这是我参与11月更文挑战的第3天，活动详情查看：2021最后一次更文挑战

一、前言

今天给大家带了的人脸识别非常简单，不需要大家了解TensorFlow，只需要对Python基本语法有一定了解。由于TensorFlow的火爆，把人脸识别再度推向我们的视线。像前段时间比较火的dee pfake，和人脸支付技术。虽然现阶段人脸识别仍有很大的争议性，但是它已经走进我们的视线当中了。很多小区在门禁系统中加入了人脸识别的功能，有些景区也添加了刷脸通道。但是对于技术的争议不是今天探讨的课题。下面开始我们的准备工作。

二、准备工作

今天是通过使用百度的SDK来实现的，首先我们要进入AI开放平台。

我们选择开放能力->人脸与人体识别->人脸识别，进入后或出现下面page1的界面，点击立即使用。

点击后出现page2的界面。登录自己的账号就可以了。进去后我们会看到如下page3界面。如果没有应用就创建应用：

如果应用的话就管理应用。然后我们看到page4中几个重要的参数。分别是AppID、API Key、Secret Key。到这里我们的准备工作就完成了。初步准备工作完成了，我们还需要做一件事，就是下载人脸识别的SDK。我们可以点击page4中的服务端SDK下载Python对应的SDK，也可以使用pip下载：

pip install baidu-aip

接下来我们就可以着手代码的编写了。

三、实现人脸识别

使用SDK实现人脸识别非常简单，下面我会从最简单的人脸识别开始。然后识别多个人脸，再到情绪识别、年龄识别等。

3.1、人脸识别

人脸识别非常简单，首先需要我们上面申请到的3个参数：

# 导入需要用的模块
from aip import AipFace

# 准备AppID、API Key、Secret Key
APP_ID = '18101974'
API_KEY = 'HG5NFSFpfBiqqmBYVBpXQFKs'
SECRET_KEY = 'ytdOFrcBxZvvGlMKGtmkmpBQ6arbjupx'

# 调用人脸检测
client = AipFace(APP_ID, API_KEY, SECRET_KEY)

# 图片的类型，三种可选BASE64、URL、FACE_TOKEN
image_type = 'URL'
# 图片的url
iamge = 'https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1577292322895&di=f7fa123b95016762f1f0c3d2999328c4&imgtype=0&src=http%3A%2F%2Fww1.sinaimg.cn%2Flarge%2Fc7b64b24jw1f7k7i3aap4j20qo1407ck.jpg'

# 识别人脸
face_data = client.detect(iamge, image_type)

在识别人脸时，我们调用了client.detect()方法，在上面的例子中，接收了两个参数。分别是image和image_type。参数详情如下：

参数名称	参数类型	参数作用
image	string	图片信息(总数据大小应小于10M)，图片上传方式根据image_type来判断
image_type	string	图片类型 BASE64:图片的base64值，base64编码后的图片数据，编码后的图片大小不超过2M；URL:图片的 URL地址( 可能由于网络等原因导致下载图片时间过长)；FACE_TOKEN: 人脸图片的唯一标识，调用人脸检测接口时，会为每个人脸图片赋予一个唯一的FACE_TOKEN，同一张图片多次检测得到的FACE_TOKEN是同一个

可以看到，image_type可以为三种值，这里我们选用url的方式。

其返回的为json数据，具体数据就不给大家展示了，其结构如下和image链接的图片如下：

其中，左边为image链接的图片。虽然很漂亮，但是这不是我们研究的重点，我们把视线转移到右边这段冷冰冰的文字，我选取几个重要参数和大家说一下：

参数名称	参数类型	参数作用
face_list	array	人脸信息列表
+face_probability	double	人脸置信度，范围【0~1】，代表这是一张人脸的概率，0最小、1最大。
+location	array	人脸的位置
++left	double	人脸区域离左边界的距离
++top	double	人脸区域离上边界的距离
++width	double	人脸区域的宽度
++height	double	人脸区域的高度
++rotation	int64	人脸框相对于竖直方向的顺时针旋转角，[-180,180]
+face_num	int	人脸的个数

从上面的数据中，我们可以获取人脸的位置。我们可以将检测到的人脸裁剪下来，这就需要用的Pillow模块了。其安装如下：

pip install pillow

Pillow模块的一些简单操作可以看看这篇博客，因为我们只使用截图功能所以还是非常简单的。我们在上面的基础上加如下代码：

# 从Pillow中导入Image模块
from PIL import Image
import urllib

# 将image保存到本地文件
resp = urllib.request.urlopen(image_url)
f = open('im.jpg', 'wb')
f.write(resp.read())

# 使用Image模块，打开刚刚保存的图像
im = Image.open('im.jpg')

# 获取face_data中人脸的位置
left = face_data['result']['face_list'][0]['location']['left']
top = face_data['result']['face_list'][0]['location']['top']
width = face_data['result']['face_list'][0]['location']['width']
height = face_data['result']['face_list'][0]['location']['height']

# 截取人脸
face_im = im.crop((left, top, left+width, top+height))
face_im.save('face_im.jpg')

代码执行后截取的face_im.jpg如下：

上面这段代码有许多不严谨的地方，因为现在是简单的实现功能，所以没太在意。接下来我们实现更复杂的人脸识别，虽然在技术上要复杂的多，但是在代码上却没有什么太多的添加。

3.2、多人脸识别

也非常简单，我们执行上面代码，发现即使我们识别多人脸的图片，face_num依旧是1。这并非是识别失败，而是由一个参数决定的，即 max_face_num。其类型为string，默认值为1，所以我们只能识别一个人脸，我们将 识别人脸代码修改如下：

# 类型依旧是URL
image_type = 'URL'
# 一张包含多个人脸的image
image = 'https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1577296093031&di=f88c884ea4440935055c704fd20c0549&imgtype=0&src=http%3A%2F%2F5b0988e595225.cdn.sohucs.com%2Fimages%2F20180209%2F3a8e9aca0b8c481298246a26451bf242.jpeg'

# 准备参数
options = {}
options['max_face_num'] = '4'

# 识别人脸，比之前多了个options，options为字典类型
face_data = client.detect(image, image_type, options)

我们修改后，face_data将最多返回四个人脸数据。所以我们需要多face_list进行遍历：

# 将url中的图片保存到本地
resp = urllib.request.urlopen(image_url)
f = open('im.jpg', 'wb')
f.write(resp.read())

# 打开图片
im = Image.open('im.jpg')
# 用于区分图片
n = 0
# 遍历face_list
for i in face_data['result']['face_list']:
    n += 1
    left = i['location']['left']
    top = i['location']['top']
    width = i['location']['width']
    height = i['location']['height']

    # 截图并保存
    face_im = im.crop((left, top, left + width, top + height))
    face_im.save('face_im' + str(n) + '.jpg')

执行上面代码后我们截取到如下几个人脸（左边为原图，右边为人脸）：

因为设置max_face_num为4，所以检测到了四张人脸。

3.3、情绪识别

识别情绪也非常简单，我们在传入参数时再添加如下参数：

# 准备参数
options = {}
options['face_field'] = 'expression'

在添加该参数后，返回数据中，face_list下多了参数 expression 。具体结构如下：

我们识别其中蓝色的即为识别出来的情绪。

除此之外，我们还可以识别性别、年龄、颜值、是否带眼睛、单双眼皮、情绪等...更详细的内容可以参考其官方文档Python-SDK

四、总结

除了上面这些简单操作外，SDK还提供了更加复杂的人脸服务。像人脸注册、人脸更新、身份验证等功能，这种面相企业的应用，个人认为还是不要过度依赖。无止境的广告短信，莫名其妙的推销电话，这些都是信息泄露的后果。在大数据时代，人类没有隐私可言。即使是对于软件行业的人来说，很多东西依旧是无可奈可。所以我们需要多加注意，对自己的隐私多留一份心。