版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/m0_37606112/article/details/79344967
前言
和百度一样,鹅家也开放了自己的openAI人工智能平台,在官网的例程说明中,腾讯给出了PHP的API鉴权及调用示例代码,可惜我一直在用python3.6+opencv3.4,在网络上寻找帮助,竟然只找到寥寥几篇相关的文章,而且还有错误,很多坑,对于图片类的鉴权结果走不通,经过几天的摸索,终于调通了API,可以在腾讯家的openAI平台上进行完美的验证。相比于百度,腾讯优图中的一些应用还是比较有趣的,使用python3.6的同学们可以参照我的博文来进行愉快的玩耍了。
软件环境
win10 ,32位
VisualStudio2017
python3.6+opencv3.4
api.qq.ai.com
人脸分析
按照官网的说法,人脸分析是检测给定图片(Image)中的所有人脸(Face)的位置和相应的面部属性。位置包括(x, y, w, h),面部属性包括性别(gender), 年龄(age), 表情(expression), 魅力(beauty), 眼镜(glass)和姿态(pitch,roll,yaw),以及特征点的位置等。
鉴权
官网说明:
代码
官网只是给出了PHP的示例,我这里给出完整的python3.6的示例,共大家参考:
# -*- coding: utf-8 -*-
'''
编码 : aikes
日期 : 20180221
功能 : 验证腾讯openai的api
环境 :win10+python3.6+opencv3.4+VS2017
'''
import hashlib
import time
import random
import string
import requests
import base64
import requests
import cv2
import numpy as np
from urllib.parse import urlencode
import json #用于post后得到的字符串到字典的转换
app_id = '1106649312'
app_key = 'TwsQQv5G5c9E6FsH'
'''
腾讯openai鉴权签名计算步骤:(摘抄自官网)
用于计算签名的参数在不同接口之间会有差异,但算法过程固定如下4个步骤。
1 将<key, value>请求参数对按key进行字典升序排序,得到有序的参数对列表N
2 将列表N中的参数对按URL键值对的格式拼接成字符串,得到字符串T(如:key1=value1&key2=value2),URL键值拼接过程value部分需要URL编码,URL编码算法用大写字母,例如%E8,而不是小写%e8
3 将应用密钥以app_key为键名,组成URL键值拼接到字符串T末尾,得到字符串S(如:key1=value1&key2=value2&app_key=密钥)
4 对字符串S进行MD5运算,将得到的MD5值所有字符转换成大写,得到接口请求签名
'''
def get_params(img): #鉴权计算并返回请求参数
#请求时间戳(秒级),用于防止请求重放(保证签名5分钟有效
time_stamp=str(int(time.time()))
#请求随机字符串,用于保证签名不可预测,16代表16位
nonce_str = ''.join(random.sample(string.ascii_letters + string.digits, 16))
params = {'app_id':app_id, #请求包,需要根据不同的任务修改,基本相同
'image':img, #文字类的任务可能是‘text’,由主函数传递进来
'mode':'0' , #身份证件类可能是'card_type'
'time_stamp':time_stamp, #时间戳,都一样
'nonce_str':nonce_str, #随机字符串,都一样
#'sign':'' #签名不参与鉴权计算,只是列出来示意
}
sort_dict= sorted(params.items(), key=lambda item:item[0], reverse = False) #字典排序
sort_dict.append(('app_key',app_key)) #尾部添加appkey
rawtext= urlencode(sort_dict).encode() #urlencod编码
sha = hashlib.md5()
sha.update(rawtext)
md5text= sha.hexdigest().upper() #MD5加密计算
params['sign']=md5text #将签名赋值到sign
return params #返回请求包
def main():
'''
#用python系统读取方法
f = open('c:/girl.jpg','rb')
img = base64.b64encode(f.read()) #得到API可以识别的字符串
'''
#用opencv读入图片
frame=cv2.imread('e:/python/dlib/r3.jpg')
nparry_encode = cv2.imencode('.jpg', frame)[1]
data_encode = np.array(nparry_encode)
img = base64.b64encode(data_encode) #得到API可以识别的字符串
params = get_params(img) #获取鉴权签名并获取请求参数
url = "https://api.ai.qq.com/fcgi-bin/face/face_detectface" # 人脸分析
#检测给定图片(Image)中的所有人脸(Face)的位置和相应的面部属性。位置包括(x, y, w, h),面部属性包括性别(gender), 年龄(age), 表情(expression), 魅力(beauty), 眼镜(glass)和姿态(pitch,roll,yaw)
res = requests.post(url,params).json()
for obj in res['data']['face_list']:
#print(obj)
x=obj['x']
y=obj['y']
w=obj['width']
h=obj['height']
cv2.rectangle(frame,(x,y),(x+w,y+h),(255,255,255),2)
delt=h//5
cv2.putText(frame,'beauty :'+str(obj['gender']), (x+w+10, y+10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2,cv2.LINE_8, 0)
cv2.putText(frame,'age :'+str(obj['age']), (x+w+10, y+10+delt*1), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2,cv2.LINE_8, 0)
cv2.putText(frame,'smile :'+str(obj['expression']), (x+w+10, y+10+delt*2), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2,cv2.LINE_8, 0)
cv2.putText(frame,'beauty :'+str(obj['beauty']), (x+w+10, y+10+delt*3), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2,cv2.LINE_8, 0)
cv2.putText(frame,'glass :'+str(obj['glass']), (x+w+10, y+10+delt*4), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2,cv2.LINE_8, 0)
cv2.imshow('img',frame)
#cv2.imwrite('./000.jpg',frame)
cv2.waitKey(0)
if __name__ == '__main__':
main()
验证
完整的代码我放在CSDN的同名博客下,需要的可以去参考。
简单上一张图片,似乎是deepfaker的小电影换脸的,不影响我们的验证。
速度还是很不错的,可以给出脸部识别的参数以及特征点的坐标。
在后续博文中会陆续对各项有趣的功能进行逐一验证。