何曉輝 包希日莫

摘要：人臉識別是計算機視覺領(lǐng)域內(nèi)的重要研究方向，在人臉考勤、支付和安保等應(yīng)用環(huán)境中發(fā)揮著關(guān)鍵作用。本文旨在Browser/Server架構(gòu)下，使用Django框架和百度AI開發(fā)一種高效準確的人臉識別Web應(yīng)用系統(tǒng)。通過以視頻流的形式采集人臉圖像，使用Ajax、ORM和MySQL等技術(shù)傳輸和存儲圖像數(shù)據(jù)，實現(xiàn)人臉檢測、匹配和特征分析等功能。提供一種可用于應(yīng)用的人臉識別Web系統(tǒng)解決方案。實驗表明，該系統(tǒng)具有一定的人臉識別準確性和可行性。

關(guān)鍵詞：人臉識別；Django；百度AI；Web應(yīng)用；ORM

中圖分類號：TP311? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2024）08-0008-03

開放科學(xué)（資源服務(wù)）標識碼（OSID）

0 引言

隨著人工智能技術(shù)的高速發(fā)展和普及，其在社會各界得到了廣泛的應(yīng)用。其中，在計算機視覺領(lǐng)域，人臉識別的應(yīng)用起到至關(guān)重要的作用。傳統(tǒng)的人臉識別系統(tǒng)主要包含以下幾個部分：人臉檢測、錄入、匹配和特征分析[1-2]。從傳統(tǒng)開發(fā)效率和難度的角度上考慮，效率低，涉及很多深層次的人臉識別算法和模型[3]，開發(fā)門檻高。在這個生活節(jié)奏快，追求效率的年代，用戶格外注重應(yīng)用的開發(fā)效率和使用感受。因此，對于開發(fā)者而言，高效率開發(fā)一種人機交互的人臉識別Web應(yīng)用系統(tǒng)變得尤為重要[4]。

Django是一個開源、功能強大的Python web開發(fā)框架，遵循MVT（Model-View-Template） 設(shè)計模式，可以幫助開發(fā)者輕松添加和修改功能，為高效開發(fā)Web應(yīng)用提供了保障和服務(wù)[5]。此外，提供了對象關(guān)系映射（ORM） 工具，用于簡化數(shù)據(jù)庫操作的過程。

百度AI中的人臉識別API接口，具有良好的性能和穩(wěn)定性，同時支持多種編程語言、開發(fā)環(huán)境以及SDK文檔。據(jù)LFW測評，其人臉1：1驗證準確度高達99.77%，處于業(yè)界領(lǐng)先水平，單張圖片的特征提取速度達200 ms[6]。

因此，本文主要結(jié)合使用Django框架和百度AI中的人臉識別API接口進行人臉識別應(yīng)用系統(tǒng)開發(fā)，實現(xiàn)人臉檢測、錄入、匹配和特征分析等系統(tǒng)功能。

1 需求分析

在企業(yè)、學(xué)校等工作和學(xué)習(xí)環(huán)境中，常常需要進行人臉考勤打卡和出入口掃臉認證等過程。常規(guī)情況下，用戶需下載企業(yè)和學(xué)校的應(yīng)用軟件，在完成用戶信息填寫后，上傳一張用戶的人臉照片，完成人臉錄入、圖像采集、人臉匹配和檢測等流程。此過程煩瑣不便，容易產(chǎn)生因操作不當導(dǎo)致的信息偏差錯誤，造成麻煩。另外，進行人臉檢測時，相關(guān)人臉特征的信息提取率低，識別速度緩慢，用于服務(wù)用戶的人臉特征信息量過少，無法滿足當今社會對信息量的需求。

考慮到上述內(nèi)容存在的問題，系統(tǒng)要在提升用戶使用感受、減少用戶操作難度和步驟、滿足特征信息量的社會需求和提高Web應(yīng)用系統(tǒng)的開發(fā)效率的前提下，實現(xiàn)人臉錄入、匹配、檢測和特征分析等系統(tǒng)功能，解決人臉特征的信息提取率低、人臉識別速度緩慢等問題，提高Web應(yīng)用系統(tǒng)的交互性和人臉圖像數(shù)據(jù)的傳輸響應(yīng)速度，滿足異步編程的需求。同時，在提升系統(tǒng)開發(fā)效率的同時，選擇安全穩(wěn)定的架構(gòu)模式、開發(fā)工具、框架和技術(shù)。

2 Web應(yīng)用系統(tǒng)設(shè)計

2.1 架構(gòu)設(shè)計

系統(tǒng)采用Browser/Server架構(gòu)模式，使用PyCharm進行系統(tǒng)開發(fā)。前端采用了BookStrap框架、HTML、CSS和JavaScript等技術(shù)。后端使用了遵循MVT設(shè)計模式的Django web開發(fā)框架。系統(tǒng)以視頻流的形式采集人臉圖像，利用AJAX（Asynchronous JavaScript and XML） 異步交互技術(shù)和JSON數(shù)據(jù)交換格式[7]，對圖像數(shù)據(jù)進行前后端交互和數(shù)據(jù)傳輸。在圖像數(shù)據(jù)存儲方面，系統(tǒng)使用了Django開發(fā)框架下的對象關(guān)系映射（ORM） 和MySQL數(shù)據(jù)庫。系統(tǒng)架構(gòu)圖如圖1所示。

2.2 流程設(shè)計

系統(tǒng)首先考慮用戶進行常規(guī)的登錄/注冊流程，以補充用戶信息。在Browser/Server架構(gòu)模式下，用戶登錄成功后，可以直接進行人臉錄入，啟動攝像頭，采集人臉圖像數(shù)據(jù)。錄入完成后，用戶可以完成掃臉訪問等操作任務(wù)。

在人臉識別訪問時，系統(tǒng)首先檢測是否存在人臉：若攝像頭前沒有可識別的對象，則檢測失敗；否則檢測成功。進行人臉匹配時，系統(tǒng)查詢和匹配數(shù)據(jù)庫中的信息：若置信評分>95分，則視為匹配成功，并將特征信息等內(nèi)容反饋給用戶；反之，匹配失敗，認為此人員為非系統(tǒng)用戶。系統(tǒng)流程圖如圖2所示。

2.3 初始化AipFace對象

將百度AI中獲取到的App ID，API Key，Secret Key依次寫入到變量當中。圖像數(shù)據(jù)格式為BASE64，初始化AipFace對象client。

appId = "百度AI中的appId"

apiKey = "百度AI中的apiKey"

secretKey = "百度AI中的secretKey"

imageType = "BASE64"

client = AipFace（appId， apiKey， secretKey）

2.4 人臉錄入

初始化操作完成后，使用Django框架下的對象關(guān)系映射（ORM） 對數(shù)據(jù)庫中的數(shù)據(jù)進行操作具有以下優(yōu)勢：減少了SQL語句的編程量，提高了開發(fā)效率，實現(xiàn)了數(shù)據(jù)模型與數(shù)據(jù)庫的解耦[8]，提升了應(yīng)用系統(tǒng)的性能[9]。

其中，objects是Django模型中的一個管理器，用于對數(shù)據(jù)庫進行查詢。all（）、last（）、create（）和count（）是此管理器的方法。下面通過使用ORM中的方法，對數(shù)據(jù)進行獲取，并調(diào)用Face表和User表內(nèi)的屬性信息。Face表用于存儲進行人臉錄入、檢測等相關(guān)功能的人臉信息，User表則用于存儲相關(guān)的用戶信息。

通過使用`all（）`方法，可以查詢Face表和User表中的所有記錄。使用`last（）`方法，可以查詢User表中最新的一條記錄。同時，獲取用戶信息（用戶名和密碼）。

reg_message=models.Face.objects.all（）

all_message=models.User.objects.all（）

user_message=models.User.objects.last（）

username=user_message.username

password=user_message.password

Face表中設(shè)計1個group_id字段信息包含4個user_id字段信息的多對多關(guān)系。通過調(diào)用`count（）`方法統(tǒng)計Face和User表中的所有實例數(shù)量，可以生成新的group_id和user_id。

group_id=str（reg_message.count（）//4）

user_id=str（all_message.count（））

之后獲取前端傳輸?shù)膇mageData，調(diào)用addUser（）方法完成用戶信息添加。

imageData=request.POST.get（"imageData"）

reg=client.addUser（imageData，imageType，group_id，user_id）

最后，使用create（）方法將新創(chuàng)建的人臉user_id、username、password、group_id、count和userFace（錄入的人臉圖像數(shù)據(jù)）信息存儲到Face表中，同時更新count值。

models.Face.objects.create（user_id=user_id，username=username，password=password，group_id=group_id，count=reg_message.count（）+1，userFace=imageData）

2.5 人臉檢測與特征分析

檢測時，需使用detect（）人臉檢測函數(shù)。函數(shù)參數(shù)分別是前端獲取到的imageData、BASE64編碼的imageType以及options。

result = client.detect（imageData， imageType， options）

在detect（）人臉檢測函數(shù)調(diào)用成功的前提下，函數(shù)返回包含人臉檢測結(jié)果的JSON數(shù)據(jù)。其中鍵face_list包含了很多面部特征信息值。本文主要針對年齡、顏值、性別、情緒四類值進行特征分析。因此，需在請求參數(shù)options中，添加一個鍵名為face_field，值為age，beauty，gender，emotion的鍵值對。

options = {"face_field"： 'age，beauty，gender，emotion'}

添加后，得以提取出名為face_field的鍵和相關(guān)值，如表1所示是系統(tǒng)所需的用戶面部特征信息。由表可知，可識別對象的年齡是22歲，顏值評分為30.72，性別為男性，情緒穩(wěn)定。

2.6 人臉匹配

匹配時，系統(tǒng)依然使用Django提供的數(shù)據(jù)庫管理器objects和all（）方法，all（）方法獲取數(shù)據(jù)庫Face表中的所有實例。

mr = models.Face.objects.all（）

通過遍歷實例，訪問人臉錄入過程中存儲到`Face`表中的每行人臉圖像數(shù)據(jù)。

for i in range（models.Face.objects.count（））：

user_obj = mr[i]

face_list = user_obj.userFace

之后使用match（）人臉匹配函數(shù)進行比對匹配，參數(shù)為數(shù)組類型。因此，需將mr1（face_list）和mr2（imageData）作為數(shù)組faceList的值使用。mr2是進行前端人臉匹配時，系統(tǒng)采集到的人臉圖像數(shù)據(jù)，用于比對數(shù)據(jù)庫中已經(jīng)錄入好的人臉圖像數(shù)據(jù)mr1。

mr1 = {'image'： face_list， 'image_type'： imageType}

mr2 = {'image'： imageData， 'image_type'： imageType}

faceList = [mr1， mr2]

matchResult = client.match（faceList）

match（）函數(shù)調(diào)用成功后，將以JSON格式返回`matchResult`結(jié)果，部分內(nèi)容如表2所示。

表2? matchResult結(jié)果

[key value 'error_code' 0 'error_msg' 'SUCCESS' 'result' 'score' 'face_list' ]

error_code=0和error_msg=SUCCESS表示函數(shù)調(diào)用成功，其中鍵result包含score值。系統(tǒng)通過獲取score，來作為系統(tǒng)匹配人臉的評分依據(jù)。在函數(shù)調(diào)用成功的前提下，score達到95分以上視為匹配成功；反之則失敗。

3 系統(tǒng)實驗

在系統(tǒng)實驗前，針對特征信息，本文只涉及年齡、顏值、性別和情緒4個人臉特征值。針對實驗集，實驗選取了年齡范圍為中年、青年、幼年、老年，性別比例1：1，情緒涉及開心、傷心和憤怒的用戶群體對象。本文用于實驗的人臉圖像實驗集如圖3所示。按照從左到右的順序依次命名為face_1、face_2、face_3和face_4。

此外，實驗還需考慮系統(tǒng)在特殊情況下的運行效果，內(nèi)容包括在攝像頭前沒有出現(xiàn)可識別對象的情況和人臉識別匹配失敗的情況。

3.1 錄入實驗

完成常規(guī)用戶登錄/注冊操作后，系統(tǒng)以視頻流的形式，依次錄入上述實驗集中的人臉圖像，以模擬真實用戶的人臉錄入情況。錄入完成后，系統(tǒng)通過Django框架下的對象關(guān)系映射（ORM） ，將用戶ID、用戶信息（用戶名和密碼）、用戶組ID、圖像數(shù)量和圖像數(shù)據(jù)信息，存儲到Face表中，內(nèi)容如表3所示。其中字段userFace中的圖像數(shù)據(jù)以Base64編碼的格式存儲，由于內(nèi)容過多，只展示前幾位。

3.2 檢測和匹配實驗

檢測時，依次完成實驗集對象face_1、face_2、face_3和face_4的人臉檢測訪問。如果檢測到可識別對象，并且匹配成功，系統(tǒng)則反饋可識別對象的用戶特征信息。反之，則提示匹配失敗。表4是通過檢測和匹配人臉圖像實驗集，經(jīng)前端頁面提取到的人臉特征結(jié)果。

從表4中的結(jié)果來看，系統(tǒng)提取到了準確、詳細的用戶特征信息。而面對除實驗集之外的可識別對象時，系統(tǒng)則會提示匹配失敗和沒有檢測到人臉。效果如圖4所示。

4 結(jié)束語

綜上所述，基于Django與百度AI的人臉識別Web應(yīng)用系統(tǒng)，在Browser/Server架構(gòu)模式下，使用Ajax和MySQL等技術(shù)，實現(xiàn)了人臉錄入、匹配、檢測和特征分析等系統(tǒng)功能。通過對人臉圖像實驗集進行功能實驗，結(jié)合最終的實驗結(jié)果和運行效果來看，系統(tǒng)能夠穩(wěn)定有效地達到預(yù)定目標和效果?；贒jango與百度AI的人臉識別Web應(yīng)用系統(tǒng)具有一定的準確性和可行性，為人臉識別應(yīng)用領(lǐng)域提供了一種解決方案。

參考文獻：

[1] 周激流，張曄.人臉識別理論研究進展[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報，1999，11（2）：180-184.

[2] 羅佳偉，孫雪峰，李琳.基于百度AI平臺的Web人臉注冊和登錄系統(tǒng)的設(shè)計[J].中國新通信，2018，20（11）：73.

[3] 林維訓(xùn)，潘綱，吳朝暉，等.臉部特征定位方法[J].中國圖象圖形學(xué)報，2003，8（8）：849-859.

[4] 陳曉倩，許孜奕，陸麗，等.基于臉部特征的性別識別[J].數(shù)據(jù)采集與處理，2010，25（5）：595-599.

[5] 楊洪濤.基于Django的MVC框架設(shè)計與實現(xiàn)[J].電腦知識與技術(shù)，2023，19（4）：62-65.

[6] 葉陽，顧國民.基于百度API的實時人臉檢測[J].信息記錄材料，2020，21（5）：226-227.

[7] 屈展，李嬋.JSON在Ajax數(shù)據(jù)交換中的應(yīng)用研究[J].西安石油大學(xué)學(xué)報（自然科學(xué)版），2011，26（1）：95-98，122.

[8] 郭顯娥.Django實現(xiàn)ORM模型數(shù)據(jù)查詢優(yōu)化[J].山西大同大學(xué)學(xué)報（自然科學(xué)版），2019，35（3）：27-31，36.

[9] 賀宗平，賀曦冉，秦新國.一種Python ORM框架性能測試分析方法研究[J].現(xiàn)代信息科技，2021，5（6）：83-86.

【通聯(lián)編輯：唐一東】