首页 / PYTHON / python人脸对比
python人脸对比
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python人脸对比,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1813字,纯文字阅读大概需要3分钟。
内容图文
import sys
import ssl
from urllib import request,parse
# client_id 为官网获取的AK, client_secret 为官网获取的SK
#获取token
def get_token():
client_id =API Key
client_secret =Secret Key
host = ‘https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s‘%(client_id,client_secret)
req = request.Request(host)
req.add_header(‘Content-Type‘, ‘application/json; charset=UTF-8‘)
response = request.urlopen(req)
#获得请求结果
content = response.read()
#结果转化为字符
content = bytes.decode(content)
#转化为字典
content = eval(content[:-1])
return content[‘access_token‘]
#转换图片
#读取文件内容,转换为base64编码
#二进制方式打开图文件
def imgdata(file1path,file2path):
import base64
f=open(r‘%s‘ % file1path,‘rb‘)
pic1=base64.b64encode(f.read())
f.close()
f=open(r‘%s‘ % file2path,‘rb‘)
pic2=base64.b64encode(f.read())
f.close()
#将图片信息格式化为可提交信息,这里需要注意str参数设置
params = {"images":str(pic1,‘utf-8‘) + ‘,‘ + str(pic2,‘utf-8‘)}
return params
#提交进行对比获得结果
def img(file1path,file2path):
token = get_token()
#人脸识别API
#url = ‘https://aip.baidubce.com/rest/2.0/face/v2/detect?access_token=‘+token
#人脸对比API
url = ‘https://aip.baidubce.com/rest/2.0/face/v2/match?access_token=‘+token
params = imgdata(file1path,file2path)
#urlencode处理需提交的数据
data = parse.urlencode(params).encode(‘utf-8‘)
req = request.Request(url,data=data)
req.add_header(‘Content-Type‘, ‘application/x-www-form-urlencoded‘)
response = request.urlopen(req)
content = response.read()
content = bytes.decode(content)
content = eval(content)
print(content)
#获得分数
score = content[‘result‘][0][‘score‘]
if score>80:
return ‘照片相似度:‘+str(score)+‘,同一个人‘
else:
return ‘照片相似度:‘+str(score)+‘,不是同一个人‘
if __name__ == ‘__main__‘:
file1path = ‘d:/ym1.jpg‘
file2path = ‘d:/ym2.jpg‘
res = img(file1path,file2path)
print(res)
原文:https://www.cnblogs.com/chenlove/p/8996546.html
内容总结
以上是互联网集市为您收集整理的python人脸对比全部内容,希望文章能够帮你解决python人脸对比所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。