我與支付寶之間的那些事：基於Python與Face++實現人臉識別

新聞 04-25

*原創作者：zw97073966，本文屬Freebuf原創獎勵計劃，未經許可禁止轉載

01 YY

眨眨眼。支付婊這個刷臉的功能估計讓大家都給玩壞了，不過支付寶竟然又出了一個讓我沉迷於其中，無法自拔的玩物，沒錯，就是這個玩意兒：

好漢！你能過幾關！不過對不起，在下臉盲！

說到正經處，我必須想辦法，支付寶竟然用此等技術來逗我，我豈能善罷甘休！待我修鍊成果，再和你決一死戰。

之前看過一篇文章，支付寶刷臉支付功能，美圖秀秀，就是運用Face++公司的人臉識別技術。心裡一想，這下有戲了，打開官網一看

啊哈，「免費接入」瞬間映入眼帘，註冊帳號—進入console—閱讀API文檔–獲取API-Key—開始我的python之旅了。

02 思路

先遍歷所有照片並保存在本地，將的圖片以(ID.name.jpg)的形式命名，調用delectAPI,將返回的face_token,和ID，name一併錄入MYSQL資料庫，在進行比對的時候，調用compareAPI，將顯示的圖片與資料庫錄入的圖片信息進行比對，對返回信息進行處理，返回置信度最高的那位，想想就來勁。

那麼問題來了，難道僅僅局限於圖片的識別嗎，不，我們不會這樣的，我們是有志的青年，怎能就這麼得到滿足，對了還有攝像頭，進行實時的人臉識別，說不定哪天，美女從你身邊走過，你卻渾然不知，所以，那就開始作唄！

03 環境搭建&目錄構建

環境搭建：

Ubuntu 16.04 LTS：其實其他的版本也可以，這裡要求不是太苛刻

python 2.7：使用的是python2.7，畢竟人家還可以在支持10年，就將就的先用著，

MySQL：使用的是LAMP環境，百度搜索LAMP環境搭建，一大堆教程，

MySQLdb：python下的Mysql包

OpenCV 3.2.0——-關於版本的使用當然是越穩定越好，關於如何安裝OpenCV，這裡就簡單的說一下下，畢竟沒有它，後面的代碼也運行不了，

安裝的依賴包:

從github上下載最新的源碼:

PS：官網的教程裡面將兩個包分開進行編譯，但是裡面的許多包我們確實用不到，所以，最好的辦法，就是將./opencv_contrib/moudles/freetype和face文件直接複製到./opencv/moudles/下，經實踐檢驗—-可行！

PS:這裡說一下了。在運行cmake的時候，需要下載幾個文件，比如ippicv_linux_20151201.tgz，竟然需要掛代理，天哪，所以我就掛了一個，關於如何在ubuntu上安裝shadowsocks科學上網，我的博客也有寫過

點我

到此，環境方面已經搭建的差不多了。

實在抱歉。沒能在代碼中寫上任何注釋信息。因為我的編輯器（sublime_text 3）真心無法在裡面輸入漢字，

現在來看一下該FRT的工作目錄，如圖

04 代碼構建

1：faceAPI.py #API的調用

這裡為了方便以後進行調用，特意的將FaceAPI寫成包，放在創建的face目錄下，

FaceAPI中包括delect（面部識別），analyze（面部分析），compare（面部比對），search（面部搜索），faceset（創建面部集合）等，因為官方文檔給出的就是採用curl -X POST方式進行數據上傳和返回，所以就直接在導入標準庫的subprocess包，在python中調用curl，當然還有更好的方法，比如用python標準庫里的urllib2里的POST進行上傳.但咱們不這是為了省事嘛！返回結果為JSON的格式，為了方面進行調試，特異的將Json寫log中，當出現錯誤的時候，可以查看log的內容，這些JSON數據在下面用到的時候再進行處理。

2:DBconnect.py #資料庫的連接

這裡將資料庫的連接也寫在了包裡面。主要為了方便移植，基本上下載我的代碼上，修改一下這裡，基本上就可以用了

在host里填寫資料庫的地址，port迷人都為3306，user為資料庫用戶名，passwd為資料庫密碼，db為資料庫的名稱，charset為資料庫編碼方式，為了能讓表顯示中文。

3：import.py #人臉數據的導入

這裡的話。首先要創建一個的faceset（人臉的集合）,調用FaceAPI.facesetcreate()進行創建,傳入一個outer_id.也就是你要導入這批人臉的集合的唯一標識，這個值是唯一的。為了當你再次運行import.py時候，防止圖片多次的重複導入到資料庫中或者多次進行faceaddface()，將每次導入的圖片文件名寫進到log中，這樣就可以減少了伺服器的壓力（雖然這點微不足道，但是畢竟免費用人家的嘛），如果圖片不存在的話，將調用FaceAPI.facesetaddface()，將讀取到的臉添加到到faceset中

這個要多說一點，首先，將要導入的圖片存放才./data/import_face/下，當然圖片要命名為，」ID.name.jpg」的任何格式，畢竟我的資料庫在進行創建的時候就是這樣進行數據錄入的，然後調用os.walk()對路徑進行分割，append()進行連接。

這一步就是對調用detect()返回的json文件進行數據的整理，分別提取其中的face_token，gender，facequality的value，當然也可以返回其他的信息，比如gender,age,smiling,headpose,facequality,blur,eyestatus,ethnicity等。

PS:這裡有個坑，因為我資料庫創建時候，寫的是face_data(stuID varchar(12),也就是說，你如果命名的ID小於12位的話，那麼他前面的數字全部為隨機的，所以當調用check_stuID()的時候，if stuID in a[0]:永遠為false

這一步就是要將所有的數據寫入到資料庫中，因為之前，都將ID,nameface_token等信息進行的全局global的聲明。所以這裡可以直接進行寫入，需要提醒的是，每進行一條sql語句，都與要跟一句 conn.commit()才可以將sql語句進行提交

python import.py

最後運行就可以看到圖片信息在慢慢的導入到資料庫中

4：img_face.py #檢測圖片中所有人的面部

這裡就要用到一些OpenCV的內容了，其實不用太去深刻的學習OpenCV，畢竟我們僅僅能使用到OpenCV的很小一部分，而這一部分恰恰正是經常用到的，首先載入cv2.CasacdeClassifier選擇器，接著載入圖片放在img_search目錄下的圖片，將起轉化為灰度，據說機器對灰度圖片的識別效率更高，因為cv2.puttext對中文的支持不夠友好，所有這裡調用了freetype庫(開始已經安裝過)，從而可以讓臉部的框框顯示中文，在for循環中，每找到一個面部，就會調用cv2.rectangle(),將面部用黃色的方框標記出來(當然你也可以嘗試其他顏色，這裡只需要修改BGR（0.255.255）的值就可以)，並命名其為*.pgm,寫入到/data/img_search/文檔下，然後調用FaceAPI.seaechItoI()，讓.pgm圖像與faceset集合進行比對，並且返回faceset集合中與之置信度最高的face_token,這裡設置了以下閥值，如果置信度不高於設定的80.00的話，就會列印「Unknow Face」。

關於img_face需要介紹就這些，下面來運行

python img_face.py

（不錯，看著還可以，）