便进行口红颜色的匹配和推荐。

首先，使用Dlib的人脸特征点检测功能，我们可以精确地定位人脸上的68个关键点，包括眼睛、嘴巴、鼻子等部位。这些关键点的检测能力使我们能够准确地识别嘴唇的位置和形状。

接下来，我们使用"face_recognition"库来处理这些检测到的区域。具体而言，我们关注嘴唇区域并提取其颜色信息。这可能涉及到将嘴唇区域的像素值转化为颜色的特征，比如RGB值或者HSV值。

一旦我们获得了嘴唇的颜色信息，接下来的步骤就是寻找与这种颜色最相近的口红颜色。这可以涉及到一个颜色匹配算法，例如计算颜色之间的欧几里德距离或色彩空间的相似度。

最后，根据颜色匹配的结果，我们可以输出口红推荐信息，包括口红的品牌、色号和购买链接等。这样，用户可以根据他们的嘴唇颜色找到最适合的口红。

本项目结合计算机视觉和颜色匹配技术，为用户提供了一种便捷的方式来选择合适的口红颜色，以匹配他们的嘴唇颜色和个人喜好。这对于化妆爱好者和购物者来说都具有实际的应用价值。

总体设计

本部分包括系统整体结构图和系统流程图。

系统整体结构图

系统整体结构如图所示。

系统流程图

正则匹配系统流程如图所示。

保存信息系统流程如图所示。

色彩空间转换流程如图所示。

寻找相应颜色模块如图所示。

运行环境

本部分包括Python环境、TensorFlow环境、安装face_recognitio、colorsys模块、PyQt5、QCandyUi、库依赖关系。

Python环境

需要Python 3.6及以上配置，在Windows环境下推荐下载Anaconda完成Python所需环境的配置，下载地址为https://www.anaconda.com/，也可下载虚拟机在Linux环境下运行代码。

TensorFlow环境

打开Anaconda Prompt，输入清华仓库镜像:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes

创建Python 3.6的环境，名称为TensorFlow，此时Python版本和后面TensorFlow的版本有匹配问题，此步选择Python 3.6。

conda create -n tensorflow Python=3.6

有需要确认的地方，都输入y。

在Anaconda Prompt中激活TensorFlow环境:

activate tensorflow

安装CPU版本的TensorFlow:

pip install tensorflow

安装完毕。

安装face_ recognition

在Windows 10下安装face_recognition第三方库:
①在Anaconda的Python 3.6版本命令提示符下输入pip install CMake命令安裝CMake;
②安装Dlib。经查询发现face_recognition第三方库与Dlib的19.7.0版本相匹配，所以安装Dlib时要使用以下命令: pip install dlib==19.7.0，在DOS命令行输入pip install face_recognition命令安装face_recognition第三方库。

安装colorsys模块

colorsys模块用于RGB和YIQ/HLS/HSV颜色模式双向转换接口。提供6个函数，其中3个用于RGB转YIQ/HLS/HSV,另外3个将YIQ/HLS/HSV转RGB。

PIL库可以完成图像归档和图像处理两方面的需求。图像归档：对图像进行批处理、生成图像预览、图像格式转换等；图像处理：基本处理、像素处理、颜色处理等。Image是PIL中最重要的模块，有一个类叫作Image，与模块名称相同。Image类有很多函数、方法及属性。

安装PyQt 5

安装步骤：打开CMD，输入conda activate tensorflow命令；

pip install pyqt5 需要注意，conda库中没有PyQt5。

在网络质量不佳时有可能安装失败，可以使用下载*.whl文件并用pip install wheel的方式进行PyQt 5的安装部署;

pip install pyqt5-tools安装后关闭CMD，到达文件安装位置寻找designer.exe；

打开designer.exe即可使用该工具迅速画出样式并得到*ui文件;

打开CMD，跳转到对应位置。使用pyuic工具将*ui文件转换为ui_*.py文件;

打开ui_*py文件写入signal and slot相关内容，确定继承关系。

安装QCandyUi

使用conda activate tensorflow命令激活环境后，使用pip install QCandyUi命令安装即可。

库依赖关系

库依赖如表所示。

模块实现

本项目包括数据预处理和系统搭建2个模块。下面分别给出各模块的功能介绍及相关代码。

1. 数据预处理

本部分包括源数据的存储、数据处理和数据合并。

1）源数据的存储

数据下载地址为https://www.kaggle.com/c/facial-keypoints-detection/data，存储形式如图所示。

2）处理数据

本部分代码因需要处理多个品牌，代码结构相似，存在重复现象，本处以口红品牌M.A.C为例展示处理方法，相关代码如下：

#-*- coding: utf-8 -*-
import json
import re
import os
path="D:/homework/大三下信息系统设计/lipsticks/"
brand="mac/"
brandpathli=[]
dict_Brand={"name":brand[:-1],"series":None}
dict_series={"name":None,"lipsticks":None}
dict_name={"color":"#ffffff", "id":"-1", "name":"none"}
#预设参数，在处理不同品牌时，只需要改变brand和path中的内容即可
def par_mac(str):
#对该口红的品牌、颜色、色号进行匹配
dict_name={"color":"#ffffff", "id":"-1", "name":"none"}
#设定默认值，当发现颜色是黑色或ID=-1可及时丢弃不合法的列表matchObj_color = re.search( r'#\w{6}', str, re.M|re.I)if (matchObj_color!=None):dict_name["color"]=matchObj_color.group().upper()#print (matchObj_color.group())调试代码matchObj_id = re.search( r"\">\d{3}" , str, re.M|re.I)if (matchObj_id!=None):dict_name["id"]=matchObj_id.group()[2:]#print (matchObj_id.group()[2:])调试代码matchObj_name = re.search( r">\d{0,}[ ]?([A-Z][a-z]*[,]?[ ]?[!?]?){1,}" , str, re.M|re.I)if (matchObj_name!=None):dict_name["name"]=matchObj_name.group()[1:]return  dict_name
#查找文件夹内所有文件的名称
def eachFile(filepath):pathDir =  os.listdir(filepath)for allDir in pathDir:child = os.path.join('%s%s' % (filepath, allDir))print("children",child)#即该目录下所有文件的名字brandpathli.append(child)
#读取文件路径名对应的内容
def readFile(filename):fopen = open(filename, 'r') #r 代表readlist_series=[]#文件中每一行的内容for eachLine in fopen:#print( "读取到得内容如下：",eachLine)调试代码dict_name=par_mac(eachLine)if(dict_name["color"]=="#ffffff"):continuelist_series.append(dict_name)fopen.close()   return list_series#返回每个系列的所有口红if __name__ == '__main__':#filePath = path+brand+subpath调试代码，可以通过不同方式访问数据filePathC = path+brandeachFile(filePathC)list_brand=[]for i in brandpathli:dict_series={"name":None,"lipsticks":None}list_series=readFile(i) #每个系列的所有口红#print(dict_name)调试代码brandname=i.split('/')[-1].split('.')[0]#print("mainpring",brandname)调试代码dict_series["name"]=brandnamedict_series["lipsticks"]=list_series#获得{系列名，口红色号}字典list_brand.append(dict_series)print("dict_series",list_brand)dict_Brand["series"]=list_brand #dict_Brand["brands"][1]["series"]调试代码
file = open('D:/homework/大三下信息系统设计/json/'+brand.split('/')[0]+'.json','w',encoding='utf-8')
#在遇到长文本时需要处理编码格式以保证存入的数据不是乱码json = json.dump(dict_Brand,file)print(json)   
file.close()

3）合并得到json文件

合并得到json文件即可组成口红色号数据库，如图所示。

2. 系统搭建

本部分包括人脸识别，提取唇部轮廓并创建蒙版，划分嘴唇区域，提取图片颜色，获取色号库，比较并得出结果，创建图形化界面等。

1）人脸识别

在识别唇部之前，定位到人脸，用face_recognition对图片中的人脸进行识别。

import face_recognition
path="*.jpg"
#放入一张照片
image = face_recognition.load_image_file(path)
#找到图片中所有人脸
print(type(image))
face_locations = face_recognition.face_locations(image)
print(face_locations)
#或者在图像中找到面部特征（还可以通过len(face_locations)得到图片中的人脸数
face_landmarks_list = face_recognition.face_landmarks(image)
print(face_landmarks_list)
#为图像中的每个人脸获取face_encodings
list_of_face_encodings = face_recognition.face_encodings(image)

2）提取唇部轮廓并创建蒙版

为方便提取唇部颜色，将识别到的上下嘴唇及轮廓用白色填充，得到一张黑底唇部留白的蒙版。

pil_image = Image.fromarray(image)
a=pil_image.size
#改变类型
print(a,type(a))
blank_mouse = Image.new('RGB', (a[0],a[1]), (0, 0, 0))
#新建一张黑色图片
for face_landmarks in face_landmarks_list:d = ImageDraw.Draw(blank_mouse, 'RGBA')#把嘴唇涂白d.polygon(face_landmarks['top_lip'], fill=(255,255,255,255))d.polygon(face_landmarks['bottom_lip'], fill=(255, 255,255, 255))d.line(face_landmarks['top_lip'], fill=(255, 255,255, 255), width=8)
blank_mouse.show()
#展示
blank_mouse=blank_mouse.crop((pos[3], pos[0], pos[1], pos[2])) 
#(left, upper, right, lower) 修剪面部区域
Image._show(blank_mouse)

3）划分嘴唇区域

进一步对图像进行处理，在原图像中保留唇部区域，即上步中留白区域，非唇部区域用黑色覆盖，便于后续提取颜色。

def masklayer(origin,mask):#创建函数，origin和mask均为Image函数对应的图片格式，将其转换为数组，再操作mask1=np.array(mask)print(mask1.shape)origin1=np.array(origin)print(origin1.shape)for i in range(len(mask1)):for j in range(len(mask1[i])):#如果mask在这个区域是黑色的，则程序不需要这部分图片内容设定原图中该区域rgb=000 
if (mask1[i][j][1]>=128):#保留嘴唇区域passelse:#其他区域变为黑色origin1[i][j]=[0,0,0]new_png = Image.fromarray(origin1)new_png.show()#new_png.save('testpic.JPG')
return new_png
#调用编写的函数，将嘴唇区域框选出来
cropped=masklayer(cropped_face,blank_mouse)

经过以上步骤，可以获取唇部区域并打印，如图所示。

4）提取图片颜色

颜色空间可以分为基色颜色空间和色、亮分离颜色空间两类。前者是RGB，后者包括YUV和HSV等。在RGB颜色空间中，任意色光F都可以用R、G、B三基色不同分量的相加混合而成：F=r[R]+r[G]+r[B]。 RGB色彩空间还可以用一个三维的立方体来描述，当三基色分量都为0 (最弱)时混合为黑色光;当三基色都为定值( 最大值由存储空间决定)时混合为白色光。

HSV颜色空间用下图描述。正对着的面为S=100%，Z轴为V值正方向，从左至右为H间隔60°展开。程序采用了《广告图片生成方法、装置以及存储介质》中的部分思想。

import colorsys
import PIL.Image as Image
def get_dominant_color(image):#颜色模式转换，以便输出RGB颜色值image = image.convert('RGB')#生成缩略图，减少计算量，减小cpu压力，缩短运算时间image.thumbnail((200, 200))max_score =0dominant_color = 0for count,(r,g,b) in image.getcolors(image.size[0]*image.size[1]):#忽略黑色背景if (r<100) :continue#转换为HSV获取颜色饱和度，范围（0,1）saturation = colorsys.rgb_to_hsv(r/255.0, g/255.0, b/255.0)[1]#转换为YUV计算亮度y = min(abs(r*2104+g*4130+b*802+4096+131072)>>13,235)#将亮度从（16，235）缩放到（0,1）y = (y-16.0)/(235-16)#忽略高亮色if y > 0.9:continue#选择饱和度高的颜色#将饱和度加0.1，这样就不会通过将计数乘以0来完全忽略灰度颜色，但给它们较低的权重score = (saturation+0.1)*countif score > max_score:max_score = scoredominant_color = (r,g,b)return dominant_color

5）获取色号库

对色号库进行操作，计算共有多少种颜色，并根据计算结果将json文件中的数据存为数组，转换为list方便操作。

def RGBhex_2RGB(rgb_hex):#print(rgb_hex) 调试代码RGB=[0,0,0]temp_num=0for i in range(len(rgb_hex)):temp_num=0temp=rgb_hex[i]if(i!=0):#将字母转换为ASCII表中位置if(temp>='A'and temp<='F'):temp_num=ord(temp)-55#将ABCDEF转换为10~15间的数字else:#将字符数字转换为0~9间的数字temp_num=ord(temp)-48if(i%2==1):#根据位置乘进制RGB[int((i/2)-0.5)]=RGB[int((i/2)-0.5)]+16*temp_numelse:RGB[int((i/2)-0.5)]=RGB[int((i/2)-0.5)]+temp_num#print(RGB)调试代码
return RGBimport numpy as np
import json
#对色号库进行操作
#将品牌、系列颜色ID和颜色名称保存到汇总列表中
def operate(target_color):sum_all=0with open('lipstick.json', 'r', encoding='utf-8') as f:js2dic = json.load(f)#读取jsonbrands_n=len(js2dic['brands'])print(brands_n)series_n=0for brands_i in range(brands_n):series_n=len(js2dic['brands'][brands_i]['series'])print("{0} has {1} series".format((js2dic['brands'][brands_i]['name']),series_n))for series_i in range(series_n):brand_name=js2dic['brands'][brands_i]['name']lip_name=js2dic['brands'][brands_i]['series'][series_i]['name']color_num=len(js2dic['brands'][brands_i]['series'][series_i]['lipsticks'])sum_all=color_num+sum_all#计算颜色总数print(sum_all)catalog=np.zeros((sum_all,4), dtype=(str,20))catalog_color=np.zeros((sum_all,3), dtype=int)#根据颜色数分配空间rank_color=np.zeros((sum_all,1),dtype=int)

6）比较并得出结果

提取出的颜色与库中颜色比较，得到误差最小的三组数据。将每个色号在R、G、B三个分量的数值与提取出的颜色RGB值分别做差并求和（权重自定），作为两个颜色的相似度。

        #catalog分为四部分：品牌名称、唇膏名称、色号ID、色号值#将信息存入表格，这个循环可以将信息存入Python程序建立数组中sum_i=0for brands_i in range(brands_n):series_n=len(js2dic['brands'][brands_i]['series'])#print("brand_name",js2dic['brands'][brands_i]['name'])catalog[sum_i][0]=js2dic['brands'][brands_i]['name']for series_i in range(series_n):                color_num=len(js2dic['brands'][brands_i]['series'][series_i]['lipsticks'])for color_i in range(color_num):catalog[sum_i][0]=js2dic['brands'][brands_i]['name']                 catalog[sum_i][1]=js2dic['brands'][brands_i]['series'][series_i]['name']                    catalog[sum_i][2]=js2dic['brands'][brands_i]['series'][series_i]['lipsticks'][color_i]['name']                    catalog[sum_i][3]=js2dic['brands'][brands_i]['series'][series_i]['lipsticks'][color_i]['id']                    catalog_color[sum_i]=RGBhex_2RGB(js2dic['brands'][brands_i]['series'][series_i]['lipsticks'][color_i]['color'])sum_i+=1#print(sum_i)调试代码print(catalog.shape)RGB_distance=np.zeros((sum_all,1), dtype=float)for i in range(sum_all):#计算相似度，target是此前通过domain得到的值RGB_distance[i]=abs(target_color[0]-catalog_color[i][0])+abs((target_color[1]-catalog_color[i][1])*(1/5))+abs(target_color[2]-catalog_color[i][2])RGB_distance.tolist()result=sorted(range(len(RGB_distance)), key=lambda k: RGB_distance[k])#获得颜色最像的三只口红（以颜色的相近度为规则排序，返回位置数据）print("颜色最像的三只口红及其颜色")result_show=[]for i in range(3):loc=result[i]color_show=tuple(catalog_color[loc])print("catalog index",catalog[loc],color_show)
#operate([155, 44, 69]) 调试代码
if __name__ == '__main__':get=get_dominant_color(cropped)print("获得的口红颜色{0}".format(get))#计算相似度，get是此前通过domain得到的值operate(get)

7）创建图形化界面

使用designer工具创建GUI文件，并使用pyuic工具进行ui到.py文件的转换。对该*.py文件不建议直接修改，一般使用import其他文件定义操作类的方法进行信号和槽的链接。

#-*- coding: utf-8 -*-
#从读取ui文件“myuidesign.ui”生成的窗体实现
#创建人：PyQt5 UI代码生成器5.10
#警告！此文件中做的所有更改都将丢失
from PyQt5 import QtCore, QtGUI, QtWidgets
from PyQt5.QtWidgets import QFileDialog, QWidget,QGraphicsScene
from PyQt5.QtCore import QFileInfo
from detectface import my_face_recognition
try:_fromUtf8 = QtCore.QString.fromUtf8
except AttributeError:def _fromUtf8(s):return s
try:_encoding = QtGUI.QApplication.UnicodeUTF8def _translate(context, text, disambig):return QtWidgets.QApplication.translate(context, text, disambig, _encoding)
except AttributeError:def _translate(context, text, disambig):return QtWidgets.QApplication.translate(context, text, disambig)
#以上代码处理了文字的编码格式
#建立UI函数
class Ui_Dialog(object):def __init__(self):super(Ui_Dialog, self).__init__()self.imgPath=""self.face_recognize_object =Noneself.showFullImage = Trueself.brand=[]self.color=[]def setupUi(self, Form):  #设置界面Form.setObjectName("Form")Form.resize(817, 630)self.horizontalLayoutWidget = QtWidgets.QWidget(Form)self.horizontalLayoutWidget.setGeometry(QtCore.QRect(10,20,801,611))self.horizontalLayoutWidget.setObjectName("horizontalLayoutWidget")self.horizontalLayout = QtWidgets.QHBoxLayout(self.horizontalLayoutWidget)self.horizontalLayout.setContentsMargins(0, 0, 0, 0)self.horizontalLayout.setObjectName("horizontalLayout")self.verticalLayout_3 = QtWidgets.QVBoxLayout()self.verticalLayout_3.setObjectName("verticalLayout_3")self.label = QtWidgets.QLabel(self.horizontalLayoutWidget)self.label.setMinimumSize(QtCore.QSize(330, 50))
font = QtGUI.QFont()font.setFamily("汉仪唐美人W")font.setPointSize(36)font.setUnderline(False)self.label.setFont(font)self.label.setWordWrap(False)self.label.setObjectName("label")self.verticalLayout_3.addWidget(self.label)self.graphicsView=QtWidgets.QGraphicsView(self.horizontalLayoutWidget)self.graphicsView.setObjectName("graphicsView")self.verticalLayout_3.addWidget(self.graphicsView)self.pushButton = QtWidgets.QPushButton(self.horizontalLayoutWidget)font = QtGUI.QFont()font.setFamily("汉仪唐美人W")self.pushButton.setFont(font)self.pushButton.setObjectName("pushButton")
self.pushButton.setMinimumSize(QtCore.QSize(20, 50))self.verticalLayout_3.addWidget(self.pushButton)self.horizontalLayout.addLayout(self.verticalLayout_3)self.verticalLayout_4 = QtWidgets.QVBoxLayout()self.verticalLayout_4.setObjectName("verticalLayout_4")self.label_2 = QtWidgets.QLabel(self.horizontalLayoutWidget)self.label_2.setMinimumSize(QtCore.QSize(330, 50))font = QtGUI.QFont()font.setFamily("汉仪唐美人W")font.setPointSize(36)self.label_2.setFont(font)self.label_2.setObjectName("label_2")self.verticalLayout_4.addWidget(self.label_2)self.textBrowser= QtWidgets.QTextBrowser(self.horizontalLayoutWidget)self.textBrowser.setObjectName("textBrowser")self.verticalLayout_4.addWidget(self.textBrowser)self.pushButton_2= QtWidgets.QPushButton(self.horizontalLayoutWidget)font = QtGUI.QFont()font.setFamily("汉仪唐美人W")self.pushButton_2.setFont(font)self.pushButton_2.setObjectName("pushButton_2")
self.pushButton_2.setMinimumSize(QtCore.QSize(20, 50))self.verticalLayout_4.addWidget(self.pushButton_2)self.horizontalLayout.addLayout(self.verticalLayout_4)self.retranslateUi(Form)self.pushButton.clicked.connect(self.on_pushButton_clicked)self.pushButton_2.clicked.connect(self.on_pushButton_2_clicked)QtCore.QMetaObject.connectSlotsByName(Form)
def on_pushButton_clicked(self):#get the image path and show it in the viewself.face_recognize_object = my_face_recognition()fileName, filetype = QFileDialog.getOpenFileName(None, "选择文件", r"此处需要填写文件路径的起点", "Images (*.png *.jpg)")self.imgPath=fileNameprint (self.imgPath)if self.imgPath != '':self.face_recognize_object.operates_(self.imgPath)if self.showFullImage == True:self.face_recognize_object.showImg('original')scene = QGraphicsScene() #创建场景pixmap = QtGUI.QPixmap(self.imgPath)
#调用QtGUI.QPixmap方法，打开一个图片，存放在变量中scene.addItem(QtWidgets.QGraphicsPixmapItem(pixmap))  
#添加图片到场景中self.graphicsView.setScene(scene)
#将场景添加到graphicsView中self.graphicsView.show() 
#显示self.textBrowser.clear()self.textBrowser.append(str(self.face_recognize_object.errdet))
#输出图片是否合法
def on_pushButton_2_clicked(self):  self.face_recognize_object.AI()self.brand=self.face_recognize_object.register_lpsself.color=self.face_recognize_object.register_rgbprint(self.brand)self.textBrowser.clear()self.textBrowser.append(str(self.face_recognize_object.errdet))
#输出错误信息，若图片不合法则在引用的函数返回为空。若图片合法则会继续输出，看到口红信息strout="最像您输入口红的三只色号库内口红分别为!"flag=0  #设定flag用于检测是否非法for i in range(len(self.brand)): flag=1  #如果是合法输入，那么flag就会置1，后续不会提示错误strout=strout+'\n'print("flag1")for j in range(len(self.brand[i])):if(self.brand[i][j]!='none'):strout=strout+str(self.brand[i][j])           self.textBrowser.append(strout)if(flag==0):self.textBrowser.clear()self.textBrowser.append("这张图片不可以进行处理，请换一张吧")print("flag0") #一些有关UI的固定操作，来自ui->py文件的转换器
def retranslateUi(self, Form):_translate = QtCore.QCoreApplication.translateForm.setWindowTitle(_translate("Form", "Form"))self.label.setText(_translate("Form", " Original pic"))self.pushButton.setText(_translate("Form", "选择文件"))self.label_2.setText(_translate("Form", "     result"))self.pushButton_2.setText(_translate("Form", "开始识别"))
if __name__ == "__main__":import sysapp = QtWidgets.QApplication(sys.argv)Dialog = QtWidgets.QDialog()ui = Ui_Dialog()ui.setupUi(Dialog)Dialog.show()sys.exit(app.exec_())

8）将流程封装为类和函数

将之前描述的主流程代码封装为一个类，通过UI_*.py程序调用这个类中的函数实现相关分类:

def operates_(self,input_path):self.imgPath=input_path #展示图片def AI(self):self.load_pic()self.get=self.get_dominant_color(self.resultImg)print("the extracted RGB value of the color is {0}".format(self.get))self.data_operate()def errordetect(self): #错误处理image = face_recognition.load_image_file(self.imgPath)face_locations = face_recognition.face_locations(image)if(len(face_locations)!=1): #不是仅有一张人脸在图片中if(len(face_locations)==0): #未检测到self.errdet="more/less than one face in the pic"return "can't find people"else：#不只一个人self.errdet="more/less than one face in the pic"return "more/less than one face in the pic"else:return "DEAL"

9）对GUI的显示效果进行美化

通过一个小组件对GUI的风格进行转换，改变GUI的外观。引入QCandyUi包:

from QCandyUi import CandyWindow
#调整按钮的大小使之更清晰可见
self.pushButton.setMinimumSize(QtCore.QSize(20, 50))
self.pushButton_2.setMinimumSize(QtCore.QSize(20, 50))
#改变定义窗口类的调用方式
if __name__ == "__main__":import sysapp = QtWidgets.QApplication(sys.argv)Dialog = QtWidgets.QDialog()ui = Ui_Dialog()ui.setupUi(Dialog)Dialog = CandyWindow.createWindow(Dialog, 'pink') #增加，使QCandyUi运行Dialog.show()
sys.exit(app.exec_())

系统测试

未进行操作时的图形化界面如图所示。

运行程序，当输入一张合规的照片，即输入一张有且只有一个可识别面孔时，右侧文本框中显示的DEAL，如图所示。

单击“开始识别”，输出的对应色号如图所示。

对比得到的色号和官网试色图，如图所示。

若不符合输入照片要求会出现错误提示，单击“开始识别”后会弹出不可识别的提示，如下两图所示。

工程源代码下载

详见本人博客资源下载页

---

其它资料下载

如果大家想继续了解人工智能相关学习路线和知识体系，欢迎大家翻阅我的另外一篇博客《重磅 | 完备的人工智能AI 学习——基础知识学习路线，所有资料免关注免套路直接网盘下载》
这篇博客参考了Github知名开源平台，AI技术平台以及相关领域专家：Datawhale，ApacheCN，AI有道和黄海广博士等约有近100G相关资料，希望能帮助到所有小伙伴们。