【AI产品】零基础实现图像识别小功能

在我们身边，到处都有人脸识别的技术，像我们平时使用的iPhone手机，照片里面有一个“人物”的功能，它能够将照片里面的人物识别出来，然后进行分类，iPhoneX还可以扫脸解锁手机。再比如，家里面的智能电视，当你看到某个片段某个人时，电视就可以告诉你这个人是谁，演过些什么电影。这些背后都离不开人脸识别的技术。

这篇文章将详细介绍，怎样安装和使用Python语言，利用百度大脑提供的AI接口，从0开始，一步一步来做一个人脸识别的功能，通过人脸识别分析人物的年龄、性别和颜值，以及在人脸上描出72个特征点，最后我们将在浏览器查看效果。

先来看一下最终实现的效果：

spyder7.jpg

准备

电脑与windows系统

第一步 安装开发环境

我们选择用Python语言，Python目前是机器学习中比较流行的语言，入门简单，功能强大。安装Python的方式有很多种，我们选择用anaconda的方式，anaconda相当于一个工具包，将Python和一些常用的包打包一起，下载好就可以直接使用，非常方便，而且是免费的。

1.1 下载anaconda

直接登录anaconda官网下载 <u>https://www.anaconda.com/download/</u>

<figure> image

</figure>

下载完，双击安装文件，开始安装anaconda

<figure> image

</figure>

点击“Next”

<figure> image

</figure>

点击“I Agree”

<figure> image

</figure>

点击“Next”

<figure> image

</figure>

选择安装位置（可以默认不变），点击“Next”

<figure> image

</figure>

点击“Install”开始安装

<figure> image

</figure>

点击“Finsh”，安装完成。

1.2 安装 spyder

打开anaconda

<figure> image

</figure>

进入anaconda首页

<figure> image

</figure>

在anaconda首页，上图红框spyder这里点击“install”，spyder是Python的一个简单的集成开发环境。如果是已安装的话，“install”的按钮会显示“Launch”，点击就可以启动spyder，我们可以在spyder里面编写代码。

1.3 检查Python环境是否正常

打开anaconda，点击左侧“Environments”，然后点击“base(root)”右边的小三角，在弹出的内容里面，选择“Open with Python”

<figure> image

</figure>

弹出系统命令窗口，如显示下面内容，则表示Python安装成功。

<figure> image

</figure>

第二步 注册获取百度AI接口

要实现人脸识别有很多方式，可以自己写算法，也可以利用一些AI平台提供的开放接口，我们选择用百度大脑提供的人脸识别接口来实现。

2.1 登录百度AI开放平台

打开 <u>http://ai.baidu.com/</u>

<figure> image

</figure>

点击页面右上角“控制台”，选择“人脸识别”

PS：需要先登录百度账号，如果没有百度账号需要注册一个。

2.2 创建应用

进入“人脸识别”后，点击“创建应用”按钮

<figure> image

</figure>

进入创建应用页面

<figure> image

</figure>

填写好点击下面的“立即创建”，提示创建成功。

<figure> image

</figure>

点击“查看应用详情”

<figure> image

</figure>

如上截图，红框里面的 AppID、API Key 和 Secret Key 这三个内容很重要，等下调用接口时候，需要它们做签名验证。

第三步 安装web应用框架

在开始编写代码之前，为了让我们编写的代码，可以通过网页的形式展示出来，方便我们浏览效果，我们还需要做多一步。我们需要搭建一个简单的Web应用，对于Python来说，有很多Web框架可以让我们快速搭建Web应用，这里我们选择Django框架。

3.1 安装Django框架

打开anaconda，点击左侧“Environments”，然后点击“base(root)”右边的小三角，在弹出的内容里面，选择“Open Terminal”

<figure> image

</figure>

弹出命令窗口

<figure> image

</figure>

在弹出的这个命令窗口，我们使用pip来安装django框架

PS：pip是一个安装和管理 Python 包的工具，在我们使用python开发项目的过程，很多时候需要下载一些包，都可以通过pip来安装，非常简单，也很方便。我们安装anaconda后，默认都会安装pip的工具，所以我们直接使用就可以。

在上面的命令窗口输入以下命令：

pip install django

然后按回车开始安装

<figure> image

</figure>

<figure> image

</figure>

按回车后，大概需要几分钟时间，就会自动安装好，中间不需要任何操作，直到出现上面这个提示，就代表已经安装成功！

第四步 编写代码

好了，该准备的工作我们都准备好了，接下来就可以创建项目，然后正式编写代码。这一步其实没大家想的复杂，只需要几十行代码就可以实现我们要的效果，当然，如果要完全熟悉代码，甚至了解背后更深的逻辑，需要付出更多时间去学习。

4.1 创建项目

我们先创建一个web项目，通过anaconda打开命令窗口（参考上一步）

<figure> image

</figure>

然后切换路径，切换到我们想创建项目的位置，注意，我这里是放在电脑的F盘里面的test文件夹，所以先在上面的命令窗口中，输入f: 按回车切换到F盘

<figure> image

</figure>

再输入 cd test 按回车进入test文件夹

<figure> image

</figure>

如上截图，我们现在已经进入F盘的test文件夹目录下了，在这里我们创建一个名称为 Face_Recognition 的项目，直接输入以下命令创建项目，然后按回车：

django-admin.py startproject Face_Recognition

<figure> image

</figure>

创建后我们打开电脑对应的目录，如果看到 Face_Recognition 的文件夹，就说明创建成功了

PS：如果没看到 Face_Recognition 的文件夹，说明创建失败，可以将创建命令改成：

django-admin startproject Face_Recognition

<figure> image

</figure>

双击打开Face_Recognition这个文件夹，里面有一个文件夹和一个py的文件

<figure> image

</figure>

然后我们启动服务器，启动后，我们就可以通过浏览器来访问这个项目。

回到刚才的命令窗口，先进入到Face_Recognition的目录里面，然后输入以下命令，按回车：
python manage.py runserver 0.0.0.0:8000

<figure> image

</figure>

这样我们就启动服务器了，接下来我们打开浏览器，在浏览器地址栏输入：

127.0.0.1:8000

如果正常启动，浏览器会显示下面的页面

<figure> image

</figure>

PS：服务器启动后，这个命令窗口不要关掉哦，让它运行着就可以，如果关掉的话，浏览器将无法访问页面。后面需要使用命令窗口，可以重新打开一个。

4.2 创建页面

项目创建成功后，接下来，我们就可以打开spyder，新建页面，然后开始编写代码了。

我们需要新建两个页面，分别是：

recognition.py 用来处理人脸识别

view.html 模板文件，用来处理页面展示

我们先了解下这两个页面的逻辑：

1）首先，我们在 view.html 里面选择图片，提交给 recognition.py 处理；

2）recognition.py 接收到图片后，进行人脸识别，然后将分析结果返回给 view.html；

3）view.html 将 recognition.py 返回的分析结果展示出来。

PS：新建这两个页面的时候，需要注意文件所放的目录。

recognition.py 是放在 F:\test\Face_Recognition\Face_Recognition，即跟urls.py 在同个目录。

view.html 是放在 templates 文件夹里面，我们需要在 F:\test\Face_Recognition 创建 templates 文件夹，即跟 manage.py 在同个目录。

好了，我们开始动手做吧

首先打开 spyder

<figure> image

</figure>

点击上图左上角的按钮，新建页面

<figure> image

</figure>

新建后，我们先点击左上角红框位置的保存按钮，把它保存为 recognition.py，然后再新建和保存 view.html

<figure> image

</figure>

4.3 编写代码
按照两个页面逻辑顺序，我们先编写view.html页面，让它可以选择图片传给recognition.py，打开刚才新建的view.html，并输入下面代码：

<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>人脸识别demo</title>
</head>
<body>
<form action="/recognition" method="post" enctype="multipart/form-data">
    {% csrf_token %}
    <input type="file" name="pic">
    <input type="submit" value="提交">
</form>
{{ pic }}
</body>
</html>

上面这段代码通过表单提交图片，然后传给 /recognition路径去处理

为了让django框架知道这个模板文件的路径，我们需要修改 F:\test\Face_Recognition\Face_Recognition\settings.py 文件，修改 TEMPLATES 中的 DIRS 为 [BASE_DIR+"/templates",]，如下所示：

<figure> image

</figure>

接下来，我们打开 recognition.py 文件，输入以下代码：

from django.shortcuts import render

def recognition_post(request):
    context ={}
    if request.POST:
        context['pic'] = request.FILES['pic']
 return render(request, "view.html", context)

这段代码创建 recognition_post 函数，用来接收表单提交的照片，提交数据给 view.html

为了让 view.html 这个页面和 recognition_post 函数能够完成这样的操作，我们需要配置URL，打开 F:\test\Face_Recognition\Face_Recognition\urls.py，删除原来代码，将以下代码复制粘贴到 urls.py 文件中：

from django.conf.urls import url
from . import recognition

urlpatterns = [
    url(r'^recognition$', recognition.recognition_post),
]

OK，我们可以在浏览器输入 http://127.0.0.1:8000/recognition，浏览下效果

<figure> image

</figure>

PS：为了解决在django里面图片路径显示的问题，我们需要创建一个和templates同级的文件夹static，在static下创建images文件夹，然后将用来测试的图片存在images里面。

然后，打开 settings.py 文件文件，在末尾添加如下代码：

STATIC_URL = '/static/' 
STATICFILES_DIRS = ( os.path.join(BASE_DIR, 'static').replace('\\', '/'), )

接下来，我们在 recogniton.py 使用百度人脸识别的接口，来识别提交的图片，在调用接口前，我们需要先安装一下Python SDK，在anaconda中打开命令窗口（参考前面第三步），在命令窗口输入：

pip install baidu-aip

<figure> image

</figure>

出现红框的 Successfully installed baidu-aip-2.2.5.2 提示安装成功。

我们重新编辑 recognition.py，完整代码如下：

# -*- coding: utf-8 -*-
from django.shortcuts import render
from aip import AipFace
import base64
import json

# 需要安装PIL，它是一个图像处理库。安装语句：pip install pillow  安装方法参考上面安装django
import PIL
from PIL import Image
from PIL import ImageDraw

## 百度接口信息
APP_ID = '1******7'
API_KEY = 'y7VFQ**********0wRiplh'
SECRET_KEY = '2zLjGOD***********roqFg6ViHrpa'

client = AipFace(APP_ID, API_KEY, SECRET_KEY)

imageType = "BASE64"

# 定义参数变量  
options = {}
options["max_face_num"] = 1
options["face_field"] = "age,beauty,gender,landmark"
## 百度接口信息

def recognition_post(request):
    content ={}

    if request.POST:

         with open("./static/images/"+str(request.FILES['Photo']),"rb") as f:  
            base64_data = base64.b64encode(f.read())
            image = str(base64_data, encoding='utf-8');
            result = client.detect(image, imageType, options)

        content['Photo'] = "/static/images/"+str(request.FILES['Photo'])

        # 将百度接口返回的数据转成json对象
        json_str = json.dumps(result)
        # 对数据进行解码
        json_data = json.loads(json_str)

        content['age'] = json_data['result']['face_list'][0]['age']
        content['beauty'] = json_data['result']['face_list'][0]['beauty']
        gender = json_data['result']['face_list'][0]['gender']['type']
        if gender == 'female':
            content['gender'] = "女性"
        else:
            content['gender'] = "男性"
        landmark72 = json_data['result']['face_list'][0]['landmark72']

        im1=Image.open("./static/images/"+str(request.FILES['Photo']))
        draw = ImageDraw.Draw(im1)
        for index in range(72):
            xy = landmark72[index]
            draw.text((xy['x'], xy['y']),"o",(255,255,0))
        draw = ImageDraw.Draw(im1)
        im1.save("static/images/target_img.jpg")
        content['target_img'] = "/static/images/target_img.jpg"

    return render(request, "view.html", content)

以上代码，主要是通过接口来识别照片里面的人物，分析人物的年龄和性别，给人物的颜值打分，以及标记人脸的72个特征点，然后通过最后一句代码将这些内容传给 view.html

PS：代码中APP_ID、API_KEY和SECRET_KEY就是我们在第二步创建百度AI应用时获取的，请填写自己获取的对应内容。

然后我们再打开 view.html，将 recognition.py 识别后传过来的分析结果呈现出来，完整代码如下：

<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>人脸识别</title>
</head>
<body>
<form action="/recognition" method="post" enctype="multipart/form-data">
    {% csrf_token %}
    <input type="file" name="Photo">
    <input type="submit" value="提交">
</form>

{% if Photo %}
<p><img src={{ Photo }} width="300">
{% if target_img %}<img src={{ target_img }} width="300">{% endif %}
</p>
<p>年龄：{{ age }}岁<p>
<p>颜值：{{ beauty }}分<p>
<p>性别：{{ gender }}{{ face_type }}<p>
{% endif %}
</body>

</html>

好了，以上就是所有的代码了，接下来，我们打开浏览器，看一下整个效果吧

<figure> image

</figure>

恭喜，走到这一步，我们就完成了人脸识别的效果，是不是有点激动，呵呵！

从开始安装环境到通过浏览器访问效果，对于熟悉代码的人来说，其实很简单，但对于刚接触的小白来说，却是挺不容易，整个过程必然会遇到很多坑，希望通过这篇文章，大家尽量少走些坑，同时，也欢迎大家来沟通交流【微信·公众号：chuangxin_share】，一起学习：）