使用OpenCV與Face++實現人臉解鎖

02-11

近幾天微軟的發布會上講到了不少認臉解鎖的內容，經過探索，其實利用手頭的資源我們完全自己也可以完成這樣一個過程。

本文講解了如何使用Python，基於OpenCV與Face++實現人臉解鎖的功能。

本文基於Python 2.7.11，Windows 8.1 系統。

主要內容

Windows 8.1上配置OpenCV
OpenCV的人臉檢測應用
使用Face++完成人臉辨識（如果你想自己實現這部分的功能，可以借鑒例如這個項目）

Windows 8.1上配置OpenCV

入門的時候配置環境總是一個非常麻煩的事情，在Windows上配置OpenCV更是如此。

既然寫了這個推廣的科普教程，總不能讓讀者卡在環境配置上吧。

下面用到的文件都可以在這裡（提取碼：b6ec）下載，但是注意，目前OpenCV僅支持Python2.7。

將cv2加入site-packages

將下載下來的cv2.pyd文件放入Python安裝的文件夾下的Libsite-packages目錄。

就我的電腦而言，這個目錄就是C:Python27Libsite-packages。

記得不要直接使用pip安裝，將文件拖過去即可。

安裝numpy組件

在命令行下進入到下載下來的文件所在的目錄（按住Shift右鍵有在該目錄打開命令行的選項）

鍵入命令：

pip install numpy-1.11.0rc2-cp27-cp27m-win32.whl

如果你的系統或者Python不適配，可以在這裡下載別的輪子。

測試OpenCV安裝

在命令行鍵入命令：

python -c "import cv2"

如果沒有出現錯誤提示，那麼cv2就已經安裝好了。

OpenCV的人臉檢測應用

人臉檢測應用，簡而言之就是一個在照片里找到人臉，然後用方框框起來的過程（我們的相機經常做這件事情）

那麼具體而言就是這樣一個過程：

獲取攝像頭的圖片
在圖片中檢測到人臉的區域
在人臉的區域周圍繪製方框

獲取攝像頭的圖片

這裡簡單的講解一下OpenCV的基本操作。

以下操作是打開攝像頭的基本操作：

#coding=utf8import cv2# 一般筆記本的默認攝像頭都是0capInput = cv2.VideoCapture(0)# 我們可以用這條命令檢測攝像頭是否可以讀取數據if not capInput.isOpened(): print(Capture failed because of camera)

那麼怎麼從攝像頭讀取數據呢？

# 接上段程序# 現在攝像頭已經打開了，我們可以使用這條命令讀取圖像# img就是我們讀取到的圖像，就和我們使用open(pic.jpg, rb).read()讀取到的數據是一樣的ret, img = capInput.read()# 你可以使用open的方式存儲，也可以使用cv2提供的方式存儲cv2.imwrite(pic.jpg, img)# 同樣，你可以使用open的方式讀取，也可以使用cv2提供的方式讀取img = cv2.imread(pic.jpg)

為了方便顯示圖片，cv2也提供了顯示圖片的方法：

# 接上段程序# 定義一個窗口，當然也可以不定義imgWindowName = ImageCapturedimgWindow = cv2.namedWindow(imgWindowName, cv2.WINDOW_NORMAL)# 在窗口中顯示圖片cv2.imshow(imgWindowName, img)

當然在完成所有操作以後需要把攝像頭和窗口都做一個釋放：

# 接上段程序# 釋放攝像頭capInput.release()# 釋放所有窗口cv2.destroyAllWindows()

在圖片中檢測到人臉的區域

OpenCV給我們提供了已經訓練好的人臉的xml模板，我們只需要載入然後比對即可。

# 接上段程序# 載入xml模板faceCascade = cv2.CascadeClassifier(haarcascade_frontalface_default.xml)# 將圖形存儲的方式進行轉換gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 使用模板匹配圖形faces = faceCascade.detectMultiScale(gray, 1.3, 5)print(faces)

在人臉的區域周圍繪製方框

在上一個步驟中，faces中的四個量分別為左上角的橫坐標、縱坐標、寬度、長度。

所以我們根據這四個量很容易的就可以繪製出方框。

# 接上段程序# 函數的參數分別為：圖像，左上角坐標，右下角坐標，顏色，寬度img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

成果

根據上面講述的內容，我們現在已經可以完成一個簡單的人臉辨認了：

#coding=utf8import cv2, timeprint(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) # 避免處理時間過長造成畫面卡頓 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 < time.time(): nextCaptureTime = time.time() + 0.1 faces = faceCascade.detectMultiScale(gray, 1.3, 5) if faces: for x, y, w, h in faces: img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2) cv2.imshow(FaceDetect, img) # 這是簡單的讀取鍵盤輸入，27即Esc的acsii碼 if cv2.waitKey(1) & 0xFF == 27: break capInput.release() cv2.destroyAllWindows()if __name__ == __main__: detect_face()

使用Face++完成人臉辨識

第一次認識Face++還是因為支付寶的人臉支付，響應速度還是非常讓人滿意的。

現在只需要免費註冊一個賬號然後新建一個應用就可以使用了，非常方便。

他的官方網址是這個，註冊好之後在這裡的我的應用中創建應用即可。

創建好應用之後你會獲得API Key與API Secret。

Face++的API調用邏輯簡單來說是這樣的：

上傳圖片獲取讀取到的人的face_id
創建Person，獲取person_id（Person中的圖片可以增加、刪除）
比較兩個face_id，判斷是否是一個人
比較face_id與person_id，判斷是否是一個人

上傳圖片獲取face_id

在將圖片通過post方法上傳到特定的地址後將返回一個json的值。

如果api_key, api_secret沒有問題，且在上傳的圖片中有識別到人臉，那麼會存儲在json的face鍵值下。

#coding=utf8import requests# 這裡填寫你的應用的API Key與API SecretAPI_KEY = API_SECRET = # 目前的API網址是這個，你可以在API文檔里找到這些BASE_URL = http://apicn.faceplusplus.com/v2# 使用Requests上傳圖片url = %s/detection/detect?api_key=%s&api_secret=%s&attribute=none%( BASE_URL, API_KEY, API_SECRET)files = {img: (os.path.basename(fileDir), open(fileDir, rb), mimetypes.guess_type(fileDir)[0]), }r = requests.post(url, files = files)# 如果讀取到圖片中的頭像則輸出他們，其中的face_id就是我們所需要的值faces = r.json().get(face)print faces

創建Person

這個操作沒有什麼可以講的內容，可以對照這段程序和官方的API介紹。

官方的API介紹可以見這裡，相信看完這一段程序以後你就可以自己完成其餘的API了。

# 上接上一段程序# 讀取face_idif not faces is None: faceIdList = [face[face_id] for face in faces]# 使用Requests創建Personurl = %s/person/create%BASE_URLparams = { api_key: API_KEY, api_secret: API_SECRET, person_name: LittleCoder, face_id: ,.join(faceIdList), }r = requests.get(url, params = params)# 獲取person_idprint r.json.()[person_id]

進度確認

到目前為止，你應該已經可以就給定的兩張圖片比對是否是同一個人了。

那麼讓我們來試著寫一下這個程序吧，兩張圖片分別為pic1.jpg, pic2.jpg好了。

下面我給出了我的代碼：

def upload_img(fileDir, oneface = True): url = %s/detection/detect?api_key=%s&api_secret=%s&attribute=none%( BASE_URL, API_KEY, API_SECRET) if oneface: url += &mode=oneface files = {img: (os.path.basename(fileDir), open(fileDir, rb), mimetypes.guess_type(fileDir)[0]), } r = requests.post(url, files = files) faces = r.json().get(face) if faces is None: print(There is no face found in %s%fileDir) else: return faces[0][face_id]def compare(faceId1, faceId2): url = %s/recognition/compare%BASE_URL params = BASE_PARAMS params[face_id1] = faceId1 params[face_id2] = faceId2 r = requests.get(url, params) return r.json()faceId1 = upload_img(pic1.jpg)faceId2 = upload_img(pic2.jpg)if face_id1 and face_id2: print(compare(faceId1, faceId2))else: print(Please change two pictures)

成品

到此，所有的知識介紹都結束了，相比大致如何完成這個項目各位讀者也已經有想法了吧。

下面我們需要構思一下人臉解鎖的思路，大致而言是這樣的：

使用一個程序設置賬戶（包括向賬戶中存儲解鎖用的圖片）
使用另一個程序登陸（根據輸入的用戶名測試解鎖）

這裡會有很多重複的代碼，就不再贅述了，你可以在這裡或者這裡（提取碼：c073）下載源代碼測試使用。

這裡是設置賬戶的截圖：

這裡是登陸的截圖：

結束語

希望讀完這篇文章能對你有幫助，有什麼不足之處萬望指正（鞠躬）。

160331

LittleCoder

EOF