python 虚拟人脸,虚拟人脸生成

1、如何使用Python，基于OpenCV与Face++实现人脸解锁的功能

   Windows

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OpenC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 这里 （提取码：b6ec）下载，但是注意，。

将cv2加入sitepackages

将下载下来的 文件放入Python安装的文件夹下的 Libsitepackages 目录。

就我的电脑而言，这个目录就是 C:PythonLibsitepackages 。

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右键有在该目录开命令行的选项）

键入命令：

如果你的系统或者Python不适配，可以在 这里 下载别的轮子。

测试OpenC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。

OpenC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OpenC的基本操作。

以下操作是开摄像头的基本操作：

#coding=utf8

importcv2

# 一般笔记本的默认摄像头都是0

capInput = (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 (): 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('', 'rb').read()读取到的数据是一样的

ret, img = ()

# 你可以使用open的方式存储，也可以使用cv2提供的方式存储

('', 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 = ('')

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 = (imgWindowName, )

# 在窗口中显示图片

(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

()

# 释放所有窗口

()

在图片中检测到人脸的区域

OpenC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 = ('')

# 将图形存储的方式进行转换

gray = (img, )

# 使用模板匹配图形

faces = (gray, , 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 = (img, (x, y), (x w, y h), (), 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=utf8

importcv2

print('Press Esc to exit')

faceCascade = ('')

imgWindow = ('FaceDetect', )

defdetect_face():

capInput = (0)

# 避免处理时间过长造成画面卡顿

nextCaptureTime = ()

faces = []

if not (): print('Capture failed because of camera')

while 1:

ret, img = ()

gray = (img, )

if nextCaptureTime

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然后新建一个应用就可以使用了，非常方便。

他的方是 这个 ，注册好之后在 这里 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Pern，获取pern_id（Pern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pern_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jn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jn的face键值下。

#coding=utf8

importrequests

# 这里填写你的应用的API Key与API Secret

API_KEY = ''

API_SECRET = ''

# 目前的API是这个，你可以在API文档里找到这些

BASE_URL = '

# 使用Requests上传图片

url = '%s/detection/detect?api_key=%s

创建Pern

这个操作没有什么可以讲的内容，可以对照这段程序和方的API介绍。

方的API介绍可以见 这里 ，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_id

if not facesis None: faceIdList = [face['face_id'] for facein faces]

# 使用Requests创建Pern

url = '%s/pern/create'%BASE_URL

params = {

'api_key': API_KEY,

'api_secret': API_SECRET,

'pern_name': 'LittleCoder',

'face_id': ','.join(faceIdList), }

r = (url, params = params)

# 获取pern_id

print .()['pern_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’’, ‘’好了。

下面我给出了我的代码：

defupload_img(fileDir, oneface = True):

url = '%s/detection/detect?api_key=%s

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。

2、如何利用python进行精准人脸识别

   要调用api接口，建议用face的，支付宝的人脸识别都是用的这个。可能需要一点费用，不贵，代码里把fece的api接口放进代码就行，还可以可以检测情绪，年龄等等的。

当然也有其他人脸识别的api接口，自己发现吧，其实很多，但基本都不会免费，有的可以试用

，加入了新的类facerecognizer，我们可以使用它便捷地进行人脸识别实验。本文既介绍代码使用，又介绍算法原理。(他写的源代码，我们可以在opencv的opencv\modules\contrib\doc\facerec\src下找到，当然也可以在他的github中找到，如果你想研究源码，自然可以去看看，不复杂)

目前支持的算法有

eigenfaces特征脸createeigenfacerecognizer()

fisherfaces createfisherfacerecognizer()

localbinary patterns histograms局部二值直方图 createlbphfacerecognizer()

下面所有的例子中的代码在opencv安装目录下的samples/cpp下面都能找到，所有的代码商用或者学习都是免费的。

recognition

对人类来说，人脸识别很容易。文献[tu]中有描述。一个维的特征向量被用在一个大数据库上，单靠几何特征不能提供足够的信息用于人脸识别。

特征脸方法在文献[tp]。其中一个基本的想法就是，使类内方差最小的同时，使类外方差最大。

近年来，各种局部特征提取方法出现。为了避免输入的图像的高维数据，仅仅使用的局部特征描述图像的方法被提出，提取的特征(很有希望的)对于局部遮挡、光照变化、小样本等情况更强健。有关局部特征提取的方法有盖伯小波(gabor waelets)([wiskott])。使用什么方法来提取时域空间的局部特征依旧是一个开放性的研究问题，因为空间信息是潜在有用的信息。

database

我们先获取一些数据来进行实验吧。我不想在这里做一个幼稚的例子。我们在研究人脸识别，所以我们需要一个真的人脸图像！你可以自己创建自己的数据集，也可以从这里(下载一个。

at&tfacedatabase又称orl人脸数据库，个人，每人张照片。照片在不同时间、不同光照、不同表情(睁眼闭眼、笑或者不笑)、不同人脸细节(戴眼镜或者不戴眼镜)下采集。所有的图像都在一个黑暗均匀的背景下采集的，正面竖直人脸(有些有有轻旋转)。

3、人脸识别为什么用python开发

   可以使用OpenC，OpenC的人脸检测功能在一般场合还是不错的。而ubuntu正好提供了pythonopencv这个包，用它可以方便地实现人脸检测的代码。

写代码之前应该先安装pythonopencv：

#!/usr/bin/python

#?*?coding:?UTF8?*

#?

#?Face?Detection?using?OpenC.?Based?on?sample?code?from:

#?

#?Usage:?python

import?sys,?os

fromimport?*

fromimport?*

from?PIL?import?Image,?ImageDraw

from?math?import?sqrt

def?detectObjects(image):

"""Converts?an?image?to?grayscale?and?prints?the?locations?of?any?faces?found"""

grayscale?=?cvCreateImage(cvSize(,?),?8,?1)

cvCvtColor(image,?grayscale,?C_BGR2GRAY)

storage?=?cvCreateMemStorage(0)

cvClearMemStorage(storage)

cvEqualizeHist(grayscale,?grayscale)

cascade?=?cvLoadHaarClassifierCascade(

'/usr/share/opencv/haarcascades/',

cvSize(1,1))

faces?=?cvHaarDetectObjects(grayscale,?cascade,?storage,?,?2,

C_HAAR_DO_CANNY_PRUNING,?cvSize())

result?=?[]

for?f?in?faces:

((,?,?,?))

return?result

def?grayscale(r,?g,?b):

return?int(r?*?.b?*?.)

def?process(infile,?outfile):

image?=?cvLoadImage(infile);

if?image:

faces?=?detectObjects(image)

im?=?(infile)

if?faces:

draw?=?(im)

for?f?in?faces:

(f,?outline=())

(outfile,?"JPEG",?quality=)

else:

print?"Error:?cannot?detect?faces?on?%s"?%?infile

if?__name__?==?"__main__":

process('',?'')

能啊，你在ai申请一个api账，然后python编个程序调用api就可以了