近几天微软的发布会上讲到了不少认脸解锁的内容，经过探索，其实利用手头的资源我们完全自己也可以完成这样一个过程。
本文讲解了如何使用Python，基于OpenCV与Face++实现人脸解锁的功能。
本文基于Python 2.7.11，Windows 8.1 系统。
主要内容
- Windows 8.1上配置OpenCV
- OpenCV的人脸检测应用
- 使用Face++完成人脸辨识（如果你想自己实现这部分的功能，可以借鉴例如项目）
Windows 8.1上配置OpenCV
入门的时候配置环境总是一个非常麻烦的事情，在Windows上配置OpenCV更是如此。
既然写了这个推广的科普教程，总不能让读者卡在环境配置上吧。
下面用到的文件都可以在（提取码：b6ec）下载，但是注意，目前OpenCV仅支持Python2.7。
将cv2加入site-packages
将下载下来的cv2.pyd文件放入Python安装的文件夹下的Lib\site-packages目录。
就我的电脑而言，这个目录就是C:\Python27\Lib\site-packages。
记得不要直接使用pip安装，将文件拖过去即可。
安装numpy组件
在命令行下进入到下载下来的文件所在的目录（按住Shift右键有在该目录打开命令行的选项）
键入命令：
pip install numpy-1.11.0rc2-cp27-cp27m-win32.whl
如果你的系统或者Python不适配，可以在下载别的轮子。
测试OpenCV安装
在命令行键入命令：
python -c "import cv2"
如果没有出现错误提示，那么cv2就已经安装好了。
OpenCV的人脸检测应用
人脸检测应用，简而言之就是一个在照片里找到人脸，然后用方框框起来的过程（我们的相机经常做这件事情）
那么具体而言就是这样一个过程：
* 获取摄像头的图片 * 在图片中检测到人脸的区域 * 在人脸的区域周围绘制方框获取摄像头的图片
这里简单的讲解一下OpenCV的基本操作。
以下操作是打开摄像头的基本操作：
#coding=utf8import cv2# 一般笔记本的默认摄像头都是0capInput = cv2.VideoCapture(0)# 我们可以用这条命令检测摄像头是否可以读取数据if not capInput.isOpened(): print('Capture failed because of camera') 那么怎么从摄像头读取数据呢？
# 接上段程序# 现在摄像头已经打开了，我们可以使用这条命令读取图像# img就是我们读取到的图像，就和我们使用open('pic.jpg', 'rb').read()读取到的数据是一样的ret, img = capInput.read()# 你可以使用open的方式存储，也可以使用cv2提供的方式存储cv2.imwrite('pic.jpg', img)# 同样，你可以使用open的方式读取，也可以使用cv2提供的方式读取img = cv2.imread('pic.jpg') 为了方便显示图片，cv2也提供了显示图片的方法：
# 接上段程序# 定义一个窗口，当然也可以不定义imgWindowName = 'ImageCaptured'imgWindow = cv2.namedWindow(imgWindowName, cv2.WINDOW_NORMAL)# 在窗口中显示图片cv2.imshow(imgWindowName, img)
当然在完成所有操作以后需要把摄像头和窗口都做一个释放：
# 接上段程序# 释放摄像头capInput.release()# 释放所有窗口cv2.destroyAllWindows()
在图片中检测到人脸的区域
OpenCV给我们提供了已经训练好的人脸的xml模板，我们只需要载入然后比对即可。
# 接上段程序# 载入xml模板faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')# 将图形存储的方式进行转换gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 使用模板匹配图形faces = faceCascade.detectMultiScale(gray, 1.3, 5)print(faces) 在人脸的区域周围绘制方框
在上一个步骤中，faces中的四个量分别为左上角的横坐标、纵坐标、宽度、长度。
所以我们根据这四个量很容易的就可以绘制出方框。
# 接上段程序# 函数的参数分别为：图像，左上角坐标，右下角坐标，颜色，宽度img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
成果
根据上面讲述的内容，我们现在已经可以完成一个简单的人脸辨认了：
#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) # 避免处理时间过长造成画面卡顿 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) # 这是简单的读取键盘输入，27即Esc的acsii码 if cv2.waitKey(1) & 0xFF == 27: break capInput.release() cv2.destroyAllWindows()if __name__ == '__main__': detect_face() 使用Face++完成人脸辨识
第一次认识Face++还是因为支付宝的人脸支付，响应速度还是非常让人满意的。
现在只需要免费注册一个账号然后新建一个应用就可以使用了，非常方便。
他的官方网址是，注册好之后在的我的应用中创建应用即可。
创建好应用之后你会获得API Key与API Secret。
Face++的API调用逻辑简单来说是这样的：
* 上传图片获取读取到的人的face_id * 创建Person，获取person_id（Person中的图片可以增加、删除） * 比较两个face_id，判断是否是一个人 * 比较face_id与person_id，判断是否是一个人上传图片获取face_id
在将图片通过post方法上传到特定的地址后将返回一个json的值。
如果api_key, api_secret没有问题，且在上传的图片中有识别到人脸，那么会存储在json的face键值下。
#coding=utf8import requests# 这里填写你的应用的API Key与API SecretAPI_KEY = ''API_SECRET = ''# 目前的API网址是这个，你可以在API文档里找到这些BASE_URL = 'http://apicn.faceplusplus.com/v2'# 使用Requests上传图片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)# 如果读取到图片中的头像则输出他们，其中的'face_id'就是我们所需要的值faces = r.json().get('face')print faces 创建Person
这个操作没有什么可以讲的内容，可以对照这段程序和官方的API介绍。
官方的API介绍可以见，相信看完这一段程序以后你就可以自己完成其余的API了。
# 上接上一段程序# 读取face_idif not faces is None: faceIdList = [face['face_id'] for face in faces]# 使用Requests创建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)# 获取person_idprint r.json.()['person_id'] 进度确认
到目前为止，你应该已经可以就给定的两张图片比对是否是同一个人了。
那么让我们来试着写一下这个程序吧，两张图片分别为’pic1.jpg’, ‘pic2.jpg’好了。
下面我给出了我的代码：
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，所有的知识介绍都结束了，相比大致如何完成这个项目各位读者也已经有想法了吧。
下面我们需要构思一下人脸解锁的思路，大致而言是这样的：
* 使用一个程序设置账户（包括向账户中存储解锁用的图片） * 使用另一个程序登陆（根据输入的用户名测试解锁）这里会有很多重复的代码，就不再赘述了，你可以在或者（提取码：c073）下载源代码测试使用。
这里是设置账户的截图：
这里是登陆的截图：
结束语
希望读完这篇文章能对你有帮助，有什么不足之处万望指正（鞠躬）。
160331
LittleCoder
EOF