姓名：{{ name }}
年龄：{{ age }}
人脸评分：{{ beauty }}
性别：{{ gender }}
脸型：{{ face_shape }}
Back PS：在代码的修改中发现一些小bug，例如现实的姓名是包含.JPG，因此前面需要把数据进行split切割保持数据的合适性！ Q:我希望Result.html 右侧可以看到上传的照片 import os from flask import Flask, render_template, request, url_for from face import analyze_face # 假设您已经在 face.py 中定义了这个函数 app = Flask(__name__) # 定义存储上传图片的文件夹 UPLOAD_FOLDER = 'uploads' app.config['UPLOAD_FOLDER'] = UPLOAD_FOLDER @app.route('/', methods=['GET', 'POST']) def index(): if request.method == 'POST': # 获取上传的图片文件对象 image_file = request.files['image'] # 保存图片到上传文件夹 filename = os.path.join(app.config['UPLOAD_FOLDER'], image_file.filename) image_file.save(filename) # 获取图片的 URL image_url = url_for('static', filename=os.path.join('uploads', image_file.filename)) # 进行人脸分析 image_data = image_file.read() face_features = analyze_face(image_data) # 提取分析结果并显示，同时传递图片的 URL age = face_features['age'] beauty = face_features['beauty'] gender = face_features['gender']['type'] face_shape = face_features['face_shape']['type'] return render_template('result.html', age=age, beauty=beauty, gender=gender, face_shape=face_shape, image_url=image_url) return render_template('index.html') if __name__ == '__main__': app.run(debug=True) 问题集1: 不要多次读取文件：在代码中，读取了 image_file 的内容到 image_data 变量，然后又保存了 image_file。在文件对象被读取后，文件指针会移动到文件的末尾，所以如果再次尝试读取或保存，将不会得到任何数据。因此可以在保存文件之后重新打开它来读取数据！ @app.route('/', methods=['GET', 'POST']) def index(): if request.method == 'POST': # 获取上传的图片文件 image_file = request.files['image'] file_name = image_file.filename.split('.')[0] # 保存图片到static/uploads文件夹 filename = os.path.join(app.config['UPLOAD_FOLDER'], image_file.filename) image_file.save(filename) # 如果之后需要读取文件内容，可以这样做： with open(filename, 'rb') as f: image_data = f.read() # 使用url_for生成图片的URL image_url = url_for('static', filename=os.path.join('uploads', image_file.filename)) # 调用analyze_face函数分析人脸 face_features = analyze_face(image_data) # 提取分析结果并显示 name = file_name age = face_features['age'] beauty = face_features['beauty'] gender = face_features['gender']['type'] face_shape = face_features['face_shape']['type'] return render_template('result.html', name=name, age=age, beauty=beauty, gender=gender, face_shape=face_shape, image_url=image_url) return render_template('index.html') Q：我感觉UI界面太丑了，加一个框架开发可行吗 安装Bootstrap UI库 pip install Flask Flask-Bootstrap {% extends "base.html" %} {% block page_content %}
上传照片
Analyze
{% endblock %}
{% extends "bootstrap/base.html" %}
{% block title %}恋爱管理信息系统{% endblock %}
{% block navbar %}
{% endblock %}
{% block content %}
{% block page_content %}{% endblock %}
{% endblock %}
{% extends "base.html" %}
{% block page_content %}
- 姓名: {{ name }}
- 年龄: {{ age }}
- 颜值（满分100）: {{ beauty }}
- 性别: {{ gender }}
- 脸型: {{ face_shape }}
基本信息
- 姓名: {{ name }}
- 年龄: {{ age }}
- 颜值（满分100）: {{ beauty }}
- 性别: {{ gender }}
- 脸型: {{ face_shape }}
照片
{{ message }}
{% endfor %}
{% endif %}
{% endwith %}
{% set names = ["迪丽热巴", "刘亦菲", "大美女", "高圆圆", "班花"] %}
{% endblock %}
图片点击的美化
.selectable:hover {
cursor: pointer; /* 当鼠标悬停在图片上时，将鼠标指针变为手形 */
}
.selected {
border: 5px solid #007BFF; /* 为选中的图片添加一个蓝色边框 */
opacity: 0.7; /* 使选中的图片变得稍微透明 */
}
相似度对比：
面部图像被认为是100分的标准，然后其他的面部图像与这个标准进行比较，得到一个相似度得分。
这里的关键是如何计算两张脸的相似度。完整的实现需要一个深度学习的面部识别模型，但为了简化，我们可以使用现成的工具或库，如face_recognition库。
1. 安装 face_recognition 库:
pip install face_recognition
pip install dlib
pip install cmake
2.代码示例
import face_recognition
def calculate_face_similarity(image_path1, image_path2):
# 加载图片并获取面部编码
image1 = face_recognition.load_image_file(image_path1)
image2 = face_recognition.load_image_file(image_path2)
encoding1 = face_recognition.face_encodings(image1)[0]
encoding2 = face_recognition.face_encodings(image2)[0]
# 计算两个面部编码之间的欧氏距离
distance = face_recognition.face_distance([encoding1], encoding2)[0]
# 这里我们简化地将距离转化为相似度得分
similarity_score = (1 - distance) * 100
return similarity_score
standard_face_path = "path_to_standard_face.jpg"
uploaded_image_path = "path_to_uploaded_image.jpg"
score = calculate_face_similarity(standard_face_path, uploaded_image_path)
print(f"相似度得分: {score:.2f}")
face.py修正
import base64
import requests
# 定义API Key和Secret Key
APP_ID = '40079341' #ID短号
API_KEY = '0f5GrnbmAHsksnagaUDpFW3l' #无规律很长
SECRET_KEY = 'P4MNGHY2m17X3QUUiOaFcxnqhcgSnCTL' #无规律很长
# 获取access_token
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={}&client_secret={}'.format(API_KEY, SECRET_KEY)
response = requests.get(host)
access_token = response.json()['access_token']
import face_recognition
def calculate_face_similarity(image_data, ref_images):
# 加载图片并获取面部编码
uploaded_image = face_recognition.load_image_file(image_data)
uploaded_encoding = face_recognition.face_encodings(uploaded_image)[0]
# Calculate similarity with the reference images
similarities = []
# 计算两个面部编码之间的欧氏距离
for ref_image_path in ref_images:
ref_image = face_recognition.load_image_file(ref_image_path)
ref_encoding = face_recognition.face_encodings(ref_image)[0]
face_distance = face_recognition.face_distance([ref_encoding], uploaded_encoding)[0]
similarities.append(1 - face_distance) # Convert distance to similarity
avg_similarity=0
for s in similarities:
avg_similarity+=s
return avg_similarity*100
def analyze_face(image_data):
# 将图片文件转换为base64编码
base64_data = base64.b64encode(image_data)
# 调用百度API进行人脸识别
request_url = "https://aip.baidubce.com/rest/2.0/face/v3/detect"
params = {
"image": base64_data,
"image_type": "BASE64",
"face_field": "age,beauty,expression,face_shape,gender,glasses,emotion,face_type,spoofing",
"face_type": "LIVE"
}
request_url = request_url + "?access_token=" + access_token
headers = {'content-type': 'application/json'}
response = requests.post(request_url, data=params, headers=headers)
face_result = response.json()
# 返回分析结果
return face_result['result']['face_list'][0]
app.py修正
from flask import Flask, render_template, request,url_for,send_from_directory,jsonify,flash,redirect
from face import analyze_face,calculate_face_similarity # 从face模块导入analyze_face函数
import os
from flask_bootstrap import Bootstrap
app = Flask(__name__)
Bootstrap(app) #初始化
# 定义存储上传图片的文件夹
UPLOAD_FOLDER = 'static/uploads'
app.config['UPLOAD_FOLDER'] = UPLOAD_FOLDER
STATIC_FOLDER = 'static/reference'
app.config['STATIC_FOLDER'] = STATIC_FOLDER
@app.route('/', methods=['GET', 'POST'])
def index():
if request.method == 'POST':
# 获取上传的图片文件
image_file = request.files['image']
#获取名字处理
file_name = image_file.filename
file_name = file_name.split('.')[0]
# 保存图片到上传文件夹
filename = os.path.join(app.config['UPLOAD_FOLDER'], image_file.filename)
image_file.save(filename)
# 重新打开文件以读取数据
# 如果之后需要读取文件内容，可以这样做：
with open(filename, 'rb') as f:
image_data = f.read()
# 获取图片的 URL
image_url = url_for('static', filename=os.path.join('uploads', image_file.filename))
print("Image URL:", image_url)
# 调用analyze_face函数分析人脸
face_features = analyze_face(image_data)
# Get selected reference images
selected_refs = request.form.getlist('reference')
ref_image_paths = [os.path.join(app.config['STATIC_FOLDER'], ref) for ref in selected_refs]
similarity=calculate_face_similarity(filename,ref_image_paths)
# 提取分析结果并显示
name = file_name
age = face_features['age']
beauty = face_features['beauty']
gender = face_features['gender']['type']
face_shape = face_features['face_shape']['type']
score=similarity*0.3+beauty*0.4
score=round(score,2)
return render_template('result.html', name=name,age=age, score=score, gender=gender, face_shape=face_shape,image_url=image_url)
return render_template('index.html')
if __name__ == '__main__':
app.run(debug=True)
Q:进过反复调试发现一些颜值还行的妹子 实际5选2的照片对比中分数也不高 如何优化算法
首先，我们来看**相似度的非线性映射**。
为了扩展相似度范围，我们可以使用sigmoid函数，它是一个S形曲线，可以将任何实值映射到(0,1)之间。sigmoid函数的公式是：
S(x) = \frac{1}{1 + e^{-x}}
但是，我们需要调整这个函数，使其中心在0.5（因为我们的数据大部分集中在0.4到0.6之间）。
为此，我们可以通过减去0.5和乘以一个大的常数（如10）来调整输入，使得输出值更加分散。函数可以写成：
S(x) = \frac{1}{1 + e^{-10(x-0.5)}}
接下来是**考虑其他特征**的部分：
百度API为我们提供了许多其他的人脸属性，比如脸型、性别、是否戴眼镜等。我们可以考虑将这些特征纳入评分中。例如：
1. **脸型**：有些人可能更喜欢某种脸型，例如瓜子脸或圆脸。您可以为每种脸型设定一个基础分数，并根据上传的照片调整总分。
2. **性别**：如果您的系统主要针对某个性别的用户，您可以考虑调整性别的权重。
3. **是否戴眼镜**：有些人可能认为戴眼镜更有魅力，而有些人则相反。您可以为戴眼镜和不戴眼镜的照片设定不同的基础分数。
1.3.3 material设计优化
我们前面是基于bootstrap构架设计页面，但是为了提高美观度和后期设计的扩展，我们可以换一个构架materialize或者mdui
构架1：https://materializecss.com/
构架2：https://www.mdui.org/
MDUI 是一个基于 Material Design 设计理念的前端框架。它提供了一套丰富的组件和样式，可以帮助开发者快速创建遵循 Material Design 指南的网页应用。MDUI 提供了各种组件，如按钮、卡片、对话框、列表等，以及响应式布局的支持。
修改基本框架，导入materialize模块到base.html中，例子如下（实际也可以用MDUI）
恋爱管理信息系统
{% block page_content %}
{% endblock %}
1.3.4 多维度设计优化
由于气质很难量化，因此我们需要进行对比分析，了解基本情况！
import face_recognition
absolute_path = "/Users/thomi/PycharmProjects/untitled/LoveManagementSystem3/static/"
# 存储前5张和后5张图片的face_encoding
face_images_1 = [face_recognition.load_image_file(f"{absolute_path}reference/大美女{i}.jpg") for i in range(1, 6)]
face_encodings_1 = [face_recognition.face_encodings(img)[0] for img in face_images_1]
face_images_2 = [face_recognition.load_image_file(f"{absolute_path}reference/气质{i}.jpg") for i in range(1, 6)]
face_encodings_2 = [face_recognition.face_encodings(img)[0] for img in face_images_2]
def get_most_similar_face(image_file):
# 加载上传的图片
up_image = face_recognition.load_image_file(image_file)
up_encoding = face_recognition.face_encodings(up_image)[0]
# 获取与上传图片的距离
distances_1 = face_recognition.face_distance(face_encodings_1, up_encoding)
distances_2 = face_recognition.face_distance(face_encodings_2, up_encoding)
# 找到距离最小的图片索引
index_1 = distances_1.argmin()
index_2 = distances_2.argmin()
# 根据索引获取脸型和气质
face_shape = ["圆脸型", "卵圆形脸型", "心形脸型", "长脸型", "方脸型"][index_1]
temperament = ["知性、优雅", "性感、活力", "高贵、淑女", "清纯、娇媚", "少女、甜美"][index_2]
return face_shape, temperament
字典建立
emotion_translation = {
"angry": "生气气的人",
"disgust": "抖S",
"fear": "小胆子",
"happy": "喜悦小天使",
"sad": "忧伤感",
"surprise": "惊呆呆",
"neutral": "高冷的人"
}
glasses_translation = { "none": "无眼镜", "common": "普通眼镜", "sun": "太阳眼镜" }
base.html
Love Management System
.submenu-item {
padding-left: 40px !important;
display: none;
font-size: 14px;
color: #888;
}
 }})
{% block page_content %}{% endblock %}
 }})
关于我们
我们是Love Management System，致力于为您提供最佳的恋爱管理解决方案。
从音乐推荐到情感分析，我们提供了一系列的功能，帮助您更好地理解和管理您的恋爱生活。
我们的团队是一群热衷于技术和恋爱的年轻人，我们相信技术可以带来更好的恋爱体验。
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent