face++人脸识别与人脸库匹配python实现笔记一

十四君

发布于 2019-11-27 23:58:05

1.6K0

发布于 2019-11-27 23:58:05

文章被收录于专栏：Urlteam

具体的api手册请去官网学习。目标是实现刷脸签到系统。测试功能的源码可以在github上看到

https://github.com/luyishisi/The_python_code.git 文件夹是python_face++

解释基础概念：

Face++ 人脸识别系统包含五个核心概念：Image, Face, Person, Faceset 和Group。

Image 指用户或应用程序给Face++ API提供的图片，以供后续检测/识别使用。用户可以通过指定url或在程序中上传（通过HTTP POST提交图片的二进制文件）提供Image。
Face 指Image中检测出的人脸。一张Image中可能包含多个Face。
Person 指同一个人的Face集合。Person中的多个Face可能来源于多个Image，但必须是同一个人的多张Face。一个Face可以属于多个不同的Person。Person被用在人脸验证（verify）和人脸识别（identify）中。
Faceset 指一个或多个Face的集合。Faceset和Person一样，都是Face的集合，但Faceset并不要求Face来源于同一个人。一个Face可以属于多个不同的Person和Faceset。Faceset被用在人脸搜索（search）中。
Group 指多个Person的集合。在多数Face++人脸识别场景中，用户需指定一个Group来限定在此集合中进行识别。

ID和Name两套索引系统用来定位和访问上述所有元素， Image，Face，Person，Faceset 和 Group都有系统分配的全局唯一的ID。为便于用户使用有语义信息的名字进行开发，用户也可给Person 和 Group设置一个Name。Name由用户提供，必须在App内全局唯一。

初步检测：调用/detection/detect 对目标图片进行人脸检测，检测出相应人脸位置及属性，获取相应的face_id。
创建Person：调用/person/create创建一个Person,获得相应的person_id, 并调用/person/add_face将Face加入到相应Person中。
构建Group：调用 /group/create 创建新的Group, 使用/group/add_person将候选Person加入到Group中，以供识别新创建的Person。
模型训练：调用/train/identify 训练相应Group的识别模型。
人脸识别：调用/recognition/identify进行识别。

试用说明：

首先从官网注册账号，然后注册一个产品获取api的两个关键信息。

API Key	187aa2ee8fc784972b7302f3b31becab×××
API Secret	F1czaFXaRJ5VzRcdVNZppUwJpDg4zjUY×××

然后下载下sdk文件，在目录下运行python hello.py 。

在文件中修改好api的两个全局变量就能正常运行。

源码学习与测试

hello代码中虽然很详细，但是在一系列实践的过程还是有点小疑惑，唯有步步测试。

导入face++的api类库

from facepp import API

测试零：自定义输出函数

导入库后显示判断当前的数据类型，再采用不同的输出方式，有汉字就用utf-8，字典的输出方式需要认真看看，之后在截取数据需要使用，

import time
from pprint import pformat
def print_result(hint, result):
    def encode(obj):
        if type(obj) is unicode:
            return obj.encode('utf-8')
        if type(obj) is dict:
            return {encode(k): encode(v) for (k, v) in obj.iteritems()}
        if type(obj) is list:
            return [encode(i) for i in obj]
        return obj 
    print hint
    result = encode(result)
    print '\n'.join(['  ' + i for i in pformat(result, width = 75).split('\n')])

测试一：人脸分析

首先是自定义图片路径，在hello.py，40行开始，image_dir 定义的是基础路径，这个需要用网络上的图片地址，如果是本地的图片需要转换成二进制上传再调用，定义一个persons字典。里面三个作为基础的人脸库，hello.py功能是得出target_image 是否在里面出现，存在则返回名字。

# 人名及其脸部图片
IMAGE_DIR = ''
PERSONS = [ 
    ('luyi', IMAGE_DIR + 'http://urlteam.org/wp-content/uploads/2016/01/2016-01-
]
 
# 步骤1：检测出三张输入图片中的Face，找出图片中Face的位置及属性
 
FACES = {name: api.detection.detect(url = url)
        for name, url in PERSONS}
 
for name, face in FACES.iteritems():
    print_result(name, face)

运行后返回的数值是如下图

其中每一项的含义基本看英文能懂，可以翻阅api文档 http://www.faceplusplus.com.cn/detection_detect/ 上面显示有95.9602%的可能是男性，，年龄检测是26岁，+-26岁/。不算太离谱99.85%是亚洲人现在考虑一个如何用python，进行数据捕捉字典。

字典读取的方式比较神奇，第一次接触到这么多重嵌套的字典。

本来多重嵌套不过是增加几个【】【】而已。但是这个字典是字典嵌套列表再嵌套字典再嵌套字典，我也是醉了，face里面是列表，列表的内容是字典，。好，不绕口令了，要想读取年龄，则

在自定义输出函数的下方增加一句话

print (result[‘face’][0][‘attribute’][‘age’][‘value’])

重点就在于那个【0】这个代表列表的第一组。别的就和普通的嵌套字典调用一个原理了。

测试二：人脸部位位置分析

/detection/landmark api文档是：http://www.faceplusplus.com.cn/detectionlandmark/

检测给定人脸(Face)相应的面部轮廓，五官等关键点的位置，包括25点和83点两种模式。

值得注意的是需要的参数，需要用赋值的形式给予，如下

for name, face in FACES.iteritems():
    rst = api.detection.landmark(api_key=API_KEY,api_secret=API_SECRET,
            person_name = name, face_id = p['face'][0]['face_id'])
    print_result(format(name), rst)