资讯专栏INFORMATION COLUMN

使用OpenCV与Face++实现人脸解锁

cc17 / 2669人阅读

摘要:本文讲解了如何使用,基于与实现人脸解锁的功能。上接上一段程序读取使用创建获取进度确认到目前为止,你应该已经可以就给定的两张图片比对是否是同一个人了。

近几天微软的发布会上讲到了不少认脸解锁的内容,经过探索,其实利用手头的资源我们完全自己也可以完成这样一个过程。

本文讲解了如何使用Python,基于OpenCV与Face++实现人脸解锁的功能。

本文基于Python 2.7.11,Windows 8.1 系统。

主要内容

Windows 8.1上配置OpenCV

OpenCV的人脸检测应用

使用Face++完成人脸辨识(如果你想自己实现这部分的功能,可以借鉴例如这个项目)

Windows 8.1上配置OpenCV

入门的时候配置环境总是一个非常麻烦的事情,在Windows上配置OpenCV更是如此。

既然写了这个推广的科普教程,总不能让读者卡在环境配置上吧。

下面用到的文件都可以在这里(提取码:b6ec)下载,但是注意,目前OpenCV仅支持Python2.7。

将cv2加入site-packages

将下载下来的cv2.pyd文件放入Python安装的文件夹下的Libsite-packages目录。

就我的电脑而言,这个目录就是C:Python27Libsite-packages

记得不要直接使用pip安装,将文件拖过去即可。

安装numpy组件

在命令行下进入到下载下来的文件所在的目录(按住Shift右键有在该目录打开命令行的选项)

键入命令:

pip install numpy-1.11.0rc2-cp27-cp27m-win32.whl

如果你的系统或者Python不适配,可以在这里下载别的轮子。

测试OpenCV安装

在命令行键入命令:

python -c "import cv2"

如果没有出现错误提示,那么cv2就已经安装好了。

OpenCV的人脸检测应用

人脸检测应用,简而言之就是一个在照片里找到人脸,然后用方框框起来的过程(我们的相机经常做这件事情)

那么具体而言就是这样一个过程:

获取摄像头的图片

在图片中检测到人脸的区域

在人脸的区域周围绘制方框

获取摄像头的图片

这里简单的讲解一下OpenCV的基本操作。

以下操作是打开摄像头的基本操作:

#coding=utf8
import cv2

# 一般笔记本的默认摄像头都是0
capInput = cv2.VideoCapture(0)
# 我们可以用这条命令检测摄像头是否可以读取数据
if not capInput.isOpened(): print("Capture failed because of camera")

那么怎么从摄像头读取数据呢?

# 接上段程序
# 现在摄像头已经打开了,我们可以使用这条命令读取图像
# img就是我们读取到的图像,就和我们使用open("pic.jpg", "rb").read()读取到的数据是一样的
ret, img = capInput.read()
# 你可以使用open的方式存储,也可以使用cv2提供的方式存储
cv2.imwrite("pic.jpg", img)
# 同样,你可以使用open的方式读取,也可以使用cv2提供的方式读取
img = cv2.imread("pic.jpg")

为了方便显示图片,cv2也提供了显示图片的方法:

# 接上段程序
# 定义一个窗口,当然也可以不定义
imgWindowName = "ImageCaptured"
imgWindow = cv2.namedWindow(imgWindowName, cv2.WINDOW_NORMAL)
# 在窗口中显示图片
cv2.imshow(imgWindowName, img)

当然在完成所有操作以后需要把摄像头和窗口都做一个释放:

# 接上段程序
# 释放摄像头
capInput.release()
# 释放所有窗口
cv2.destroyAllWindows()
在图片中检测到人脸的区域

OpenCV给我们提供了已经训练好的人脸的xml模板,我们只需要载入然后比对即可。

# 接上段程序
# 载入xml模板
faceCascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
# 将图形存储的方式进行转换
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 使用模板匹配图形
faces = faceCascade.detectMultiScale(gray, 1.3, 5)
print(faces)
在人脸的区域周围绘制方框

在上一个步骤中,faces中的四个量分别为左上角的横坐标、纵坐标、宽度、长度。

所以我们根据这四个量很容易的就可以绘制出方框。

# 接上段程序
# 函数的参数分别为:图像,左上角坐标,右下角坐标,颜色,宽度
img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
成果

根据上面讲述的内容,我们现在已经可以完成一个简单的人脸辨认了:

#coding=utf8
import cv2, time

print("Press Esc to exit")
faceCascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
imgWindow = cv2.namedWindow("FaceDetect", cv2.WINDOW_NORMAL)

def detect_face():
    capInput = cv2.VideoCapture(0)
    # 避免处理时间过长造成画面卡顿
    nextCaptureTime = time.time()
    faces = []
    if not capInput.isOpened(): print("Capture failed because of camera")
    while 1:
        ret, img = capInput.read()
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        if nextCaptureTime < time.time():
            nextCaptureTime = time.time() + 0.1
            faces = faceCascade.detectMultiScale(gray, 1.3, 5)
        if faces:
            for x, y, w, h in faces:
                img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
        cv2.imshow("FaceDetect", img)
        # 这是简单的读取键盘输入,27即Esc的acsii码
        if cv2.waitKey(1) & 0xFF == 27: break
    capInput.release()
    cv2.destroyAllWindows()

if __name__ == "__main__":
    detect_face()
使用Face++完成人脸辨识

第一次认识Face++还是因为支付宝的人脸支付,响应速度还是非常让人满意的。

现在只需要免费注册一个账号然后新建一个应用就可以使用了,非常方便。

他的官方网址是这个,注册好之后在这里的我的应用中创建应用即可。

创建好应用之后你会获得API Key与API Secret。

Face++的API调用逻辑简单来说是这样的:

上传图片获取读取到的人的face_id

创建Person,获取person_id(Person中的图片可以增加、删除)

比较两个face_id,判断是否是一个人

比较face_id与person_id,判断是否是一个人

上传图片获取face_id

在将图片通过post方法上传到特定的地址后将返回一个json的值。

如果api_key, api_secret没有问题,且在上传的图片中有识别到人脸,那么会存储在json的face键值下。

#coding=utf8
import requests

# 这里填写你的应用的API Key与API Secret
API_KEY = ""
API_SECRET = ""

# 目前的API网址是这个,你可以在API文档里找到这些
BASE_URL = "http://apicn.faceplusplus.com/v2"

# 使用Requests上传图片
url = "%s/detection/detect?api_key=%s&api_secret=%s&attribute=none"%(
        BASE_URL, API_KEY, API_SECRET)
files = {"img": (os.path.basename(fileDir), open(fileDir, "rb"),
        mimetypes.guess_type(fileDir)[0]), }
r = requests.post(url, files = files)

# 如果读取到图片中的头像则输出他们,其中的"face_id"就是我们所需要的值
faces = r.json().get("face")
print faces
创建Person

这个操作没有什么可以讲的内容,可以对照这段程序和官方的API介绍。

官方的API介绍可以见这里,相信看完这一段程序以后你就可以自己完成其余的API了。

# 上接上一段程序
# 读取face_id
if not faces is None: faceIdList = [face["face_id"] for face in faces]

# 使用Requests创建Person
url = "%s/person/create"%BASE_URL
params = {
    "api_key": API_KEY,
    "api_secret": API_SECRET,
    "person_name": "LittleCoder",
    "face_id": ",".join(faceIdList), }
r = requests.get(url, params = params)
# 获取person_id
print r.json.()["person_id"]
进度确认

到目前为止,你应该已经可以就给定的两张图片比对是否是同一个人了。

那么让我们来试着写一下这个程序吧,两张图片分别为"pic1.jpg", "pic2.jpg"好了。

下面我给出了我的代码:

def upload_img(fileDir, oneface = True):
    url = "%s/detection/detect?api_key=%s&api_secret=%s&attribute=none"%(
            BASE_URL, API_KEY, API_SECRET)
    if oneface: url += "&mode=oneface"
    files = {"img": (os.path.basename(fileDir), open(fileDir, "rb"),
            mimetypes.guess_type(fileDir)[0]), }
    r = requests.post(url, files = files)
    faces = r.json().get("face")
    if faces is None:
        print("There is no face found in %s"%fileDir)
    else:
        return faces[0]["face_id"]

def compare(faceId1, faceId2):
    url = "%s/recognition/compare"%BASE_URL
    params = BASE_PARAMS
    params["face_id1"] = faceId1
    params["face_id2"] = faceId2
    r = requests.get(url, params)
    return r.json()

faceId1 = upload_img("pic1.jpg")
faceId2 = upload_img("pic2.jpg")
if face_id1 and face_id2:
    print(compare(faceId1, faceId2))
else:
    print("Please change two pictures")
成品

到此,所有的知识介绍都结束了,相比大致如何完成这个项目各位读者也已经有想法了吧。

下面我们需要构思一下人脸解锁的思路,大致而言是这样的:

使用一个程序设置账户(包括向账户中存储解锁用的图片)

使用另一个程序登陆(根据输入的用户名测试解锁)

这里会有很多重复的代码,就不再赘述了,你可以在这里或者这里(提取码:c073)下载源代码测试使用。

这里是设置账户的截图:

这里是登陆的截图:

结束语

希望读完这篇文章能对你有帮助,有什么不足之处万望指正(鞠躬)。

160331

LittleCoder

EOF

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/37957.html

相关文章

  • cnn卷积神经网络打造人脸登录系统

    摘要:本文基于环境,采用为基础来构建实时人脸检测与识别系统,探索人脸识别系统在现实应用中的难点。对于人脸检测方法,效果好于的方法,但是检测力度也难以达到现场应用标准。本文中,我们采用了基于深度学习方法的人脸检测系统。 git地址:https://github.com/chenlinzho... 本文主要介绍了系统涉及的人脸检测与识别的详细方法,该系统基于python2.7.10/opencv...

    jackwang 评论0 收藏0
  • cnn卷积神经网络打造人脸登录系统

    摘要:本文基于环境,采用为基础来构建实时人脸检测与识别系统,探索人脸识别系统在现实应用中的难点。对于人脸检测方法,效果好于的方法,但是检测力度也难以达到现场应用标准。本文中,我们采用了基于深度学习方法的人脸检测系统。 git地址:https://github.com/chenlinzho... 本文主要介绍了系统涉及的人脸检测与识别的详细方法,该系统基于python2.7.10/opencv...

    KavenFan 评论0 收藏0

发表评论

0条评论

最新活动
阅读需要支付1元查看
<