Python人臉檢測（初級）
前言
忙了一段時間，少有時間寫文，前連天公司的一個web專案需要使用者上傳自拍照然後檢查自拍照裡面的人臉狀態（人臉數量，是否正臉，是否戴眼鏡，是否戴帽子等等），如果狀態合適就將人臉提取出來，最後與設定的前景圖片進行融合。
這其中涉及到的關鍵點在於人臉的檢測，人臉的提取，至於人臉與前景的融合則可以使用前端js實現，對人臉的處理一般使用濾鏡處理，前端可以使用騰訊AlloyTeam團隊開源的專案AlloyImage（ ofollow,noindex" href="http://alloyteam.github.io/AlloyImage/" target="_blank">http://alloyteam.github.io/AlloyImage/ ）處理圖片，擁有豐富的濾鏡。當然也可以在後端處理好傳給前端，後端處理可以選擇使用OpenCV，後端處理的缺點在於多使用者同時上傳的時候伺服器壓力較大，交給前端處理比較妥當。
關於濾鏡處理圖片這部分不多說了，仔細研讀騰訊的開源專案文件就能搞定，今天說說人臉檢測和提取部分，注意是“檢測”，不是“識別”。
檢測的意思是隻需要檢查是人臉和人臉的狀態以及人臉的位置，識別則是根據人臉特徵匹配到人的姓名，這是兩種不同的概念，千萬不要混淆。
分析
既然是入門級的人臉檢測，當然是從易到難，首先考慮的是有沒有第三方人臉檢測API，直接呼叫第三方介面，也是一種快速實現的方法。說到第三方介面，自然要貨比三家，誰好用用誰。
經過搜尋引擎的篩選，博主選擇了四家服務商的介面，分別是百度、騰訊、阿里雲、Face++。當然了，如果這篇文章只是單純的描述如何呼叫第三方介面的話，估計各位看官也不會買賬，不就是一個requests請求的事，還需要寫個文？
為了體現從易到難循序漸進的思想，博主增加了本地檢測的方式進行對比，本地Python配合OpenCV也可以實現人臉的檢測，把這幾種進行對比，自然就能看出各自的優劣。
當然了，本地OpenCV檢測的速度和效率是第三方服務商介面呼叫無法比的，這也是為下一篇進階（監控流媒體畫面實時檢測）打基礎。
好了，廢話不多說，開始幾種方案的對比。
介面
首先對四家的介面文件進行分析，對接難度從易到難分別是 Face++、百度、騰訊、阿里雲，參考標準是實現相同功能需要的程式碼行數（手動滑稽！）。
給出四家服務商的介面文件地址供大家自行參考：
- Face++ 文件地址：https://console.faceplusplus.com.cn/documents/4888373
- 騰訊人臉檢測 文件地址：https://cloud.tencent.com/document/product/867/17588
- 百度 人臉檢測 文件地址：http://ai.baidu.com/docs#/Face-Detect-V3/top
- 阿里雲 人臉檢測 文件地址：https://help.aliyun.com/knowledge_detail/53399.html
Face++和百度雲不需要生成簽名，只需要傳入key和id即可，騰訊和阿里雲需要生成對應的簽名做認證才能呼叫成功，其中阿里雲的簽名生成是對所有的請求內容進行簽名，稍有錯誤就導致簽名失敗，所以除錯起來稍微有點複雜，博主也是在這裡被坑的很慘。
Face++ 支援三種圖片的傳遞方式，url、二進位制、base64，檔案大小為最大2M。
騰訊 支援兩種圖片的傳遞方式，url和二進位制。
百度 支援兩種圖片的傳遞方式，url和Base64。
阿里雲 支援兩種圖片的傳遞方式，url和Base64。
阿里雲返回的結果中資料量最小，很多檢測結果是沒有的，比如是否戴眼鏡，戴帽子等，當然了，這裡的重點是人臉檢測，只需要檢測到人臉的位置資訊就OK了，其他的都是次要資訊。
針對專案需求，url傳圖的方式因為有圖片下載的時間不確定性，而且使用者上傳圖片後臺轉換url也是一道程式，還不如直接傳圖，四家服務商除了騰訊不支援base64以外，其他三家都支援base64，而且前端呼叫微信的圖片上傳方法可以直接將圖片在前端就轉換成base64，通過介面上傳給服務端處理，呼叫騰訊雲的時候可以將base64編碼的圖片直接decode成二進位制檔案，這樣騰訊雲就可以支援了。
實戰
博主首選選取一張帶有明顯人臉標誌的圖片進行測試，上測試圖（在此感謝迪麗熱巴）
然後根據需求編寫程式碼，先給出測試結果的對比圖，再來根據各自的結果進行分析
從對比圖可以看出，Face++和百度的識別結果基本一致，騰訊和本地OpenCV識別出來的結果非常接近，而阿里雲識別出來的結果則是相對比較完整的人臉。
當然了，僅僅依靠這一張圖很難判斷出來誰更厲害，那咱們多來幾個測試，首先來一張胡歌的側臉特寫（在此感謝胡歌）
這組檢測結果裡面依然是阿里雲表現最佳，而百度則有點離譜，OpenCV雖然檢測到的位置是準確的，但是檢測人臉的範圍出現了失誤，顯示為正方形。
下面再來一張，這張測試圖是一張面部被頭髮遮擋並且不是正面，看下各自的識別結果（在此感謝袁姍姍）
這裡得說明一下，OpenCV識別失敗並不是因為它就一定很垃圾，OpenCV的識別率是根據給定的人臉模型而來的，OpenCV自帶了很多識別的模型，這些模型都是經過多次卷積網路演算法訓練得來的，而博主這裡使用的是人臉最為嚴格的模型，也就是說識別的條件更為苛刻，所以在這次測試中OpenCV沒有檢測到人臉，比較尷尬。
所以，綜上一些簡單的測試後發現如果要做人臉的提取，還是選擇阿里雲的人臉檢測介面比較合適，下面來看看各家API的收費情況，這裡僅僅比對免費額度。
Face++提供免費的使用API key，不限制呼叫次數，但是一些高階的功能無法使用。
百度 對於個人使用者提供QOS 為2 企業使用者QOS 為10，呼叫次數不限的免費服務。
騰訊 提供不限次數的呼叫請求，但是高階功能需要付費。
阿里雲 提供免費5000次的免費呼叫額度，5000次用完自動切換到付費模式。
這裡放上一張前兩天專案中的效果圖吧
程式碼
根據各家提供的API文件和測試demo，編寫各自的測試程式碼，下面提供程式碼供大家參考。
注意：這裡程式碼僅僅作為快速除錯的參考，沒有做異常處理，正式開發請根據自身開發環境和生產環境自行考慮各種異常處理，請不要直接使用我的程式碼。
如果有不懂的地方可以發郵件詢問。
Face++（圖片以二進位制上傳）
# -*- coding: utf-8 -*-
import requests, sys
from PIL import Image, ImageDraw
source_path = sys.path[0] + '/shanshan.jpg'
with open(source_path, "rb") as f:
file_data = f.read()
params = {
"api_key": "xxxxxx",
"api_secret": "xxxxxxx"
}
f = {"image_file": file_data}
request_url = "https://api-cn.faceplusplus.com/facepp/v3/detect"
decode_result = requests.post(url=request_url, data=params, files=f, timeout=30).json()
current_face = decode_result.get('faces')[0]
face_location = current_face.get('face_rectangle')
face_x = int(face_location.get("left"))
face_y = int(face_location.get("top"))
face_width = face_x + int(face_location.get("width"))
face_height = face_y + int(face_location.get("height"))
old_img = Image.open(source_path)
draw_instance = ImageDraw.Draw(old_img)
draw_instance.rectangle((face_x, face_y, face_width, face_height), outline=(255, 0, 0))
old_img.save(sys.path[0] + '/i-face++.jpg')
百度
# -*- coding: utf-8 -*-
import requests, sys, base64
from PIL import Image, ImageDraw
source_path = sys.path[0] + '/shanshan.jpg'
# client_id 為官網獲取的AK， client_secret 為官網獲取的SK
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=*********&client_secret=**********'
session = requests.get(url=host, timeout=30).json()
access_token = session.get('access_token')
with open(source_path, "rb") as f:
base64_data = base64.b64encode(f.read())
params = {
"image": base64_data,
"image_type": "BASE64",
"face_field": "beauty,age,glasses,face_type,quality"
}
request_url = "https://aip.baidubce.com/rest/2.0/face/v3/detect"
request_url = request_url + "?access_token=" + access_token
decode_result = requests.post(url=request_url, data=params, timeout=30).json()
face_num = decode_result.get('result').get('face_num')
current_face = decode_result.get('result').get('face_list')[0]
face_location = current_face.get('location')
face_glasses = current_face.get('glasses')
face_real = current_face.get('face_type')
face_quality = current_face.get('quality')
face_probability = current_face.get('face_probability')
face_angel = current_face.get('angel')
face_x = int(face_location.get("left"))
face_y = int(face_location.get("top"))
face_width = face_x + int(face_location.get("width"))
face_height = face_y + int(face_location.get("height"))
old_img = Image.open(source_path)
draw_instance = ImageDraw.Draw(old_img)
draw_instance.rectangle((face_x, face_y, face_width, face_height), outline=(255, 0, 0))
old_img.save(sys.path[0] + '/i-baidu.jpg')
騰訊
# -*- coding: utf-8 -*-
import requests, sys, base64, time, random, hashlib, hmac
from PIL import Image, ImageDraw
source_path = sys.path[0] + '/shanshan.jpg'
orignal = "a=******&b=&k=*******&e=******&t=%d&r=%d&f=" % (int(time.time()), random.randint(1, 1000))
SignTmp = hmac.new("**********".encode('utf8'), orignal.encode('utf8'), hashlib.sha1).digest()
before_string = SignTmp + orignal.encode('utf8')
Sign = base64.b64encode(before_string).decode('utf8')
request_url = "https://recognition.image.myqcloud.com/face/detect"
headers = {"authorization": Sign, "host": "recognition.image.myqcloud.com"}
s = requests.session()
with open(source_path, "rb") as f:
img_file = f.read()
params = {"appid": "*********", "mode": 1}
f = {"image": open(source_path, "rb").read()}
decode_result = s.post(url=request_url, headers=headers, data=params, files=f, timeout=30).json()
if decode_result.get('code') == 0:
face_data = decode_result.get('data')
current_face = face_data.get('face')[0]
face_x = int(current_face.get("x"))
face_y = int(current_face.get("y"))
face_width = face_x + int(current_face.get("width"))
face_height = face_y + int(current_face.get("height"))
old_img = Image.open(source_path)
draw_instance = ImageDraw.Draw(old_img)
draw_instance.rectangle((face_x, face_y, face_width, face_height), outline=(255, 0, 0))
old_img.save(sys.path[0] + '/i-tencent.jpg')
阿里雲
# -*- coding: utf-8 -*-
import requests, sys, base64, hashlib, hmac, json, datetime
from PIL import Image, ImageDraw
source_path = sys.path[0] + '/shanshan.jpg'
id = "*******"
key = "***********"
request_url = "https://dtplus-cn-shanghai.data.aliyuncs.com/face/detect"
with open(source_path, "rb") as f:
base64_data = base64.b64encode(f.read()).decode('utf8')
params = {"type": 1, "content": base64_data}
def get_current_date():
date = datetime.datetime.strftime(datetime.datetime.utcnow(), "%a, %d %b %Y %H:%M:%S GMT")
return date
def to_md5_base64(string_body):
hash_obj = hashlib.md5()
hash_obj.update(string_body.encode('utf8'))
return base64.b64encode(hash_obj.digest()).decode('utf8')
def to_sha1_base64(string_to_sign, secret):
hmac_sha1 = hmac.new(secret.encode('utf8'), string_to_sign.encode('utf8'), hashlib.sha1)
return base64.b64encode(hmac_sha1.digest()).decode('utf8')
options = {
'method': 'POST',
'body': json.dumps(params),
'headers': {
'accept': 'application/json',
'content-type': 'application/json',
'date':get_current_date()
}
}
body_md5 = to_md5_base64(options.get('body'))
string_sign = '%s\n%s\n%s\n%s\n%s\n%s' % (
options.get('method'),
options.get('headers').get('accept'),
body_md5,
options.get('headers').get('content-type'),
options.get('headers').get('date'),
"/face/detect"
)
signature = to_sha1_base64(string_sign, key)
headers = {
'Accept': 'application/json',
'Content-type': 'application/json',
"Date": options.get('headers').get('date'),
"Authorization": "Dataplus %s:%s" % (id, signature)
}
s = requests.session()
decode_result = s.post(url=request_url, headers=headers, data=json.dumps(params), timeout=30).json()
if decode_result.get('errno') == 0:
face_data = decode_result.get('face_rect')
face_x = int(face_data[0])
face_y = int(face_data[1])
face_width = face_x + int(face_data[2])
face_height = face_y + int(face_data[3])
old_img = Image.open(source_path)
draw_instance = ImageDraw.Draw(old_img)
draw_instance.rectangle((face_x, face_y, face_width, face_height), outline=(255, 0, 0))
old_img.save(sys.path[0] + '/i-aliyun.jpg')
OpenCV
# -*- coding: utf-8 -*-
import cv2, sys
from PIL import Image, ImageDraw
def test_face():
source_path = sys.path[0] + '/shanshan.jpg'
img = cv2.imread(source_path)
face_cascade = cv2.CascadeClassifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_default.xml")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 4)
if len(faces) > 1:
print("不止一個人臉")
else:
print("一個人臉")
face_x = faces[0][0]
face_y = faces[0][1]
face_width = face_x + faces[0][2]
face_height = face_y + faces[0][3]
old_img = Image.open(source_path)
draw_instance = ImageDraw.Draw(old_img)
draw_instance.rectangle((face_x, face_y, face_width, face_height), outline=(255, 0, 0))
old_img.save(sys.path[0] + '/i-opencv.jpg')
if __name__ == '__main__':
test_face()
請根據自己的環境自行替換程式碼中的引數進行測試。
如果需要對圖片中的人臉進行提取也非常簡單，增加下面的程式碼即可
image_name = sys.path[0] + '/cut-opencv.jpg' Image.open(source_path).crop((face_x, face_y, face_width, face_height)).save(image_name)
用途
寫了這麼多，到底都有啥用途呢，很常見的那種顏值測試就可以用這種api直接實現，api裡面都可以直接返回顏值分數，非常簡單。
本文連結：https://www.92ez.com/?action=show&id=23472
!!! 轉載請先聯絡[email protected]授權並在顯著位置註明作者和原文連結 !!!小黑屋
提示：技術文章有一定的時效性，請先確認是否適用你當前的系統環境。