基于Python与Face++实现人脸识别

眨眨眼。支付婊这个刷脸的功能估计让大家都给玩坏了，不过支付宝竟然又出了一个让我沉迷于其中，无法自拔的玩物，没错，就是这个玩意儿：

好汉！你能过几关！不过对不起，在下脸盲！

之前看过一篇文章，支付宝刷脸支付功能，美图秀秀，就是运用Face++公司的人脸识别技术。接下来就让我们深入了解一下。

1 思路

先遍历所有照片并保存在本地，将的图片以(ID.name.jpg)的形式命名，调用delectAPI,将返回的face_token,和ID，name一并录入MYSQL数据库，在进行比对的时候，调用compareAPI，将显示的图片与数据库录入的图片信息进行比对，对返回信息进行处理，返回置信度最高的那位。

那么问题来了，难道仅仅局限于图片的识别吗？

2 环境搭建&目录构建

环境搭建：

Ubuntu 16.04 LTS：其实其他的版本也可以，这里要求不是太苛刻

python 2.7：使用的是python2.7，毕竟人家还可以在支持10年，就将就的先用着，

MySQL：使用的是LAMP环境，百度搜索LAMP环境搭建，一大堆教程，

MySQLdb：python下的Mysql包

sudo apt-get install python-pip
sudo apt-get install libmysqlclient-dev
pip install mysql-python

OpenCV 3.2.0——-关于版本的使用当然是越稳定越好，关于如何安装OpenCV，这里就简单的说一下下，毕竟没有它，后面的代码也运行不了，

安装的依赖包:

sudo apt-get install build-essential

sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

从github上下载最新的源码:

git clone https://github.com/opencv/opencv.git #这个是最新的OpenCV 公布在github上的代码
git clone https://github.com/opencv/opencv_contrib.git #这个里面有一些模块，比如freetype，face，等需要用到

PS：官网的教程里面将两个包分开进行编译，但是里面的许多包我们确实用不到，所以，最好的办法，就是将./opencv_contrib/moudles/freetype和face文件直接复制到./opencv/moudles/下，经实践检验—-可行！

cd ~/opencv
mkdir release
cd release
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..
make -j4 #这里的-j4代表怎么说好呢，反正越大，编译的速度越快，我最大用过-j8,但我的电脑只是4核！
sudo make install

PS:这里说一下了。在运行cmake的时候，需要下载几个文件，比如ippicv_linux_20151201.tgz，竟然需要挂代理，天哪，所以我就挂了一个，关于如何在ubuntu上安装shadowsocks科学上网，我的博客也有写过 点我

到此，环境方面已经搭建的差不多了。

实在抱歉。没能在代码中写上任何注释信息。因为我的编辑器（sublime_text 3）真心无法在里面输入汉字，

现在来看一下该FRT的工作目录，如图

3 代码构建

1：faceAPI.py #API的调用

这里为了方便以后进行调用，特意的将FaceAPI写成包，放在创建的face目录下，

FaceAPI中包括delect（面部识别），analyze（面部分析），compare（面部比对），search（面部搜索），faceset（创建面部集合）等，因为官方文档给出的就是采用curl -X POST方式进行数据上传和返回，所以就直接在导入标准库的subprocess包，在python中调用curl，当然还有更好的方法，比如用python标准库里的urllib2里的POST进行上传.但咱们不这是为了省事嘛！返回结果为JSON的格式，为了方面进行调试，特异的将Json写log中，当出现错误的时候，可以查看log的内容，这些JSON数据在下面用到的时候再进行处理

2:DBconnect.py #数据库的连接

这里将数据库的连接也写在了包里面。主要为了方便移植，基本上下载我的代码上，修改一下这里，基本上就可以用了

在host里填写数据库的地址，port迷人都为3306，user为数据库用户名，passwd为数据库密码，db为数据库的名称，charset为数据库编码方式，为了能让表显示中文

3：import.py #人脸数据的导入

这里的话。首先要创建一个的faceset（人脸的集合）,调用FaceAPI.facesetcreate()进行创建,传入一个outer_id.也就是你要导入这批人脸的集合的唯一标识，这个值是唯一的。为了当你再次运行import.py时候，防止图片多次的重复导入到数据库中或者多次进行faceaddface()，将每次导入的图片文件名写进到log中，这样就可以减少了服务器的压力（虽然这点微不足道，但是毕竟免费用人家的嘛），如果图片不存在的话，将调用FaceAPI.facesetaddface()，将读取到的脸添加到到faceset中

这个要多说一点，首先，将要导入的图片存放才./data/import_face/下，当然图片要命名为，”ID.name.jpg”的任何格式，毕竟我的数据库在进行创建的时候就是这样进行数据录入的，然后调用os.walk()对路径进行分割，append()进行连接。

这一步就是对调用detect()返回的json文件进行数据的整理，分别提取其中的face_token，gender，facequality的value，当然也可以返回其他的信息，比如gender,age,smiling,headpose,facequality,blur,eyestatus,ethnicity等。

PS:这里有个坑，因为我数据库创建时候，写的是face_data(stuID varchar(12),也就是说，你如果命名的ID小于12位的话，那么他前面的数字全部为随机的，所以当调用check_stuID()的时候，if stuID in a[0]:永远为false

这一步就是要将所有的数据写入到数据库中，因为之前，都将ID,nameface_token等信息进行的全局global的声明。所以这里可以直接进行写入，需要提醒的是，每进行一条sql语句，都与要跟一句 conn.commit()才可以将sql语句进行提交

python import.py 

最后运行 就可以看到图片信息在慢慢的导入到数据库中

4：img_face.py #检测图片中所有人的面部

这里就要用到一些OpenCV的内容了，其实不用太去深刻的学习OpenCV，毕竟我们仅仅能使用到OpenCV的很小一部分，而这一部分恰恰正是经常用到的，首先加载cv2.CasacdeClassifier选择器，接着加载图片放在img_search目录下的图片，将起转化为灰度，据说机器对灰度图片的识别效率更高，因为cv2.puttext对中文的支持不够友好，所有这里调用了freetype库(开始已经安装过)，从而可以让脸部的框框显示中文，在for循环中，每找到一个面部，就会调用cv2.rectangle(),将面部用黄色的方框标记出来(当然你也可以尝试其他颜色，这里只需要修改BGR（0.255.255）的值就可以)，并命名其为*.pgm,写入到/data/img_search/文档下，然后调用FaceAPI.seaechItoI()，让.pgm图像与faceset集合进行比对，并且返回faceset集合中与之置信度最高的face_token,这里设置了以下阀值，如果置信度不高于设定的80.00的话，就会打印“Unknow Face”,

关于img_face需要介绍就这些，下面来运行

python img_face.py

5:cam_face.py #摄像头实时识别（可多个脸）

这里和图片识别原理差不多，只是OpenCV将视频的每一侦都进行了识别，这样的话，因为每一帧都需要调用一下API进行上传，所以会出现画面卡顿的情况，不过还好，能接受

当然，人脸越多，上传的时间就越长，卡顿的就越厉害，反正我现在还没有找到解决办法，

下面来运行，

python cam_face.py 

4 实战

python alimemeda.py #运行完毕后，打开./img目录下的图片，你将会看到如下的显示