背景
人脸识别技术在当下已经十分成熟，但主要在移动端和专有设备应用上较为普及，而在Web端并不多见，本着学习的目的从零实现web端的人脸登录功能。

视频流：使用navigator.getUserMedia方法在浏览器中获取视频流+音频流（通过摄像头麦克风），将来可以用于获取任意数据流，比如光盘和传感器。

face_recognition：被称为世界上最简单的人脸识别库（使用确实超简单）。你可以通过Python引用或者命令行的形式使用它，来管理和识别人脸。该软件包使用dlib中最先进的人脸识别深度学习算法，使得识别准确率在《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，以便你可以用命令行对一个文件夹中的图片进行识别操作。

总体流程：

1. 启动web服务，使用face_recognition将基础库图片进行建模，将建模结果（识别到的人脸在图片中的位置和人脸特征）加载到内存。
2. 前端通过h5页面的getUserMedia方法调用摄像头获取视频流。
3. 通过canvas抓取一帧视频转化为图片（base64），使用http或websocket发送到后台。
4. 后台接受base64参数并转化为图片保存。
5. 调用face_recognition.locations和face_recognition.face_encodings进行图片建模。
6. 调用face_recognition.compare_faces将图片建模结果与基础库结果比对。
7. 根据定义的比对阈值（被称为容忍度，一般为0.6）返回比对结果，如果阈值小于该值，判断是该用户，认定允许登录，返回系统界面。否则返回人脸识别失败的信息。

功能模块图：

功能时序图：

效率：

经测试，最终实现可以底库数据为10人时，1s左右实现刷脸登录，识别效果也能接受，在侧脸，半脸（鼻子到额头）测试结果可以通过。

实际应用可行性

在可视化项目中人脸识别结合传统的账号密码登录，可提升系统安全性和更好的用户体验。

限制：

浏览器调用摄像头只有在https协议、127.0.0.1、localhost下有权限，实际项目需要支持https。

兼容性

Desktop

Mobile

注意：

本文只介绍了简单实现，系统安全性没有过多考虑，比如在这个简单系统中，前端的数据获取流程，非注册用户使用注册用户的照片也能骗过系统，在照片数据传输的过程中，也会有数据泄露的风险。后面将会针对这些情况进行一系列的优化。

代码
https://github.com/James-Nie/...

说明

安装 face-recognition

首先说明，我的系统是win10，python版本是python3.7，需要事先下载一下3个包并安装：

1、vs c++ 2015,必须是2015，不要问为什么

可以用这个链接：https://www.microsoft.com/zh-...

也可以用社区版

2、Boost C++ Libraries，可以用这个链接：

https://dl.bintray.com/boosto...

选择boost_1_66_0-msvc-14.0-64.exe，安装到C盘即可

3、cmake

可以用这个链接：https://cmake.org/download/

选择cmake-3.15.0-rc4-win64-x64.msi

注意！！！cmake在安装过程中切记选择添加路径到环境变量中。

4、当上面3个都安装好之后，可以直接在命令窗口安装pip install face-recognition即可，在这过程中会自动安装好dlib，当然也可以先安装dlib，这就看各位心情了。