第一次寫部落格，我自己就想試試百度的人臉識別，程式碼也沒有優化，簡單的實現了一下供大家參 考。
實現的功能，一個資料夾有6個人的正臉照片，假設是上傳的人臉庫。另一個資料夾有100張圖片，就是抓拍的這6個人的圖片，有的圖片只有一個人，有的圖片有多個人。實現的功能是在圖片中標註出人臉框，上面寫上ID1：0.89，代表百度認為這個臉最像誰並輸出歸一化的相似度分數。
我自己之前試了一下，如果照片裡只有一個人，那就直接把待測照片和人臉庫照片直接交給百度的match識別函式就行，百度直接給你對比分數，效果還很好。如果照片有多張人臉，我就用檢測（detect）介面先進行檢測，把人臉圖擷取儲存，再用截出來人臉圖進行識別。這僅僅是我的想法，不一定正確，僅供參考。
另外，對於只有一個人的圖片，如果你採取截圖再識別（match）的方法，我試著分數會降低，不如直接識別（match）。
百度輸出的分數是0-100，我給化到0-1了。

# -*- coding: utf-8 -*-
"""
Created on Thu Aug  2 17:36:41 2018

@author: 我永遠喜歡青山七海
"""

from aip import AipFace
import base64
import cv2
# 定義常量
APP_ID = 'XXXXXXX'
API_KEY = 'XXXXXXX'
SECRET_KEY = 'XXXXXXX'
client = AipFace(APP_ID, API_KEY, SECRET_KEY)
IMAGE_TYPE='BASE64'
id=[]
id.append(0)#23333333
 


f1 = open('D:\\ID1.jpg','rb')
id.append(base64.b64encode(f1.read()))  
f1.close

f2 = open('D:\\ID2.jpg','rb')
id.append(base64.b64encode(f2.read())) 
f2.close

f3 = open('D:\\ID3.jpg','rb')
id.append(base64.b64encode(f3.read())) 
f3.close

f4 = open('D:\\ID4.jpg','rb')
id.append(base64.b64encode(f4.read
 
())) 
f4.close

f5 = open('D:\\ID5.jpg','rb')
id.append(base64.b64encode(f5.read())) 
f5.close

f6 = open('D:\\ID6.jpg','rb')
id.append(base64.b64encode(f6.read())) 
f6.close

def match(img):
    score=[]
    for i in range(1,7):
        params1 = [{"image":str(img,'utf-8'),"image_type":IMAGE_TYPE},{"image":str(id[i],'utf-8'),"image_type":IMAGE_TYPE}]
        result = client.match(params1);
        #print(result)
        if result['error_msg']=='pic not has face':
            print('no match ')
            return 0
        #print('match result')
        #print (result)
        tmp=result['result']['score']/100.0
        score.append(tmp)

        #print(result['result']['score'])
    #print('match result')
    print ([float("%.2f" % max(score)),score.index(max(score))+1])    
    return[float("%.2f" % max(score)),score.index(max(score))+1]#最高分數和ID

def detect(img64,j):
    options = {'max_face_num': 5, }# 影象數量
    result1=client.detect(img64, "BASE64", options)
    if result1['error_msg']=='pic not has face':
        print('no face')
        return []
    faceNum=result1['result']['face_num']
    if faceNum == 0:
        return []

    img=cv2.imread('D:\\test\\{}.jpg'.format(j))
    result=[]

    for i in range(faceNum):#儲存小圖
        '''if result1['result']['face_list'][i]['face_probability'] >0.3:
            location=result1['result']['face_list'][i]['location']
            left_top=(int(location['left']),int(location['top']))
            right_bottom=(left_top[0]+int(location['width']),left_top[1]+int(location['height']))

            result.append([left_top,right_bottom])
            #print(left_top[1],right_bottom[1],left_top[0],right_bottom[0])
            cropImg=img[max(0,left_top[1]):max(0,right_bottom[1]),max(0,left_top[0]):max(0,right_bottom[0])]
            cv2.imwrite('D:\\cropImg\\{}.{}.jpg'.format(j,i),cropImg)'''
        location=result1['result']['face_list'][i]['location']
        left_top=(int(location['left']),int(location['top']))
        right_bottom=(left_top[0]+int(location['width']),left_top[1]+int(location['height']))

        result.append([left_top,right_bottom])
        #print(left_top[1],right_bottom[1],left_top[0],right_bottom[0])
        cropImg=img[max(0,left_top[1]):max(0,right_bottom[1]),max(0,left_top[0]):max(0,right_bottom[0])]
        cv2.imwrite('D:\\cropImg\\{}.{}.jpg'.format(j,i),cropImg)
    #print('detect result\n')
    #print(result)
    return result



if __name__ == '__main__':
    for j in range(1,101):
        print('.........................')
        print(j)
        f = open('D:\\test\\{}.jpg'.format(j),'rb')
        image = base64.b64encode(f.read())
        img64 = str(image,'utf-8')
        result_detect=detect(img64,j)
        print (len(result_detect))
        im=cv2.imread('D:\\test\\{}.jpg'.format(j))
        if result_detect==0 or result_detect==[]:
            cv2.imwrite('D:\\result\\{}.jpg'.format(j),im)
            continue

        if len(result_detect)==1:
            result_match=match(image)
            left_top,right_bottom=result_detect[0]
            cv2.rectangle(im,left_top,right_bottom,(0,0,255),2)
            text = 'ID{}'.format(result_match[1])+':{}'.format(result_match[0])
            cv2.putText(im, text, (left_top[0],left_top[1]-6), cv2.FONT_HERSHEY_SIMPLEX,3, (0, 255, 0),5 )
            cv2.imwrite('D:\\result\\{}.jpg'.format(j),im)

        if len(result_detect)>1:
            for i in range(len(result_detect)):
                f1 = open('D:\\cropImg\\{}.{}.jpg'.format(j,i),'rb')
                image = base64.b64encode(f1.read())
                result_match=match(image)
                if result_match==0:
                    cv2.imwrite('D:\\result\\{}.jpg'.format(j),im)
                    continue
                left_top,right_bottom=result_detect[i]
                cv2.rectangle(im,left_top,right_bottom,(0,0,255),2)
                text = 'ID{}'.format(result_match[1])+':{}'.format(result_match[0])
                cv2.putText(im, text, (left_top[0],left_top[1]-6), cv2.FONT_HERSHEY_SIMPLEX,3, (0, 255, 0),5 )
            cv2.imwrite('D:\\result\\{}.jpg'.format(j),im)

手裡有國內其他兩家人臉識別的資料，效果來看，百度的人臉檢測率一般，但是絕對夠用，不是頂尖。相對來說通過率太恐怖了，真的是無論低光照還是大角度偏轉，通過率都非常好，但是誤識率我這沒法測。
程式碼寫的很爛見笑了