共计 1511 个字符，预计需要花费 4 分钟才能阅读完成。
背景
人脸识别技术在当下曾经非常成熟，但次要在挪动端和专有设施利用上较为遍及，而在 Web 端并不多见，本着学习的目标从零实现 web 端的人脸登录性能。
视频流：应用 navigator.getUserMedia 办法在浏览器中获取视频流 + 音频流（通过摄像头麦克风），未来能够用于获取任意数据流，比方光盘和传感器。
face_recognition：被称为世界上最简略的人脸识别库（应用的确超简略）。你能够通过 Python 援用或者命令行的模式应用它，来治理和辨认人脸。该软件包应用 dlib 中最先进的人脸识别深度学习算法，使得辨认准确率在《Labled Faces in the world》测试基准下达到了 99.38%。它同时提供了一个叫 face_recognition 的命令行工具，以便你能够用命令行对一个文件夹中的图片进行辨认操作。
总体流程：
- 启动 web 服务，应用 face_recognition 将根底库图片进行建模，将建模后果（辨认到的人脸在图片中的地位和人脸特色）加载到内存。
- 前端通过 h5 页面的 getUserMedia 办法调用摄像头获取视频流。
- 通过 canvas 抓取一帧视频转化为图片（base64），应用 http 或 websocket 发送到后盾。
- 后盾承受 base64 参数并转化为图片保留。
- 调用 face_recognition.locations 和 face_recognition.face_encodings 进行图片建模。
- 调用 face_recognition.compare_faces 将图片建模后果与根底库后果比对。
- 依据定义的比对阈值（被称为容忍度，个别为 0.6）返回比对后果，如果阈值小于该值，判断是该用户，认定容许登录，返回零碎界面。否则返回人脸识别失败的信息。
功能模块图：
性能时序图：
效率：
经测试，最终实现能够底库数据为 10 人时，1s 左右实现刷脸登录，辨认成果也能承受，在侧脸，半脸（鼻子到额头）测试后果能够通过。
理论利用可行性
在可视化我的项目中人脸识别联合传统的账号密码登录，可晋升零碎安全性和更好的用户体验。
限度：
浏览器调用摄像头只有在 https 协定、127.0.0.1、localhost 下有权限，理论我的项目须要反对 https。
兼容性
Desktop
Mobile
留神：
本文只介绍了简略实现，零碎安全性没有过多思考，比方在这个简略零碎中，前端的数据获取流程，非注册用户应用注册用户的照片也能骗过零碎，在照片数据传输的过程中，也会有数据泄露的危险。前面将会针对这些状况进行一系列的优化。
代码
https://github.com/James-Nie/…
阐明
装置 face-recognition
首先阐明，我的零碎是 win10，python 版本是 python3.7，须要当时下载一下 3 个包并装置：
1、vs c++ 2015, 必须是 2015，不要问为什么
能够用这个链接：https://www.microsoft.com/zh-…
也能够用社区版
2、Boost C++ Libraries，能够用这个链接：
https://dl.bintray.com/boosto…
抉择 boost_1_66_0-msvc-14.0-64.exe，装置到 C 盘即可
3、cmake
能够用这个链接：https://cmake.org/download/
抉择 cmake-3.15.0-rc4-win64-x64.msi
留神！！！cmake 在装置过程中切记抉择增加门路到环境变量中。
4、当下面 3 个都装置好之后，能够间接在命令窗口装置 pip install face-recognition 即可，在这过程中会主动装置好 dlib，当然也能够先装置 dlib，这就看各位情绪了。
