前言
人臉抓取和人臉識別似乎已經在不是什麼難事，公司有同事訓練了一個人臉識別模型，並使用Python搭建了一個人臉認證服務，貌似效果還不錯。雖然重了點，但是好歹也算是標新立異，技術上總比那些堆砌複雜邏輯的老陳系統要好。
前段時間有對我們產品感興趣的客戶問過一句：你們的的人臉識別能夠離線實現活體認證嗎？。回答當然是：可以…
================================一個漂亮的分割線 ==============================
首先
百度一下，我們得到的結果是這篇文章Liveness Detection with OpenCV，貌似非常靠譜，那麼現在開始搞一搞，相信我，你們在某書某金上看到的都是高仿文章，非常微妙的隱藏了原文鏈接，看起來就像是自己寫的一樣。真的！CSDN上的博主就不會這樣，因爲他們連格式都懶得粘貼，多麼硬核，好像在說，對！老子就是抄了，你說咋地吧？ 資源文件會放在本文結尾處，稍安勿躁···
踩坑
Python環境 - 多版本切換
建議使用**Python3.6.9**,筆者遇到的情況是使用最新的Python3.8.0版本，但是貌似opemcv對此支持有問題，處於程序員的倔強硬剛了半個小時，但是歷史的教訓告訴我，更換版本總比修改它來的快。所以果斷下載和安裝了…Python3.7.4…
全部勾選上
加入環境變量
默認加到最前面
默認使用前面那個當環境變量，當然還有比較高明的手法 如下：這就是版本切換，不過我還是用前面的方式···
Python環境 - model配置
這個好說,缺啥補啥，唯一麻煩的就是下載慢，XXX就是提示缺失的模塊名字
//在pip install XXX命令的後面加上
--default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple即可。
以下模塊都會挨個提示，一個都跑不了
運行
蒐集
==============================================人臉收集===========================================================
$ python gather_examples.py --input videos/real.mov --output dataset/real --detector face_detector --skip 1
使用方法
cmd
參數說明
input：輸入視頻文件的路徑；
output：輸出目錄的路徑；
detector：人臉檢測器的路徑；
confidence：人臉檢測的最小概率。默認值爲0.5；
skip：檢測時略過的幀數，默認值爲16；
訓練
==============================================模型訓練===========================================================
python train_liveness.py --dataset dataset --model liveness.model --le le.pickle
操作
CMD
參數說明
dataset：輸入數據集的路徑;
model：輸出模型文件保存路徑；
le：輸出序列化標籤編碼器文件的路徑；
plot：訓練腳本將生成一個圖；
綜合識別
==============================================綜合識別===========================================================
python liveness_demo.py --model liveness.model --le le.pickle --detector face_detector
操作
CMD
參數說明
### 合成
```python
=============================================打包 ===========================================================
pyinstaller -c xxxx.py
{'model': 'liveness.model', 'le': 'le.pickle', 'detector': 'face_detector', 'confidence': 0.5}
識別結果
識別結果感人···，個人認爲是訓練集還不夠多，到時候多錄幾個視頻試試
資源獲取
進入公衆號
回覆：
活體認證
獲取
