基于阿里云平台通过树莓派实现 1：1人脸识别

之前的学习中，曾经在香橙派上使用阿里云平台的服务实现过类型识别：

使用香橙派并基于Linux实现最终版智能垃圾桶项目 --- 下_香橙派项目-CSDN博客

现在，尝试在树莓派上通过阿里云平台的服务实现人脸识别！

通过VScode远程连接树莓派

当然，使用SourceInsight来编写代码也可以，全看个人喜好。

我的个人理解是：

VScode 更适合远程编写和调试
SourceInsight 更适合本地编写多文件的项目

对于本节想要实现的人脸识别，并不特别需要很多文件，且经常需要调试，如果使用SourceInsight就要经常涉及将文件传给树莓派这个操作，较为繁琐。

关于如何连接，可以参考之前连接香橙派的博文，步骤几乎一模一样，唯一需要注意的是在.config文件中，树莓派的用户名是“pi”而不是“rasberrypi”：

小插曲 -- 使用Visual Studio Code远程连接香橙派_visual code 连接 inspect-CSDN博客

VSCODE小操作回顾&补充

“ALT + SHIFT"：多行缩进
“CTRL + S”：保存
“CTRL + F”：变量名查找 / 替换

连接成功后的样子：

树莓派Python版本检查

python版本不够的升级方法：

使用香橙派在Linux环境中安装并学习Python_如何在香橙派上运行python文件-CSDN博客

在之前就提到过，想要使用阿里云的人工智能模型，python版本最好是3开头的，所以在树莓派中同样运行以下指令检查python版本：

python --version

可见python版本已经是3.11了，那就不需要改动了！

并且由于这是自带的python，所以其库就在“/usr/bin” 下：

ls /usr/bin

配置环境变量

在后面的代码中，涉及到C语言调用python，所以需要调用<Python.h>，因此需要配置环境变量，否则这个库找不到：

vi ~/.bashrc 

#将以下内容加到最后，保存退出
export C_INCLUDE_PATH=/usr/include/python3.11

注意，配置后，要重启树莓派后才能生效！！

阿里云的人脸识别方案

阿里云官网：阿里云|达摩院视觉智能开放平台
如果之前没有进行过注册，则需要通过支付宝注册，并获取AccessKey ID和Secret

我之前就创建过账号，现在再获取一组 ID & Secret (如果之前有用之前的应该也可以)：阿里云登录 - 欢迎登录阿里云，安全稳定的云计算服务平台

AccessKey ID 和密码一定要自己保存好！！

在树莓派上下载相应的SDK：

关于人脸人体的SDK的查找：

如何获取、安装、使用视觉智能开放平台PythonSDK及代码示例_视觉智能开放平台(VIAPI)-阿里云帮助中心

pip install alibabacloud_facebody20191230

此处发生了报错：

解决办法：
sudo mv /usr/lib/python3.11/EXTERNALLY-MANAGED /usr/lib/python3.11/EXTERNALLY-MANAGED.bak

安装完成后，根据自己实际的ACCESS_KEY_ID 和 ACCESS_KEY_SECRET，将以下内容写入到家目录下的.bashrc中：

vi ~/.bashrc 
 
#然后在末尾输入以下内容：
export ALIBABA_CLOUD_ACCESS_KEY_ID="XXX" #根据自己实际的ID填写
export ALIBABA_CLOUD_ACCESS_KEY_SECRET="XXXX" #根据自己实际的SECRET填写

保存退出后，重启树莓派，再输入“export”验证：

可见，ACCESSKEY已经成功被配置成为环境变量！

在官网的人脸识别中找到一个感兴趣的模型，我此处找了“人脸比对1：1 ”：能力展示-阿里云视觉智能开放平台

点击“立即开通”开通服务
点击“立刻购买”购买服务（此处似乎有优惠，免费使用1年）

此时，就可以使用这个模型了！

下载示例代码进行测试

不能直接在人脸比对1:1下使用那个python代码例程，而是要在以下链接中找到“文件在本地或文件不在同一地域OSS”的例程：

人脸比对1:1示例代码_视觉智能开放平台(VIAPI)-阿里云帮助中心

在树莓派”mjm_code“下创建一个“face_detect_test”文件夹，将示例代码拷贝进来并稍作修改：

test.py：

# -*- coding: utf-8 -*-
# 引入依赖包
# 最低SDK版本要求：facebody20191230的SDK版本需大于等于4.0.8
# 可以在此仓库地址中引用最新版本SDK：https://pypi.org/project/alibabacloud-facebody20191230/
# pip install alibabacloud_facebody20191230

import os
import io
from urllib.request import urlopen
from alibabacloud_facebody20191230.client import Client
from alibabacloud_facebody20191230.models import CompareFaceAdvanceRequest
from alibabacloud_tea_openapi.models import Config
from alibabacloud_tea_util.models import RuntimeOptions


def face_detect(): #定义成一个函数，方便调用！
    config = Config(
    # 创建AccessKey ID和AccessKey Secret，请参考https://help.aliyun.com/document_detail/175144.html。
    # 如果您用的是RAM用户的AccessKey，还需要为RAM用户授予权限AliyunVIAPIFullAccess，请参考https://help.aliyun.com/document_detail/145025.html。
    # 从环境变量读取配置的AccessKey ID和AccessKey Secret。运行代码示例前必须先配置环境变量。
    access_key_id=os.environ.get('ALIBABA_CLOUD_ACCESS_KEY_ID'),
    access_key_secret=os.environ.get('ALIBABA_CLOUD_ACCESS_KEY_SECRET'),
    # 访问的域名
    endpoint='facebody.cn-shanghai.aliyuncs.com',
    # 访问的域名对应的region
    region_id='cn-shanghai'
    )
    runtime_option = RuntimeOptions()
    compare_face_request = CompareFaceAdvanceRequest()

    #场景一：文件在本地
    streamA = open(r'/home/pi/mjm_code/face_detect_test/mjm.png', 'rb') #预存的照片
    compare_face_request.image_urlaobject = streamA
    
    streamB = open(r'/home/pi/mjm_code/face_detect_test/face.png', 'rb') #待测试的照片
    compare_face_request.image_urlbobject = streamB


    try:
        # 初始化Client
        client = Client(config)
        response = client.compare_face_advance(compare_face_request, runtime_option)
        # 获取整体结果
        print(response.body)
    except Exception as error:
        # 获取整体报错信息
        print(error)
        # 获取单个字段
        print(error.code)
        # tips: 可通过error.__dict__查看属性名称

    # 关闭流
    streamA.close()
    streamB.close()

if __name__ == '__main__': #写一个main调用face_detect函数来测试
    face_detect()

我使用了我自己的照片作为标准，并使用了两张照片进行测试，第一张是我本人的另一张照片；第二张是我同学的照片：

分别存在树莓派本地：

/home/pi/mjm_code/face_detect_test/mjm.png //预存的照片
/home/pi/mjm_code/face_detect_test/face.png //待测试的照片

可见，当我使用本人照片时，置信度约为77%，而当我使用同学照片时，置信度直接变为0%（我同学和我长的也太不一样了哈哈哈），所以综合来说测试成功！

置信度的提取和转化

但是返回的结果是一个结构非常的数据体，所以尝试将置信度单独返回，并只保留整数部分

提取的代码如下：

# 单独提取置信度
confidence = response.body.to_map()['Data']['Confidence'] #to_map()函数很重要，不要忘记
score = int(confidence)
print(score)
return score

现在，就可以返回置信度的整数部分了！而之后就可以根据这个整数score来进行判断了！

编写C语言调用python的人脸识别

在刚刚的测试中，写出了调用阿里云人脸识别服务的pyhton程序，那么现在，尝试写C语言程序来调用python程序从而实现人脸识别！

①将刚刚的test.py中的main函数部分删除并重命名为face.py

刚刚加入main函数是为了直接调用封装好的face_detect函数，而现在要使用C语言来调用它，自然就不需要main函数了！

②编写调用face_detect函数的C函数

回顾“C语言调用Python的步骤”：

详见之前的博文：

使用香橙派并基于Linux实现最终版智能垃圾桶项目 --- 下_香橙派项目-CSDN博客

face_cmp.c：

#include <stdio.h>
#include <stddef.h>
#include <stdlib.h>
#include <string.h>
#include <Python.h>

#include "face_cmp.h"
 
 
void face_init(void)
{
    Py_Initialize();
    PyObject *sys = PyImport_ImportModule("sys");
    PyObject *path = PyObject_GetAttrString(sys, "path");
    PyList_Append(path, PyUnicode_FromString("."));
}
 
void face_final(void)
{
    Py_Finalize();
}
 
int face_score(void) //python下face_detect函数返回的是已经经过提取和取证过的置信度score，是个int型
{
    PyObject *pModule = PyImport_ImportModule("face"); //加载python文件
    if (!pModule)
    {
        PyErr_Print();
        printf("Error: failed to load module\n");
        goto FAILED_MODULE; //goto的意思就是如果运行到这里就直接跳转到FAILED_MODULE
    }
    PyObject *pFunc = PyObject_GetAttrString(pModule, "face_detect"); //加载python文件中的对应函数
    if (!pFunc)
    {
        PyErr_Print();
        printf("Error: failed to load function\n");
        goto FAILED_FUNC;
    }
    PyObject *pValue = PyObject_CallObject(pFunc, NULL);
    if (!pValue)
    {
        PyErr_Print();
        printf("Error: function call failed\n");
        goto FAILED_VALUE;
    }
    int result = 0;
    if (!PyArg_Parse(pValue, "i", &result)) //ace_detect函数返回的是已经经过提取和取证过的置信度score，是个int型，用‘i’表示
    {
        PyErr_Print();
        printf("Error: parse failed");
        goto FAILED_RESULT;
    }
    /* 如果函数返回的是字符串，上面的PyArg_Parse则需要用‘s’来表示，且下面注释的代码非常重要，因为字符串名代表了其首地址，所以不能直接复制而是需要使用strncpy函数！！！
    category = (char *)malloc(sizeof(char) * (strlen(result) + 1) ); //开辟一个新的字符串常量。+1是为了留出空间给\0
    memset(category, 0, (strlen(result) + 1)); //初始化字符串
    strncpy(category, result, (strlen(result) + 1)); //将result的结果复制给新的字符串
    */
 
FAILED_RESULT:
    Py_DECREF(pValue);
FAILED_VALUE:
    Py_DECREF(pFunc);
FAILED_FUNC:
    Py_DECREF(pModule);
FAILED_MODULE:
    return result;
}

face_cmp.h：

#ifndef __face__H
#define __face__H
 
void face_init(void);
void face_final(void);
int face_score(void);

#endif

face_cmp的作用就是封装C语言下的人脸识别函数
C语言下的人脸识别函数的实现通过调用python代码下的face_detect函数

③编写C程序调用刚刚的C函数实现人脸识别

face_test.c:

#include <stdio.h>
#include <stdlib.h>
#include "face_cmp.h"
 
int main()
{
	int score = 0;
	face_init();
	score = face_score();
	printf("score=%d\n", score);
	face_final();
	return 0;
}

④编译并试运行

运行以下代码编译：

gcc face_test.c face_cmp.c -I /usr/include/python3.11/ -l python3.11

可见，调用成功！