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:
1
|
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:
1
|
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:
1
2
3
4
5
6
7
|
#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?
1
2
3
4
5
6
7
8
|
# 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:
1
2
3
4
5
6
|
# 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:
1
2
3
4
5
|
# 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。
1
2
3
4
5
6
7
8
|
# 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。
1
2
3
|
# 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:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
#coding=utf8
import
cv2
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
|
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。
1
2
3
4
5
6
7
8
9
10
11
12
|
#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
|
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。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
# 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:
1
2
|
def
upload_img
(
fileDir
,
oneface
=
True
)
:
url
=
'
%
s
/
detection
/
detect
?
api_key
=
%
s
|
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:
设置账户
这里是登陆的截图:
登陆
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)。