继上一篇“Python人脸识别黑科技(一):50行代码运用Python+OpenCV实现人脸追踪+详细教程+快速入门+图像识”,那么今天我们来讲关于使用python+opencv+face++来实现人脸验证及人脸解锁。代码量同样不多,你可以将这些代码运用在其它一些智能领域,如智能家居,进门的时候判断你是谁,也可以加入机器学习判断来的人是客人还是熟人。在讲之前我们会先适当的拓扑一下关于人脸识别的知识点。OK废话少说下面开始正是话题。
原理呢,其实很简单,没有那么复杂难懂(当然除了官方语言之外)。我们先来通俗的说一下利用Face++实现人脸匹配的原理。现在你打开了摄像头,然后恰好你按下了抓取。抓取之后,你的脸部图片会上传到远程服务器,然后服务端会提取你的面部情况生成一个唯一的指纹(标识码),这个指纹在Face++里面叫做face_token这个我们后面会继续讲到,这个指纹就代表你目前的身份。
上传完经过服务端分析收录之后,服务端会通过json发送给你一个数据包,这个数据包里面有你面部全部特征。
当你拿到服务端返回过来的json之后,将face_token提取出来(这很重要,face_token相当于一把钥匙)然后你把拿到的face_token放到python的if里面去判断如果face_token相符就验证成功,如果不相符那么解锁失败。
操作系统:windows7
Python版本:python2.7
OpenCV版本:2.x
Face++接口
1.上传面孔(这个上篇文章我们已经实现摄像头抓取,这篇文章我们不做啰嗦,直接用一张面部图片代替)上传后json会返回面部指纹(face_token)
2.创建人脸集合,并将步骤1返回的face_token加入到集合中去
3.通过python的if判断是否收录当前面孔
1.获取面孔face_token:
这里重点说一下request里面的内容:
api规定是要post提交,所以这里用了request.post()
传输的内容为请求的URL,图片路径(必填!可以是本地绝对路径,也可以是网络图片分别为image_file、image_url)data数据也就是payload里面的参数:
apikey/apisecret必填 没有的自行申请
return_attributes选填 里面有返回的数据 有年龄性别等等
return_landmark选填 是否检测返回人脸关键点0为不返回1为检测83个关键点2为检测106个关键点
运行效果:
我们随便找一张照片(对像素有要求的 切记 不然有的可能报错)
我们可以看到这个返回的json包里有很多的值,我们这里最重要的就是拿到这张脸的face_toen,然后保存起来,收录到服务端的时候需要。
注:这里可能有些朋友在网上随便找的照片可能报错,这很可能是图片像素的问题,尽量找高清的,运行后,人脸部分会被绿框标识。
2.创建人脸集合,并加入face_token
face_tokens里面填的就是刚才奥巴马图片返回的face_token,不要填错哦~
面部集合的名字也要记住,待会查询的时候也会用到的。
将上一部分获取到的face_token加入到一个新建的人脸集合中。
下次人脸对比将直接跟服务端收录的做指纹对比。这里再简单的点一下payload里面的几个参数:
display_name:人脸集合的名字
outer_id:FaceSet全局自定义标识
force_merge:
0:不将 face_tokens 加入已存在的 FaceSet 中,直接返回 FACESET_EXIST 错误
1:将 face_tokens 加入已存在的 FaceSet 中
face_tokens:传入的人脸标识
运行效果:
运行完毕后,会返回一个faceset_token,这个地方我们要记录下来,因为我们已经把我们的奥巴马的facetoken上传到服务端的我们创建的集合里了,这个faceset token就是我们的面部集合id 或者说是一个相册都可以。
3.判断是否为管理员:
我们将奥巴马的面部值(face token)放入python的if里面,将要去查询的面部集合(相册)设置为我们前面获取的faceset tokens,然后我们随便照一张照片匹配一下。
笔记本摄像头太low,很难识别,凑合看下效果吧,直接识别人脸还行。
完成~
当然,按理说到现在应该开始有喷子来喷,用图片解锁不安全了吧,没关系,如果你想做的更高级,完全可以加上一些摇头 眨眼等等乱七八糟的验证,安全性是可以做到的。
转自:Python雁横
部分来自:www.ruanbe.com