转载请注明出处：/hongbin_xu 或 /
文章链接：/hongbin_xu/article/details/74981819 或 /125
Face++介绍：
Face++平台提供一整套世界领先的人脸检测，人脸识别，面部分析的视觉技术服务。通过提供云端API、离线SDK等供用户进行开发，像支付宝人脸支付使用的技术就是Face++。（face++的介绍）
每个人在Face++的官网注册账号后可以申请新建API，填写相关信息后，随后会分配API key和 API Secrect。我们可以选择试用的服务，由于是免费的有的功能不支持。
分配的API key和 API Secrect，有了这两个东西才能调用api。
官网提供了API文档和演示。
打开api文档可以查看详细说明，很详细不多说了。
实验平台：
我的测试程序是在Ubuntu下自带的Python环境下编写，用到了Python-OpenCV，所以要装一下Python-OpenCV。
console下输入：
sudo apt-get install python-opencv
很快就会安装完成，并且会自动配置好环境变量。
import cv包和cv2包看看，发现没有报错，安装成功。
代码：
# -*- coding:utf-8 -*-import cv2import urllib2import urllibimport time#读取原图，并显示img = cv2.imread("football_players.jpeg")cv2.namedWindow("原图")cv2.imshow("原图", img)#URLhttp_url='https://api-/facepp/v3/detect' #用户信息key = "RU8VkInUd4zpcCo2GbKxPz90rPoaY5O0" secret = "01YadiHNX_Fpqw6saBYa2POD6ozL6gWu"#图片存储路径filepath = r"/home/xhb/Study/FaceRecognition/python-opencv-face++/football_players.jpeg"#这后面的都是给的示例代码，调用API接口boundary = '----------%s' % hex(int(time.time() * 1000))data = []data.append('--%s' % boundary)data.append('Content-Disposition: form-data; name="%s"\r\n' % 'api_key')data.append(key)data.append('--%s' % boundary)data.append('Content-Disposition: form-data; name="%s"\r\n' % 'api_secret')data.append(secret)data.append('--%s' % boundary)fr=open(filepath,'rb')data.append('Content-Disposition: form-data; name="%s"; filename=" "' % 'image_file')data.append('Content-Type: %s\r\n' % 'application/octet-stream')data.append(fr.read())fr.close()data.append('--%s--\r\n' % boundary)http_body='\r\n'.join(data)#buld http requestreq=urllib2.Request(http_url)#headerreq.add_header('Content-Type', 'multipart/form-data; boundary=%s' % boundary)req.add_data(http_body)try:#req.add_header('Referer','/')#post data to serverresp = urllib2.urlopen(req, timeout=5)#get responseqrcont=resp.read()print qrcont #打印出得到的结果except urllib2.HTTPError as e:print e.read()#进过测试前面的程序会返回一个字典，其中指出了人脸所在的矩形的位置和大小等，所以直接进行标注mydict = eval(qrcont)faces = mydict["faces"]faceNum = len(faces)print("识别到了%d个人脸"%(faceNum))for i in range(faceNum):face_rectangle = faces[i]['face_rectangle']width = face_rectangle['width']top = face_rectangle['top']left = face_rectangle['left']height = face_rectangle['height']start = (left, top)end = (left+width, top+height)color = (55,255,155)thickness = 3cv2.rectangle(img, start, end, color, thickness)cv2.namedWindow("识别后")cv2.imshow("识别后", img)cv2.waitKey(0)cv2.destroyAllWindows()# print type(resp)
程序不复杂，按照程序思路简单解释下：
1、指定图片的名称，读取图片，并显示。
#读取原图，并显示img = cv2.imread("football_players.jpeg")cv2.namedWindow("原图")cv2.imshow("原图", img)
把图片直接放在当前目录下即可（图片是巴萨的<(￣︶￣)>）。
2、填一些调用api相关的信息，根据需要自己改就行。
#URLhttp_url='https://api-/facepp/v3/detect' #用户信息key = "RU8VkInUd4zpcCo2GbKxPz90rPoaY5O0" secret = "01YadiHNX_Fpqw6saBYa2POD6ozL6gWu"#图片存储路径filepath = r"/home/xhb/Study/FaceRecognition/python-opencv-face++/football_players.jpeg"
从api文档可以查到，detect的URL：
https://api-/facepp/v3/detect
用户信息要填上自己在前面申请的API Key和API Secret。
要传送图片到face++的服务器去进行识别，填上图片所在的目录的路径：
当前目录路径+图片名。
#图片存储路径filepath = r"/home/xhb/Study/FaceRecognition/python-opencv-face++/football_players.jpeg"
3、中间的程序其实就是把信息封装一下，建立网络链接，然后跟服务器通信。调用urlopen()访问服务器，返回resp，打印结果。
try:#req.add_header('Referer','/')#post data to serverresp = urllib2.urlopen(req, timeout=5)#get responseqrcont=resp.read()print qrcont #打印出得到的结果except urllib2.HTTPError as e:print e.read()
4、resp是返回的数据。调用read()方法，转换成qrcont，这是个字符串，然后在终端打印出来。
终端的全部打印信息：
很明显，返回的resp是一个字典，其中记录了一些图片的信息，还有识别出的人脸的位置。
qrcont是一组字符串，调用eval()函数将其转换回字典类型，取出来再处理一下，在图片上标识出人脸的位置。
#进过测试前面的程序会返回一个字典，其中指出了人脸所在的矩形的位置和大小等，所以直接进行标注mydict = eval(qrcont)faces = mydict["faces"]faceNum = len(faces)print("识别到了%d个人脸"%(faceNum))for i in range(faceNum):face_rectangle = faces[i]['face_rectangle']width = face_rectangle['width']top = face_rectangle['top']left = face_rectangle['left']height = face_rectangle['height']start = (left, top)end = (left+width, top+height)color = (55,255,155)thickness = 3cv2.rectangle(img, start, end, color, thickness)
