zoukankan      html  css  js  c++  java
  • face++ API接口调用

    人脸识别

      首先我想描述一下,在学校的时候一直好奇人脸识别与人脸检测这个技术,之后做了很多实验,曾经使用过很多简单的算法来做人脸相似度对比,比如:夹角余弦算法、判断两个矩阵之间对应位置元素相同来做统计、直方图比对、欧氏距离、绝对值距离等等很多这种低级的实验我都做过,一次次的识别让我感到万分难过。之后我不在最求这种算法的研究了,改成了看别人如何实现的,你也实现出来就好。很多人说这是it从业者的征兆,这样我彻底相信了,因为作为一个it开发的从业工作者,不能什么东西都需要自己开发,公司的要求是尽快的把项目赶出来,才能到达利益最大化。下面我为大家带来我在学校一直实验的人脸识别实现吧。当然我是在调用别人的接口。

    1、导入所需要的包

    import requests
    from json import JSONDecoder
    import cv2
    导包

    2、定义请求返回数据画出人脸

    def drawFace(face_rectangle,img):
        width = face_rectangle['width']
        top = face_rectangle['top']
        left = face_rectangle['left']
        height = face_rectangle['height']
        start = (left, top)
        end = (left + width, top + height)
        color = (55, 255, 155)
        thickness = 3
        cv2.rectangle(img, start, end, color, thickness)
    定义函数

    3、准备好post请求的地址、key、password。

    compare_url = "https://api-cn.faceplusplus.com/facepp/v3/compare"
    key = "5Ut_EUtu3dG8Q60UBQdj8_LICgc4KByR"
    secret = "cWXtsKOMx62m8zHUx810MG-0oGoOnhSO"
    
    faceId1 = "img_test/tong1.jpg"  # 图片地址
    faceId2 = "img_test/tong2.jpg"  # 图片地址
    
    data = {"api_key": key, "api_secret": secret}
    files = {"image_file1": open(faceId1, "rb"), "image_file2": open(faceId2, "rb")}
    response = requests.post(compare_url, data=data, files=files)
    发送请求

    4、对http返回数据进行转换提取

    req_con = response.content.decode('utf-8')
    req_dict = JSONDecoder().decode(req_con)
    
    print(req_dict)
    
    #置信度,越高说明越像
    confindence = req_dict['confidence']
    print(confindence)
    
    #将人脸框出来
    face_rectangle_1 = req_dict['faces1'][0]['face_rectangle']
    # print(face_rectangle_1)
    face_rectangle_2 = req_dict['faces2'][0]['face_rectangle']
    View Code

    5、画出检测对比的人脸

    img1 = cv2.imread(faceId1)
    img2 = cv2.imread(faceId2)
    
    if confindence>=80:
        drawFace(face_rectangle_1,img1)
        drawFace(face_rectangle_2,img2)
    
    #图片过大,调整下大小
    img1 = cv2.resize(img1,(500,500))
    img2 = cv2.resize(img2,(500,500))
    
    cv2.imshow("img1",img1)
    cv2.imshow("img2",img2)
    
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    View Code

    6、下面是完整代码:

    # coding:utf-8
    import
    requests from json import JSONDecoder import cv2 def drawFace(face_rectangle,img): width = face_rectangle['width'] top = face_rectangle['top'] left = face_rectangle['left'] height = face_rectangle['height'] start = (left, top) end = (left + width, top + height) color = (55, 255, 155) thickness = 3 cv2.rectangle(img, start, end, color, thickness) compare_url = "https://api-cn.faceplusplus.com/facepp/v3/compare" key = "5Ut_EUtu3dG8Q60UBQdj8_LICgc4KByR" secret = "cWXtsKOMx62m8zHUx810MG-0oGoOnhSO" faceId1 = "img_test/tong1.jpg" # 图片地址 faceId2 = "img_test/tong2.jpg" # 图片地址 data = {"api_key": key, "api_secret": secret} files = {"image_file1": open(faceId1, "rb"), "image_file2": open(faceId2, "rb")} response = requests.post(compare_url, data=data, files=files) req_con = response.content.decode('utf-8') req_dict = JSONDecoder().decode(req_con) print(req_dict) #置信度,越高说明越像 confindence = req_dict['confidence'] print(confindence) #将人脸框出来 face_rectangle_1 = req_dict['faces1'][0]['face_rectangle'] # print(face_rectangle_1) face_rectangle_2 = req_dict['faces2'][0]['face_rectangle'] img1 = cv2.imread(faceId1) img2 = cv2.imread(faceId2) if confindence>=80: drawFace(face_rectangle_1,img1) drawFace(face_rectangle_2,img2) #图片过大,调整下大小 img1 = cv2.resize(img1,(500,500)) img2 = cv2.resize(img2,(500,500)) cv2.imshow("img1",img1) cv2.imshow("img2",img2) cv2.waitKey(0) cv2.destroyAllWindows()

      

  • 相关阅读:
    renren fast快速开发系统平台
    质量体系推广中的APQP
    人员能力管理——车间看板工具
    【生物信息】RPKM, FPKM和TPM
    【深度学习与TensorFlow 2.0】图片分类——多层感知机
    【深度学习与TensorFlow 2.0】入门篇
    【bioinfo】生物信息学——代码遇见生物学的地方
    【web开发】docker中的数据库
    使用docker搭建数据分析环境
    【数据科学】Python数据可视化概述
  • 原文地址:https://www.cnblogs.com/wuzaipei/p/9471669.html
Copyright © 2011-2022 走看看