【Python+百度API】实现人脸识别和颜值检测系统(包括人脸数量、年龄、颜值评分、性别、种族、表情检测)(超详细 附源码)

简介: 【Python+百度API】实现人脸识别和颜值检测系统(包括人脸数量、年龄、颜值评分、性别、种族、表情检测)(超详细 附源码)

需要源码请点赞关注收藏后评论区留下QQ~~~

本系统根据已有的模型上改写,添加了在给照片打分的同时可以显示照片,这样显得更加直观和真实

一、百度API文档

如需要请自行前往官网查询文档相关内容

百度API官网

部分内容如下

接口能力

  • 人脸检测:检测图片中的人脸并标记出位置信息。
  • 人脸关键点:展示人脸的核心关键点信息,及150个关键点信息。
  • 人脸属性值:展示人脸属性信息,如年龄、性别等。
  • 人脸质量信息:返回人脸各部分的遮挡、光照、模糊、完整度、置信度等信息。
  • 业务应用
    典型应用场景:如人脸属性分析基于人脸关键点的加工分析人脸营销活动等。

说明:检测响应速度,与图片中人脸数量相关,人脸数量较多时响应时间会有些许延长。

  • 质量检测
    如果需要判断一张图片中的人脸,是否符合后续识别或者对比的条件,可以使用此接口,在请求时在face_field参数中请求quality。基于返回结果quality中,以下字段及对应阈值,进行质量检测的判断,以保证人脸质量符合后续业务操作要求。
指标 字段与解释 推荐数值界限
遮挡范围 occlusion,取值范围[0~1],0为无遮挡,1是完全遮挡
含有多个具体子字段,表示脸部多个部位
通常用作判断头发、墨镜、口罩等遮挡
left_eye : 0.6, #左眼被遮挡的阈值
right_eye : 0.6, #右眼被遮挡的阈值
nose : 0.7, #鼻子被遮挡的阈值
mouth : 0.7, #嘴巴被遮挡的阈值
left_cheek : 0.8, #左脸颊被遮挡的阈值
right_cheek : 0.8, #右脸颊被遮挡的阈值
chin_contour : 0.6, #下巴被遮挡阈值
模糊度范围 blur,取值范围[0~1],0是最清晰,1是最模糊 小于0.7
光照范围 illumination,取值范围[0~255]
脸部光照的灰度值,0表示光照不好
以及对应客户端SDK中,YUV的Y分量
大于40
姿态角度 Pitch:三维旋转之俯仰角度[-90(上), 90(下)]
Roll:平面内旋转角[-180(逆时针), 180(顺时针)]
Yaw:三维旋转之左右旋转角[-90(左), 90(右)]
分别小于20度
人脸完整度 completeness(0或1),0为人脸溢出图像边界,
1为人脸都在图像边界内
视业务逻辑判断
人脸大小 人脸部分的大小
建议长宽像素值范围:80*80~200*200
人脸部分不小于100*100像素

二、结果展示

世界杯正在如火如荼的进行中 让我们看看球星C罗的颜值打分评价

可见系统里可以测出人物的相当多特征,包括年龄 性别 种族 表情等等

别惊讶 在AI的认知里 57.28分已经不低了

再让我们看看下一张照片的评分

篮球传奇巨星科比呢 看看他的评价 可见对于种族的判断还是十分准确

在看一看著名港星的 也是经典梗的出处   评分暂且不论 对于种族的判断依然准确

三、代码

部分代码如下

全部源码请点赞关注收藏后评论区留下QQ~~~

import tkinter as tk
from tkinter import filedialog, ttk
import base64
import json
import requests
from PIL import  Image,ImageTk
win = tk.Tk()
win.title("颜值检测")
#root=tk.Tk()
#root.title("展示图片")
photo=None
img=None
# 打开文件对话框
def getfile():
    file_path = filedialog.askopenfilename()
    to
    global img
    file_path = filedialog.askopenfilename()
    fpath.set(file_path)
    img=Image.open(file_path)
    photo=ImageTk.PhotoImage(img)
    imglabel=tk.Label(win,image=photo)
    imglabel.grid(row=0,column=0,columnspan=3)
def face_baidu():
    class BaiduPicIndentify:
        def __init__(self, img):
            self.AK = "juqVLsljMBigcM4soXoVmMGr"
            self.SK = "g5EgLoGOxEs3jogREqGVWUYl1e5tLkUL"
            self.img_src = img
            self.headers = {
                "Content-Type": "application/json; charset=UTF-8"
            }
        def get_accessToken(self):
            host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + self.AK + '&client_secret=' + self.SK
            response = requests.get(host, headers=self.headers)
            json_result = json.loads(response.text)
            return json_result['access_token']
        def img_to_BASE64(slef, path):
            with open(path, 'rb') as f:
                base64_data = base64.b64encode(f.read())
                return base64_data
        def detect_face(self):
            # 人脸检测与属性分析
            img_BASE64 = self.img_to_BASE64(self.img_src)
            request_url = "https://aip.baidubce.com/rest/2.0/face/v3/detect"
            post_data = {
                "image": img_BASE64,
                "image_type": "BASE64",
                "face_field": "gender,age,beauty,gender,race,expression",
                "face_type": "LIVE"
            }
            access_token = self.get_accessToken()
            request_url = request_url + "?access_token=" + access_token
            response = requests.post(url=request_url, data=post_data, headers=self.headers)
            json_result = json.loads(response.text)
            if json_result['error_msg'] != 'pic not has face':
                t1 = tk.Label(win, text=json_result['result']['face_num']).grid(row=4, column=1)
                t2 = tk.Label(win, text=json_result['result']['face_list'][0]['age']).grid(row=5, column=1)
                t3 = tk.Label(win, text=json_result['result']['face_list'][0]['beauty']).grid(row=6, column=1)
                t4 = tk.Label(win, text=json_result['result']['face_list'][0]['gender']['type']).grid(row=7, column=1)
                t5 = tk.Label(win, text=json_result['result']['face_list'][0]['race']['type']).grid(row=8, column=1)
                t6 = tk.Label(win, text=json_result['result']['face_list'][0]['expression']['type']).grid(row=9,
                                                                                                          column=1)
    if __name__ == '__main__':
        img_src = fpath.get()
        baiduDetect = BaiduPicIndentify(img_src)
        baiduDetect.detect_face()
#win = tk.Tk()
#win.title("颜值检测")
win.geometry("400x200")
fpath = tk.StringVar()
#ttk.Button(root,text='show',command=show).grid(row=1,column=1)
#root.mainloop()
l = tk.Label(win, text='颜值检测系统-由百度AI提供', bg='brown', font='黑体,20,bold', fg='white')
l.grid(row=1, column=0)
command=show()).grid(row=2,column=1)
ttk.Entry(win, textvariable=fpath).grid(row=2, column=1)
l1 = tk.Label(win, text='人脸数:')
l1.grid(row=4, column=0)
l2 = tk.Label(win, text='人物年龄:')
l2.grid(row=5, column=0)
l3 = tk.Label(win, text='人物颜值评分:')
l3.grid(row=6, column=0)
l4物表情:')
l6.grid(row=9, column=0)
b = tk.Button(win, text="点我检测", width=15, height=2, command=face_baidu)
b.grid(row=10, column=0)
win.mainloop()

创作不易 觉得有帮助请点赞关注收藏~~~

相关文章
|
4月前
|
存储 分布式计算 大数据
基于Python大数据的的电商用户行为分析系统
本系统基于Django、Scrapy与Hadoop技术,构建电商用户行为分析平台。通过爬取与处理海量用户数据,实现行为追踪、偏好分析与个性化推荐,助力企业提升营销精准度与用户体验,推动电商智能化发展。
|
4月前
|
机器学习/深度学习 大数据 关系型数据库
基于python大数据的台风灾害分析及预测系统
针对台风灾害预警滞后、精度不足等问题,本研究基于Python与大数据技术,构建多源数据融合的台风预测系统。利用机器学习提升路径与强度预测准确率,结合Django框架实现动态可视化与实时预警,为防灾决策提供科学支持,显著提高应急响应效率,具有重要社会经济价值。
|
4月前
|
机器学习/深度学习 大数据 关系型数据库
基于python大数据的青少年网络使用情况分析及预测系统
本研究基于Python大数据技术,构建青少年网络行为分析系统,旨在破解现有防沉迷模式下用户画像模糊、预警滞后等难题。通过整合多平台亿级数据,运用机器学习实现精准行为预测与实时干预,推动数字治理向“数据驱动”转型,为家庭、学校及政府提供科学决策支持,助力青少年健康上网。
|
XML 机器学习/深度学习 人工智能
使用 OpenCV 和 Python 轻松实现人脸检测
本文介绍如何使用OpenCV和Python实现人脸检测。首先,确保安装了OpenCV库并加载预训练的Haar特征模型。接着,通过读取图像或视频帧,将其转换为灰度图并使用`detectMultiScale`方法进行人脸检测。检测到的人脸用矩形框标出并显示。优化方法包括调整参数、多尺度检测及使用更先进模型。人脸检测是计算机视觉的基础技术,具有广泛应用前景。
614 10
|
编解码 计算机视觉 Ruby
Python图像处理(二)opencv人脸检测
人脸检测部分,我们需要使用到opencv,看清楚,是opencv,不是opencv_python 首先,我们打开opencv的官网:opencv.org/# 当然,纯英文的。 我们找到library目录下的release目录: 选择你需要的版本,下载对应的平台就好。如下图所示,我当然要尝试最新版的了。 下载完成之后,双击安装就可以了。 我理解的人脸检测呢,其实就是opencv根据采集到的图像与其库中预置的人脸特征去比对,有符合人脸特征的,就说明采集到的图像是有人脸的。初学,我也不清楚我说的是否正确。 有不对的地方,欢迎大佬指出。
226 0
|
机器学习/深度学习 XML 算法
|
机器学习/深度学习 Linux 数据库
Python系列之三——人脸检测、人脸识别
之前有利用C++和OpenCv写过人脸识别的系列文章,对于人脸识别的基本理解和步骤流程等基本知识不做反复叙述。比詹小白还要白的童鞋可以查看往期文章进行了解噢
412 0
Python系列之三——人脸检测、人脸识别
|
计算机视觉
使用python-opencv进行人脸检测
可以使用opencv调用摄像头进行人脸识别和检测
|
数据采集 Python Web App开发
知乎高颜值图片抓取到本地(Python3 爬虫.人脸检测.颜值检测)
本文代码有参考其他文章 原文链接:https://zhuanlan.zhihu.com/p/34425618
945 0
知乎高颜值图片抓取到本地(Python3 爬虫.人脸检测.颜值检测)

推荐镜像

更多