基于django的人脸检测web平台搭建（Python3+Opencv，windows平台，内含代码） |
您所在的位置：网站首页 › 人脸识别信息库是什么东西 › 基于django的人脸检测web平台搭建（Python3+Opencv，windows平台，内含代码） |
基于django的人脸检测web平台搭建（Python3+Opencv，windows平台，内含代码）
|
现在很多“大厂”均提供基于AI的开放平台，以web的形式对外提供AI服务（人脸识别、OCR识别、语音识别等）。以人脸检测为例，用户通过特定的api接口上传需要检测的照片，然后web服务器对照片进行人脸检测，并将检测结果返回给用户。采用这种web部署人工智能产品的好处在于AI算法往往需要较多的配置、较高的服务器性能才能进行算法推演，这种方式使得管理员只需要管理和配置服务器即可，不需要再关注用户PC的配置和性能。另外，AI算法的更新也只需要在服务器上进行即可，适合生产环境的快速部署（小步快跑，快速迭代）。 本教程拟模仿上述流程，通过django框架搭建一个人脸检测web平台，以api接口形式对外提供服务。这里为了简单，只使用opencv提供的现成的人脸检测算法来进行检测，实际情况下可以根据服务器配置（GPU性能）采用更高级的人脸检测算法（例如基于深度学习的MTCNN人脸检测算法等）来提高检测精度。 开发环境python 3.6 (安装教程：https://blog.csdn.net/qianbin3200896/article/details/81098498) 额外的python包和库： pip install numpy pip install django==1.11.14 pip install requests另外，还需要安装opencv来进行人脸检测。opencv安装包下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv 这里由于使用的是python3.6版本，主机为64位win7系统，因此选择opencv_python‑3.4.5‑cp36‑cp36m‑win_amd64.whl进行下载和安装： pip install opencv_python-3.4.5-cp36-cp36m-win_amd64.whl 开发1.创建项目和应用 django-admin startproject facedetection然后cd到项目根目录： cd facedetection下面创建一个应用： python manage.py startapp app最后，将新添加的app应用添加到项目中，打开facedetection子文件夹下的settings.py文件，找到其中的INSTALLED_APPS字段，再该字段末尾添加app应用： INSTALLED_APPS = [ 'django.contrib.admin', 'django.contrib.auth', 'django.contrib.contenttypes', 'django.contrib.sessions', 'django.contrib.messages', 'django.contrib.staticfiles', 'app',#添加新的app应用 ]新添加的应用下面有多个文件，包括views.py、models.py等。由于我们需要开发基于rest-api的接口，因此大部分代码都会在views.py文件中编写。 2. 编写后台api接口 首先在views.py文件中导入一些库： from django.shortcuts import render # django的模板渲染包 ### Initializing the imports import numpy as np # 矩阵运算 import urllib # url解析 import json # json字符串使用 import cv2 # opencv包 import os # 执行操作系统命令 from django.views.decorators.csrf import csrf_exempt # 跨站点验证 from django.http import JsonResponse # json字符串返回为了能够进行人脸检测，需要使用特定的人脸检测器，一般情况下需要运用机器学习算法进行训练得到，幸运的是Opencv自带高效的人脸检测器，可以无需训练直接拿来使用。在Opencv的安装目录中找到haarcascade_frontalface_default.xml，也可以从本教程最后提供的代码链接中获取得到。该xml文件定义了训练好的人脸特征检测器，只需要在Opencv中导入该文件即可进行人脸检测。为了方便项目使用，将该xml文件放置在项目根目录下（与manage.py文件同一目录）。 继续编辑views.py文件，添加代码如下： face_detector = "haarcascade_frontalface_default.xml" # 默认放置在项目根目录下 @csrf_exempt #用于规避跨站点请求攻击 def facedetect(request): default = {"safely executed": False} #初始未执行 #规定客户端使用POST请求上传检测图片 if request.method == "POST": if request.FILES.get("image", None) is not None: #请求中包含图像则以流形式读取图像 image_to_read = read_image(stream = request.FILES["image"]) else: # 以URL形式读取图像 url_provided = request.POST.get("url", None) if url_provided is None: default["error_value"] = "未提供URL路径" return JsonResponse(default) image_to_read = read_image(url = url_provided) #以url形式读取图像 image_to_read = cv2.cvtColor(image_to_read, cv2.COLOR_BGR2GRAY) #彩色图像转灰度 detector_value = cv2.CascadeClassifier(face_detector) #生成人脸检测器 #进行人脸检测 values = detector_value.detectMultiScale(image_to_read, scaleFactor=1.1, minNeighbors = 5, minSize=(30,30), flags = cv2.CASCADE_SCALE_IMAGE) #将检测得到的人脸检测关键点坐标封装 values=[(int(a), int(b), int(a+c), int(b+d)) for (a,b,c,d) in values] default.update({"#of_faces": len(values), "faces":values, "safely_executed": True }) return JsonResponse(default)上述代码以POST请求方式处理请求，同时提供两种文件上传方式，一种就是以url形式提供，还有就是将图像内容封装在request的FILES中，然后解析得到。因此，也就需要两种读取图片的方式，这里额外编写了read_image函数用于处理，具体代码为： def read_image(stream=None, url=None): if url is not None: response = urllib.request.urlopen(url) data_temp = response.read() elif stream is not None: data_temp = stream.read() image = np.asarray(bytearray(data_temp), dtype="uint8") image = cv2.imdecode(image, cv2.IMREAD_COLOR) return image至此，视图函数已经处理完毕。接下来添加访问路由，打开facedetection子文件夹下的urls.py文件，添加路由： from django.conf.urls import url from django.contrib import admin from app.views import facedetect #导入人脸检测视图函数 urlpatterns = [ url(r'^admin/', admin.site.urls), url(r'^facedetect/$', facedetect, name='facedetect'), #添加对应的路由 ]最后启动项目： python manage.py runserver默认当前服务器运行在 http://127.0.0.1:8000/ 上。 3. 编写本地调用demo 下面以一个简单的python脚本为例，将本地的图片上传至服务器进行人脸检测，图片名为：temp.jpg。新建脚本test_run.py，代码如下： import cv2, requests url = "http://localhost:8000/facedetect/" # web地址(http://localhost:8000)+访问接口（facedetect） # 上传图像并检测 #tracker = {"url": "https://image.ibb.co/cPrdgS/image5.jpg"} tracker = None files = { "image":("filename2", open("temp.jpg", "rb"), "image/jpeg"), } req = requests.post(url,data=tracker,files=files).json() print("temp.jpg: {}".format(req)) # 将检测结果框显示在图像上 image_to_read = cv2.imread("temp.jpg") for (w,x,y,z) in req["faces"]: cv2.rectangle(image_to_read,(w,x), (y,z), (0, 255, 0), 2) cv2.imshow("检测图像", image_to_read) cv2.waitKey(0)运行脚本： python test_run.py结果如下图所示：
上面代码提供了两种上传方式，一种是本地图片上传的方式，也是代码中使用的方式。还有一种就是直接传输图片的url路径，此时只需要将 requests.post中的files参数设置为None即可。 3.web在线调用 上面提供了一种本地调用接口的方式。本节讲解一种在线web调用的方式，即用户在网页上上传一张照片，然后单击提交即可在网页上实现人脸检测。这种方式可以方便的让用户无需编写任何脚本代码即可体验功能。首先来编写网页，在app文件夹下创建templates文件夹（不要修改该文件夹名字，因为django有自动搜索模板机制，以templates命名），然后在templates文件夹下创建一个index.html文件。编辑index.html文件如下： {% load staticfiles %} 人脸检测平台 function ProcessFile(e) { var file = document.getElementById('file').files[0]; if (file) { var reader = new FileReader(); reader.onload = function (event) { var txt = event.target.result; var img = document.createElement("img"); img.src = txt; //将图片base64字符串赋值给img的src document.getElementById("result").appendChild(img); }; } reader.readAsDataURL(file); } function contentLoaded() { document.getElementById('file').addEventListener('change', ProcessFile, false); } window.addEventListener("DOMContentLoaded", contentLoaded, false); 请选取一个图像文件:
提交
function ShowResult(data) {
var v = data['img64'];
var img = document.createElement("img_new");
img.src = "data:image/jpeg;base64, " + v;
document.getElementById("result_new").appendChild(img);
ewmtp.src = "data:image/jpeg;base64, " + v;
}
$('#lgbut_compute').click(function () {
formdata = new FormData();
var file = $("#file")[0].files[0];
formdata.append("image", file);
$.ajax({
url: '/facedetectDemo/', //调用django服务器计算函数
type: 'POST', //请求类型
data: formdata,
dataType: 'json', //期望获得的响应类型为json
processData: false,
contentType: false,
success: ShowResult //在请求成功之后调用该回调函数输出结果
})
})
该文件提供了输入组件让用户上传照片，当用户单击“提交”按钮时通过ajax技术将照片发送至服务器，然后根据回调函数ShowResult接收服务器返回的检测结果，最后将检测结果图像进行显示。在该过程中尤其需要注意图像的base64编码和使用。 接下来，为了管理方便，额外的编写后端接口，在views.py文件中添加代码如下： def home(request): return render(request, 'index.html') import base64 @csrf_exempt #用于规避跨站点请求攻击 def facedetectDemo(request): default = {"safely executed": False} #初始未执行 #规定客户端使用POST请求上传检测图片 if request.method == "POST": if request.FILES.get('image') is not None: #请求中包含图像则以流形式读取图像 image_to_read = read_image(stream = request.FILES["image"]) else: # 返回错误说明 default["error_value"] = "提交格式错误，无法解析到image图像" return JsonResponse(default) imgGray = cv2.cvtColor(image_to_read, cv2.COLOR_BGR2GRAY) #彩色图像转灰度 detector_value = cv2.CascadeClassifier(face_detector) #生成人脸检测器 #进行人脸检测 values = detector_value.detectMultiScale(imgGray, scaleFactor=1.1, minNeighbors = 5, minSize=(60,60), flags = cv2.CASCADE_SCALE_IMAGE) #将检测得到的人脸检测关键点坐标封装 values=[(int(a), int(b), int(a+c), int(b+d)) for (a,b,c,d) in values] #将检测框显示在原图上 for (w,x,y,z) in values: cv2.rectangle(image_to_read,(w,x), (y,z), (0, 255, 0), 2) retval, buffer_img= cv2.imencode('.jpg', image_to_read) #在内存中编码为jpg格式 img64 = base64.b64encode(buffer_img) #base64编码转换用于网络传输 img64=str(img64, encoding='utf-8') #bytes转换为str类型 default["img64"] = img64 #json封装 return JsonResponse(default)其中home函数用来显示首页，通过django的render函数将index.html模板文件进行渲染。接下来重点需要关注facedetectDemo函数，该函数是为了在线web调用而进行的人脸检测接口简化版本，其中大部分代码与facedetect函数一致，但是在返回结果时需要注意图像的编解码问题，即先将图像压缩编码成jpg格式，然后转化成base64方便网络传输，最后再转化成str类型封装成json字符串返回。 最后，添加对应的路由，打开urls.py文件，编辑代码如下： from django.conf.urls import url from django.contrib import admin from app.views import facedetect,home,facedetectDemo urlpatterns = [ url(r'^admin/', admin.site.urls), url(r'^facedetect/$', facedetect, name='facedetect'), url(r'^$', home, name='home'), url(r'^facedetectDemo/$', facedetectDemo, name='facedetectDemo'), ]运行项目： python manage.py runserver在页面上上传图像，然后单击“提交”进行测试，最终效果图如下：
4.代码下载 最后给出部分代码链接：https://download.csdn.net/download/qianbin3200896/11094507
|
【本文地址】
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |