face_login:利用facenet进行人脸特征提取，保存入mysql，后期可进行比对进行人脸登陆

# face_login 利用facenet实现检测图片中的人脸，将识别到的人脸向量存入数据库，此外利用post提交一个新图片（也可以提交一个图片地址，参考face_recognition_api.py文件中get_url_imgae函数自行修改），返回数据库中相似的人脸的信息 算法主要分为2个步骤<br/> 1.**提取图片中的人脸 ，并保存到临时目录中**<br/> 2.**将人脸图片转换为128维的向量 ，便于后续求人脸相似度**<br/> 项目主要分为3个步骤<br/> 1.**提交post请求，将uid ugroup pic提交，进行人脸信息保存操作**<br/> 2.**收到请求后将pic进行处理解析为128维向量保存，并跟uid和ugroup保存入库 ，返回数据库插入成功的id**<br/> 3.**提交post请求，将ugroup pic提交人脸查询请求，意思为再ugroup中查看与图片pic相似的人脸**<br/> 4.**收到请求后，处理图片解析图片中所有的人脸，进行按库查询，然后与该图片中所有人脸相似的uid和距离（相似度距离）**<br/> ## 安装准备 #### 安装python包 下列包全部安装即可 如下 `tensorflow` `scipy` `scikit-learn` `opencv-python` `h5py` `matplotlib` `Pillow` `requests` `psutil` `mysql-connector` `Werkzeug` `Flask` `Flask-HTTPAuth` ## 提前建立数据库 建表语句再database.sql （需要提前建立数据库，名字自己定义，本项目数据库名为face） 数据库配置在face_mysql.py文件中 （第12行 配置数据库用户名、密码、地址、数据库地址 本案例配置如下 ```python db = mysql.connector.connect(user='root', password='root', host='127.0.0.1', database='face') ``` ） ## 模型准备 本项目是根据[facenet](https://github.com/davidsandberg/facenet)中提取关键的代码，将其进行封装使用 所以需要提交下载facenect提供的模型，现在保存在[百度网盘](http://pan.baidu.com/s/1i4YhAdB)中 密码：avbl 下载下来后按照models\facenet\20170512-110547 这个目录结构存放即可 ## 如何使用？ 首先在服务器上 执行 ``` bash python face_recognition_api.py ``` 访问地址是XXXXXX:8080 这个可以配置 （文件face_recognition_api.py 最后代码中有注释） # 页面 ## 注册 <img src="https://github.com/xvshu/face_login/blob/master/doc/face_insert.jpg" ></img> ## 登陆 <img src="https://github.com/xvshu/face_login/blob/master/doc/face_query.jpg" ></img>