今天我们来讲关于使用python+opencv+face++来实现人脸验证及人脸解锁。代码量同样不多，你可以将这些代码运用在其它一些智能领域，如智能家居，进门的时候判断你是谁，也可以加入机器学习判断来的人是客人还是熟人。在讲之前我们会先适当的拓扑一下关于人脸识别的知识点。OK废话少说下面开始正是话题。

​

解锁原理：

原理呢，其实很简单，没有那么复杂难懂(当然除了官方语言之外)。我们先来通俗的说一下利用Face++实现人脸匹配的原理。给大家推荐一个学习交流的地方：923414804，现在你打开了摄像头，然后恰好你按下了抓取。抓取之后，你的脸部图片会上传到远程服务器，然后服务端会提取你的面部情况生成一个唯一的指纹(标识码)，这个指纹在Face++里面叫做face_token这个我们后面会继续讲到，这个指纹就代表你目前的身份。

​

上传完经过服务端分析收录之后，服务端会通过json发送给你一个数据包，这个数据包里面有你面部全部特征。

当你拿到服务端返回过来的json之后，将face_token提取出来(这很重要，face_token相当于一把钥匙)然后你把拿到的face_token放到python的if里面去判断如果face_token相符就验证成功，如果不相符那么解锁失败。

环境拓扑：

操作系统：windows7

Python版本：python2.7

OpenCV版本：2.x

Face++接口

实现方案：

1.上传面孔(这个上篇文章我们已经实现摄像头抓取，这篇文章我们不做啰嗦，直接用一张面部图片代替)上传后json会返回面部指纹(face_token)

2.创建人脸集合，并将步骤1返回的face_token加入到集合中去

3.通过python的if判断是否收录当前面孔

代码部分：

1.获取面孔face_token：

​

这里重点说一下request里面的内容：

api规定是要post提交，所以这里用了request.post()

传输的内容为请求的URL，图片路径(必填！可以是本地绝对路径，也可以是网络图片分别为image_file、image_url)data数据也就是payload里面的参数：

apikey/apisecret必填 没有的自行申请

return_attributes选填 里面有返回的数据 有年龄性别等等

return_landmark选填 是否检测返回人脸关键点0为不返回1为检测83个关键点2为检测106个关键点

运行效果：

我们随便找一张照片(对像素有要求的 切记 不然有的可能报错)

​

我们可以看到这个返回的json包里有很多的值，我们这里最重要的就是拿到这张脸的face_toen，然后保存起来，收录到服务端的时候需要。

注：这里可能有些朋友在网上随便找的照片可能报错，这很可能是图片像素的问题，尽量找高清的，运行后，人脸部分会被绿框标识。

2.创建人脸集合，并加入face_token

​

face_tokens里面填的就是刚才奥巴马图片返回的face_token，不要填错哦~

面部集合的名字也要记住，待会查询的时候也会用到的。

将上一部分获取到的face_token加入到一个新建的人脸集合中。

下次人脸对比将直接跟服务端收录的做指纹对比。这里再简单的点一下payload里面的几个参数：

display_name：人脸集合的名字

outer_id：FaceSet全局自定义标识

force_merge：

0：不将 face_tokens 加入已存在的 FaceSet 中，直接返回 FACESET_EXIST 错误

1：将 face_tokens 加入已存在的 FaceSet 中

face_tokens：传入的人脸标识

运行效果：

​

运行完毕后，会返回一个faceset_token，这个地方我们要记录下来，因为我们已经把我们的奥巴马的facetoken上传到服务端的我们创建的集合里了，这个faceset token就是我们的面部集合id 或者说是一个相册都可以。

3.判断是否为管理员：

​

我们将奥巴马的面部值(face token)放入python的if里面，将要去查询的面部集合(相册)设置为我们前面获取的faceset tokens，然后我们随便照一张照片匹配一下。

​

笔记本摄像头太low，很难识别，凑合看下效果吧，直接识别人脸还行。

​

完成~

当然，按理说到现在应该开始有喷子来喷，用图片解锁不安全了吧，没关系，如果你想做的更高级，完全可以加上一些摇头 眨眼等等乱七八糟的验证，安全性是可以做到的。