最近一直想做一个人脸识别登陆的demo，正在在网上看到了一个facenet的例子，使用python实现，但是来非常简单，仅仅是封装了tensorflow的过程，在这个基础之上，我进行了html的前台封装，方便大家引入到自己的项目中。
FaceNet：
FaceNet的思路是将人脸图像编码成128维的向量，然后用这128维向量来代表一个人。这就类似于我们的身份证号码，每一个人都有唯一的一个号码。这样，在做人脸验证的时候，我们只要将人脸编码到128维向量，然后和已有的向量做对比，两个向量足够接近，就可以说明这是同一个人。所以人脸识别的问题就转化为如何将人脸图片编码到128维的向量。这里就是使用了深度学习技术。通过卷积神经网络，提取人脸图片的特征，然后通过大量的数据进行训练，最终得到128维的向量。
如果大家对这个部分已经有所了解，可以直接去git上clone我的代码运行，并附有详细的安装启动过程。
https://github.com/xvshu/face_login
主要思路：
利用facenet实现检测图片中的人脸，将识别到的人脸向量存入数据库，此外利用post提交一个新图片（也可以提交一个图片地址，参考face_recognition_api.py文件中get_url_imgae函数自行修改），返回数据库中相似的人脸的信息
算法主要分为2个步骤
1.提取图片中的人脸 ，并保存到临时目录中
2.将人脸图片转换为128维的向量 ，便于后续求人脸相似度
项目主要分为3个步骤<br/>
1.提交post请求，将uid ugroup pic提交，进行人脸信息保存操作
2.收到请求后将pic进行处理解析为128维向量保存，并跟uid和ugroup保存入库 ，返回数据库插入成功的id
3.提交post请求，将ugroup pic提交人脸查询请求，意思为再ugroup中查看与图片pic相似的人脸
4.收到请求后，处理图片解析图片中所有的人脸，进行按库查询，然后与该图片中所有人脸相似的uid和距离（相似度距离）
实现结果：
注册界面
登陆界面
