【ARM-Linux篇】阿里云人脸识别方案

程序猿gao

于 2024-06-15 20:05:39 发布

阅读量814

点赞数 29

分类专栏： ARM-Linux 文章标签： arm开发阿里云

本文链接：https://blog.csdn.net/m0_66492811/article/details/139707374

版权

ARM-Linux 专栏收录该内容

18 篇文章 0 订阅

订阅专栏

一、接入阿里云

https://vision.aliyun.com/

点击“人脸搜索1:N”

点击"立即开通"：

使用阿里云APP/支付宝/钉钉扫码登录：

购买“人脸搜索1:N”能力，第一次购买，可以有5000次的免费使用：

开通完后，在”工作台->开发能力->人脸人体->人脸数据库管理 " 添加人脸照片样本：

上传数据库后，安装阿里云人脸识别SDK:

pip install alibabacloud_facebody20191230

导入ALIBABA_CLOUD_ACCESS_KEY_ID和 ALIBABA_CLOUD_ACCESS_KEY_SECRET环境变量：

vi ~/.bashrc #最后的结尾添加
export ALIBABA_CLOUD_ACCESS_KEY_ID="你的KEY_ID"
export ALIBABA_CLOUD_ACCESS_KEY_SECRET="你的KEY_SECRECT"

可以拿同一人的照片和不同人的照片用官方python代码进行对比：

# -*- coding: utf-8 -*-
# 引入依赖包
# pip install alibabacloud_facebody20191230

import os
import io
from urllib.request import urlopen
from alibabacloud_facebody20191230.client import Client
from alibabacloud_facebody20191230.models import SearchFaceAdvanceRequest
from alibabacloud_tea_openapi.models import Config
from alibabacloud_tea_util.models import RuntimeOptions

config = Config(
    # 创建AccessKey ID和AccessKey Secret，请参考https://help.aliyun.com/document_detail/175144.html。
    # 如果您用的是RAM用户的AccessKey，还需要为RAM用户授予权限AliyunVIAPIFullAccess，请参考https://help.aliyun.com/document_detail/145025.html。
    # 从环境变量读取配置的AccessKey ID和AccessKey Secret。运行代码示例前必须先配置环境变量。
    access_key_id=os.environ.get('ALIBABA_CLOUD_ACCESS_KEY_ID'),
    access_key_secret=os.environ.get('ALIBABA_CLOUD_ACCESS_KEY_SECRET'),
    # 访问的域名
    endpoint='facebody.cn-shanghai.aliyuncs.com',
    # 访问的域名对应的region
    region_id='cn-shanghai'
)

def alibaba_face():
    search_face_request = SearchFaceAdvanceRequest()
    #场景一：文件在本地
    stream0 = open(r'/tmp/SearchFace.jpg', 'rb')
    search_face_request.image_url_object = stream0

    #场景二：使用任意可访问的url
    #url = 'https://viapi-test-bj.oss-cn-beijing.aliyuncs.com/viapi-3.0domepic/facebody/SearchFace1.png'
    #img = urlopen(url).read()
    #search_face_request.image_url_object = io.BytesIO(img)
    search_face_request.db_name = 'default'
    search_face_request.limit = 5

    runtime_option = RuntimeOptions()
    try:
        # 初始化Client
        client = Client(config)
        response = client.search_face_advance(search_face_request, runtime_option)
        print(response.body)
        match_list = response.body.to_map()['Data']['MatchList']
        Scores = [item['Score'] for item in match_list[0]['FaceItems']] #set集合,无序不重复的数据集合
        max_score = max(Scores)
        # 获取整体结果
        value = round(max_score,2)
        return value
    except Exception as error:
        # 获取整体报错信息
        print(error)
        # 获取单个字段
        print(error.code)
        return 0.0
        # tips: 可通过error.__dict__查看属性名称

    #关闭流
    #stream0.close()
if __name__ == "__main__":
    alibaba_face()

一般比对成功的Python字典数据里的score会有大于0.6的值，而比对失败score普遍低于0.1。

例如下面是比对成功的数据：

{'Data': {'MatchList': [{'FaceItems': [{'Confidence': 80.54945, 'DbName':
'default', 'EntityId': 'sfms', 'FaceId': '88665949', 'Score':
0.7572572231292725}, {'Confidence': 77.51004, 'DbName': 'default', 'EntityId':
'sfms', 'FaceId': '88665951', 'Score': 0.7193253040313721}, {'Confidence':
74.420425, 'DbName': 'default', 'EntityId': 'sfms', 'FaceId': '88665946',
'Score': 0.6665557622909546}, {'Confidence': 11.461451, 'DbName': 'default',
'EntityId': 'lyf', 'FaceId': '88657431', 'Score': 0.0663260966539383},
{'Confidence': 5.28706, 'DbName': 'default', 'EntityId': 'lyf', 'FaceId':
'88657429', 'Score': 0.030595608055591583}], 'Location': {'Height': 527, 'Width':
405, 'X': 136, 'Y': 123}, 'QualitieScore': 99.3521}]}, 'RequestId': '6DE302BB-
130A-5D3C-B83D-0937D5A257FD'}

因此，就可以利用获取的最大score的值判断是否大于0.6来判断是否比对成功。
返回数据的说明：

•Data：这是一个对象，其中包含了匹配列表的信息。
•MatchList：这是一个数组，其中包含了匹配的结果。每个元素都是一个对象，代表一个匹配项。
•FaceItems：这是一个数组，其中包含了匹配项中所有人脸的信息。每个元素都是一个对象，包含了一些关于该人脸的信息，如自信度（Confidence）、数据库名（DbName）、实体ID（EntityId）、面部ID（FaceId）和分数（Score）。
•Location：这是一个对象，包含了人脸在原始图像中的位置信息，包括宽度（Width）、高度（Height）、左上角的x坐标（X）和y坐标（Y）。
•QualitieScore：这是一个浮点数，表示了整个匹配过程的质量得分。

二、C语言调用阿里云人脸识别接口

face.c

#include <Python.h>

void face_init(void)
{
    Py_Initialize();
    PyObject *sys = PyImport_ImportModule("sys");
    PyObject *path = PyObject_GetAttrString(sys, "path");
    PyList_Append(path, PyUnicode_FromString("."));
}

void face_final(void)
{
    Py_Finalize();
}

double face_category(void)
{
    PyObject *pModule = PyImport_ImportModule("face"); //加载face.py
    if (!pModule){
        PyErr_Print();
        printf("Error: failed to load face.py\n");
        goto FAILED_MODULE;
    }
    PyObject *pFunc = PyObject_GetAttrString(pModule, "alibaba_face"); //加载alibaba_face函数
    if (!pFunc){
        PyErr_Print();
        printf("Error: failed to load alibaba_face\n");
        goto FAILED_FUNC;
    }
    PyObject *pValue = PyObject_CallObject(pFunc, NULL); //调用alibaba_face函数
    if (!pValue){
        PyErr_Print();
        printf("Error: function call failed\n");
        goto FAILED_VALUE;
    }

    double result = 0.0;

    if (!PyArg_Parse(pValue, "d", &result)){  //解析获取调用alibaba_face函数返回值,装换成C语言格式
        PyErr_Print();
        printf("Error: parse failed");
        goto FAILED_RESULT;
    }
    printf("result=%.2lf\n",result);

FAILED_RESULT:
    Py_DECREF(pValue);
FAILED_VALUE:
    Py_DECREF(pFunc);
FAILED_FUNC:
    Py_DECREF(pModule);
FAILED_MODULE:
    return result;
}

face.h

#ifndef __FACE__H
#define __FACE__H

void face_init(void);
void face_final(void);
double face_category(void);

#endif

main.c

#include <stdio.h>
#include <Python.h>
#include "face.h"

int main(int argc,char *argv)
{
    double face_result = 0.0;
    face_init();
    face_result = face_category();
    printf("face_result=%.2lf\n",face_result);
    face_final();
}

运行结果：(-0.06因为本地照片和数据库存储的照片不是同一个人)