使用 Amazon Rekognition 进行身份验证

Amazon Rekognition 为用户提供了多种操作，可以轻松创建身份验证系统。Amazon Rekognition 允许用户检测图像中的人脸，然后通过比较人脸数据将任何检测到的人脸与其他人脸进行比较。这些人脸数据存储在名为“集合”的服务器端容器中。通过利用 Amazon Rekognition 的人脸检测、人脸比较和集合管理操作，您可以创建带有身份验证解决方案的应用程序。

本教程将演示创建需要身份验证的应用程序的两个常见工作流程。

第一个工作流程涉及在集合中注册新用户。第二个工作流程涉及搜索现有集合，以便登录回归用户。

在本教程中，您将使用 AWS SDK for Python。您还可以查看 AWS 文档 SDK 示例存储库，了解更多 GitHub P ython 教程。

先决条件

在开始本教程之前，你需要安装 Python 并完成设置 Python AWS 开发工具包所需的步骤。除此之外，请确保您：

已创建 AWS 账户和 IAM 角色
已安装 Python SDK (Boto3)
正确配置您的 AWS 访问凭证
已创建 Amazon Simple Storage Service 存储桶，并上传一张您希望用作身份验证的 ID 的图像。
已选择第二张图像作为身份验证的目标图像。

创建集合

在集合中注册新用户或搜索用户集合之前，必须先有一个集合可供使用。Amazon Rekognition 集合是一个服务器端容器，用于存储有关检测到的人脸的信息。

创建集合

首先，您将编写一个函数，用于创建供应用程序使用的集合。Amazon Rekognition 存储有关在名为集合的服务器端容器中检测到的人脸的信息。您可以搜索存储在集合中的人脸信息以查找已知人脸。要存储人脸信息，您首先需要使用 CreateCollection 操作创建集合。

请为要创建的集合选择名称。在以下代码中，将 collection_id 的值替换为您要创建的集合的名称，并将region的值替换为用户凭证中定义的区域名称。您可以使用Tags参数将您想要的任何标签应用到集合中，尽管这不是必需的。CreateCollection 操作将返回有关您创建的集合的信息，包括该集合的 Arn。记下运行代码后收到的 Arn。


import boto3

def create_collection(collection_id, region):
    client = boto3.client('rekognition', region_name=region)

    # Create a collection
    print('Creating collection:' + collection_id)
    response = client.create_collection(CollectionId=collection_id, 
    Tags={"SampleKey1":"SampleValue1"})
    print('Collection ARN: ' + response['CollectionArn'])
    print('Status code: ' + str(response['StatusCode']))
    print('Done...')

collection_id = 'collection-id-name'
region = "region-name"
create_collection(collection_id, region)

保存并运行代码。复制集合 Arn。

现在 Rekognition 集合已经创建，您可以在该集合中存储人脸信息和标识符。您还可以将人脸与存储的信息进行比较以进行验证。

新用户注册

您需要能够注册新用户并将其信息添加到集合中。注册新用户的过程通常涉及以下步骤：

调用 `DetectFaces` 操作

编写代码以通过 DetectFaces 操作检查人脸图像的质量。您将使用 DetectFaces 操作来确定摄像头拍摄的图像是否适合由 SearchFacesByImage 操作处理。图像应仅包含一张人脸。您将为 DetectFaces 操作提供本地输入图像文件，并接收图像中检测到的人脸的详细信息。以下示例代码为 DetectFaces 提供输入图像，然后检查图像中是否仅检测到一张人脸。

在以下代码示例中，将photo替换为要在其中检测人脸的目标图像的名称。您还需要将region的值替换为与您的账户关联的地区名称。


import boto3
import json

def detect_faces(target_file, region):

    client=boto3.client('rekognition', region_name=region)

    imageTarget = open(target_file, 'rb')

    response = client.detect_faces(Image={'Bytes': imageTarget.read()}, 
    Attributes=['ALL'])

    print('Detected faces for ' + photo)
    for faceDetail in response['FaceDetails']:
        print('The detected face is between ' + str(faceDetail['AgeRange']['Low'])
              + ' and ' + str(faceDetail['AgeRange']['High']) + ' years old')

        print('Here are the other attributes:')
        print(json.dumps(faceDetail, indent=4, sort_keys=True))

        # Access predictions for individual face details and print them
        print("Gender: " + str(faceDetail['Gender']))
        print("Smile: " + str(faceDetail['Smile']))
        print("Eyeglasses: " + str(faceDetail['Eyeglasses']))
        print("Emotions: " + str(faceDetail['Emotions'][0]))

    return len(response['FaceDetails'])

photo = 'photo-name'
region = 'region-name'
face_count=detect_faces(photo, region)
print("Faces detected: " + str(face_count))

if face_count == 1:
    print("Image suitable for use in collection.")
else:
    print("Please submit an image with only one face.")

保存并运行正在进行的代码。

调用 `CompareFaces` 操作

您的应用程序需要能够在集合中注册新用户并确认回归用户的身份。您将首先创建用于注册新用户的函数。首先，您将使用该CompareFaces操作来比较本地input/target image of the user and a ID/stored图像。如果在两张图片中检测到的人脸相符，则可以在集合中进行搜索，以查看用户是否已在其中注册。

首先编写一个函数，将输入图像与您存储在 Amazon S3 存储桶中的 ID 图像进行比较。在以下代码示例中，您需要自行提供输入图像，该图像应在使用某种形式的活跃度检测器后拍摄。您还需要传递存储在 Amazon S3 存储桶中的图像的名称。

将bucket的值替换为包含源文件的 Amazon S3 存储桶的名称。您还需要将source_file的值替换为您正在使用的源图像的名称。将target_file的值替换为您提供的目标文件的名称。将region的值替换为用户凭证中定义的region的名称。

您还需要使用 similarityThreshold 参数指定响应中返回的匹配结果的最低置信度。只有当置信度高于此阈值时，才会在 FaceMatches 数组中返回检测到的人脸。您选择的 similarityThreshold 应反映特定使用案例的性质。任何涉及关键安全应用的用例都应使用 99 作为所选阈值。


import boto3

def compare_faces(bucket, sourceFile, targetFile, region):
    client = boto3.client('rekognition', region_name=region)

    imageTarget = open(targetFile, 'rb')

    response = client.compare_faces(SimilarityThreshold=99,
                                    SourceImage={'S3Object':{'Bucket':bucket,'Name':sourceFile}},
                                    TargetImage={'Bytes': imageTarget.read()})

    for faceMatch in response['FaceMatches']:
        position = faceMatch['Face']['BoundingBox']
        similarity = str(faceMatch['Similarity'])
        print('The face at ' +
              str(position['Left']) + ' ' +
              str(position['Top']) +
              ' matches with ' + similarity + '% confidence')

    imageTarget.close()
    return len(response['FaceMatches'])

bucket = 'bucket-name'
source_file = 'source-file-name'
target_file = 'target-file-name'
region = "region-name"
face_matches = compare_faces(bucket, source_file, target_file, region)
print("Face matches: " + str(face_matches))

if str(face_matches) == "1":
    print("Face match found.")
else:
    print("No face match found.")

保存并运行正在进行的代码。

系统将返回一个响应对象，其中包含有关匹配人脸和置信度的信息。

调用 `SearchFacesByImage` 操作

如果 CompareFaces 操作的置信度高于您选择的 SimilarityThreshold，则需要在集合中搜索可能与输入图像匹配的人脸。如果在您的集合中找到了匹配项，则表示该用户可能已经在集合中注册，因此无需在您的集合中注册新用户。如果没有匹配项，则可以在集合中注册新用户。

首先编写将调用 SearchFacesByImage 操作的代码。该操作将以本地图像文件作为参数，然后在您的Collection搜索中搜索与所提供图像中检测到的最大面孔匹配的人脸。

在以下代码示例中，将collectionId 的值更改为要搜索的集合。将region的值替换为与您的账户关联的区域名称。您还需要将photo的值替换为输入文件的名称。您还需要通过将threshold的值替换为选定的百分位数来指定相似度阈值。


import boto3

collectionId = 'collection-id-name'
region = "region-name"
photo = 'photo-name'
threshold = 99
maxFaces = 1
client = boto3.client('rekognition', region_name=region)

# input image should be local file here, not s3 file
with open(photo, 'rb') as image:
    response = client.search_faces_by_image(CollectionId=collectionId,
    Image={'Bytes': image.read()},
    FaceMatchThreshold=threshold, MaxFaces=maxFaces)

faceMatches = response['FaceMatches']
print(faceMatches)

for match in faceMatches:
    print('FaceId:' + match['Face']['FaceId'])
    print('ImageId:' + match['Face']['ImageId'])
    print('Similarity: ' + "{:.2f}".format(match['Similarity']) + "%")
    print('Confidence: ' + str(match['Face']['Confidence']))

保存并运行正在进行的代码。如果有匹配项，则表示图像中识别出的人已经是集合的一部分，无需继续执行下一步操作。在这种情况下，您可以只允许用户访问应用程序。

调用 `IndexFaces` 操作

假设在您搜索的集合中未找到匹配项，则需要将该用户的人脸添加到您的集合中。您可以通过调用 IndexFaces 操作来完成操作。当您致电时 IndexFaces，Amazon Rekognition 会提取您输入图像中识别出的人脸的面部特征，并将数据存储在指定的集合中。

首先编写代码以调用 IndexFaces。将的image值替换为要用作 IndexFaces 操作输入图像的本地文件的名称。您还需要将photo_name的值替换为输入图像所需的名称。请确保将collection_id 的值替换为您之前创建的集合的 ID。接下来，将region的值替换为与您的账户关联的区域名称。您还需要为 MaxFaces 输入参数指定一个值，该参数定义了图像中应编制索引的最大人脸数。该参数的默认值为 1。


import boto3

def add_faces_to_collection(target_file, photo, collection_id, region):
    client = boto3.client('rekognition', region_name=region)

    imageTarget = open(target_file, 'rb')

    response = client.index_faces(CollectionId=collection_id,
                                  Image={'Bytes': imageTarget.read()},
                                  ExternalImageId=photo,
                                  MaxFaces=1,
                                  QualityFilter="AUTO",
                                  DetectionAttributes=['ALL'])
    print(response)

    print('Results for ' + photo)
    print('Faces indexed:')
    for faceRecord in response['FaceRecords']:
        print('  Face ID: ' + faceRecord['Face']['FaceId'])
        print('  Location: {}'.format(faceRecord['Face']['BoundingBox']))
        print('  Image ID: {}'.format(faceRecord['Face']['ImageId']))
        print('  External Image ID: {}'.format(faceRecord['Face']['ExternalImageId']))
        print('  Confidence: {}'.format(faceRecord['Face']['Confidence']))

    print('Faces not indexed:')
    for unindexedFace in response['UnindexedFaces']:
        print(' Location: {}'.format(unindexedFace['FaceDetail']['BoundingBox']))
        print(' Reasons:')
        for reason in unindexedFace['Reasons']:
            print('   ' + reason)
    return len(response['FaceRecords'])

image = 'image-file-name'
collection_id = 'collection-id-name'
photo_name = 'desired-image-name'
region = "region-name"

indexed_faces_count = add_faces_to_collection(image, photo_name, collection_id, region)
print("Faces indexed count: " + str(indexed_faces_count))

保存并运行正在进行的代码。确定是否要保存 IndexFaces 操作返回的任何数据，例如分配给图像中人物的 FaceID。下一节将探讨如何保存这些数据。在继续操作之前，请复制返回的 FaceId、ImageId 和Confidence值。

将图像和 FaceID 数据存储在 Amazon S3 和 Amazon DynamoDB 中

获取输入图像的人脸 ID 后，可以将图像数据保存在 Amazon S3 中，而人脸数据和图像 URL 可以输入到 DynamoDB 等数据库中。

编写代码，将输入图像上传到 Amazon S3 数据库。在下面的代码示例中，将bucket的值替换为您要将文件上传到的存储桶的名称，然后将file_name的值替换为您要存储在 Amazon S3 存储桶中的本地文件的名称。提供一个用于识别 Amazon S3 存储桶中文件的密钥名称，方法是将key_name的值替换为您想要为图像文件命名的名称。您要上传的文件与之前的代码示例中定义的文件相同，也就是您使用的输入文件 IndexFaces。最后，将region的值替换为与您的账户关联的区域名称。
```
import boto3
import logging
from botocore.exceptions import ClientError

# store local file in S3 bucket
bucket = "amzn-s3-demo-bucket"
file_name = "file-name"
key_name = "key-name"
region = "region-name"
s3 = boto3.client('s3', region_name=region)
# Upload the file
try:
    response = s3.upload_file(file_name, bucket, key_name)
    print("File upload successful!")
except ClientError as e:
    logging.error(e)
```
保存并运行后续代码示例，将您的输入图像上传到 Amazon Amazon S3。

您还需要将返回的人脸 ID 保存到数据库中。这可以通过创建 DynamoDB 数据库表，然后将人脸 ID 上传到该表来完成。以下代码示例将创建 DynamoDB 表。请注意，您只需要运行一次创建此表的代码。在以下代码中，将region的值替换为与您的账户关联的区域的值。您还需要将database_name的值替换为您想要给 DynamoDB 表的名称。


import boto3

# Create DynamoDB database with image URL and face data, face ID

def create_dynamodb_table(table_name, region):
    dynamodb = boto3.client("dynamodb", region_name=region)

    table = dynamodb.create_table(
        TableName=table_name,   
        KeySchema=[{
                'AttributeName': 'FaceID', 'KeyType': 'HASH'  # Partition key  
                },],        
            AttributeDefinitions=[
            {
                'AttributeName': 'FaceID', 'AttributeType': 'S'  }, ],        
                ProvisionedThroughput={
            'ReadCapacityUnits': 10, 'WriteCapacityUnits': 10  }
    )
    print(table)
    return table

region = "region-name"
database_name = 'database-name'
dynamodb_table = create_dynamodb_table(database_name, region)
print("Table status:", dynamodb_table)

保存并运行后续代码以创建您的表。

创建表后，您可以将返回的内容上传 FaceId 到表中。为此，您需要使用表函数与表建立连接，然后使用put_item函数上传数据。

在以下代码示例中，将bucket的值替换为包含您上传到 Amazon S3 的输入图像的存储桶名称。您还需要将 file_name的值替换为您上传到 Amazon S3 存储桶的输入文件的名称，并将key_name的值替换为您之前用于识别输入文件的密钥。最后，将region的值替换为与您的账户关联的区域名称。这些值应与步骤 1 中提供的值相匹配。

将分配给人脸的 FaceId ImageId、和置信度值AddDBEntry存储在集合中。在下面的函数中提供您在后续 IndexFaces 节的步骤 2 中保存的值。


import boto3
from pprint import pprint
from decimal import Decimal
import json

# The local file that was stored in S3 bucket
bucket = "amzn-s3-demo-bucket"
file_name = "file-name"
key_name = "key-name"
region = "region-name"
# Get URL of file
file_url = "https://s3.amazonaws.com/{}/{}".format(bucket, key_name)
print(file_url)

# upload face-id, face info, and image url
def AddDBEntry(file_name, file_url, face_id, image_id, confidence):
    dynamodb = boto3.resource('dynamodb', region_name=region)
    table = dynamodb.Table('FacesDB-4')
    response = table.put_item(
       Item={
            'ExternalImageID': file_name,
            'ImageURL': file_url,
            'FaceID': face_id,
            'ImageID': image_id, 
            'Confidence': json.loads(json.dumps(confidence), parse_float=Decimal)
       }
    )
    return response

# Mock values for face ID, image ID, and confidence - replace them with actual values from your collection results
dynamodb_resp = AddDBEntry(file_name, file_url, "FACE-ID-HERE",  
    "IMAGE-ID-HERE", confidence-here)
print("Database entry successful.")
pprint(dynamodb_resp, sort_dicts=False)

保存并运行后续代码示例，将返回的人脸 ID 数据存储在表中。

现有用户登录

在集合中注册用户后，可以使用 SearchFacesByImage 操作在返回时对其进行身份验证。您需要获取输入图像，然后使用 DetectFaces 检查输入图像的质量。这决定了在运行 SearchFacesbyImage 操作之前是否使用了合适的图像。

致电 DetectFaces 行动

您将使用 DetectFaces 操作来检查人脸图像的质量，并确定摄像头拍摄的图像是否适合由 SearchFacesByImage 操作处理。输入图像应仅包含一张人脸。以下代码示例获取输入图像并将其提供给 DetectFaces 操作。

在以下代码示例中，将photo的值替换为本地目标图像的名称，并将region的值替换为与您的账户关联的区域名称。


import boto3
import json

def detect_faces(target_file, region):

    client=boto3.client('rekognition', region_name=region)

    imageTarget = open(target_file, 'rb')

    response = client.detect_faces(Image={'Bytes': imageTarget.read()}, 
    Attributes=['ALL'])

    print('Detected faces for ' + photo)
    for faceDetail in response['FaceDetails']:
        print('The detected face is between ' + str(faceDetail['AgeRange']['Low'])
              + ' and ' + str(faceDetail['AgeRange']['High']) + ' years old')

        print('Here are the other attributes:')
        print(json.dumps(faceDetail, indent=4, sort_keys=True))

        # Access predictions for individual face details and print them
        print("Gender: " + str(faceDetail['Gender']))
        print("Smile: " + str(faceDetail['Smile']))
        print("Eyeglasses: " + str(faceDetail['Eyeglasses']))
        print("Emotions: " + str(faceDetail['Emotions'][0]))

    return len(response['FaceDetails'])

photo = 'photo-name'
region = 'region-name'
face_count=detect_faces(photo, region)
print("Faces detected: " + str(face_count))

if face_count == 1:
    print("Image suitable for use in collection.")
else:
    print("Please submit an image with only one face.")

保存并运行代码。

致电 SearchFacesByImage 行动

编写代码，使用 SearchFacesByImage 将检测到的人脸与集合中的人脸进行比较。您将使用后续“新用户注册”部分中显示的代码，并为 SearchFacesByImage 操作提供输入图像。

在以下代码示例中，将 collectionId 的值更改为要搜索的集合。您还要将bucket的值更改为 Amazon S3 存储桶的名称，将fileName的值更改为该存储桶中的图像文件。将region的值替换为与您的账户关联的区域名称。您还需要通过将threshold的值替换为选定的百分位数来指定相似度阈值。
```
import boto3

bucket = 'amzn-s3-demo-bucket'
collectionId = 'collection-id-name'
region = "region-name"
fileName = 'file-name'
threshold = 70
maxFaces = 1
client = boto3.client('rekognition', region_name=region)

# input image should be local file here, not s3 file
with open(fileName, 'rb') as image:
    response = client.search_faces_by_image(CollectionId=collectionId,
    Image={'Bytes': image.read()},
    FaceMatchThreshold=threshold, MaxFaces=maxFaces)
```
保存并运行代码。

查看返回的 FaceID 和置信度

现在，您可以 FaceId 通过打印出响应元素（如 “相似度” 和 “ FaceId置信度” 属性）来检查匹配项的信息。


faceMatches = response['FaceMatches']
print(faceMatches)

for match in faceMatches:
    print('FaceId:' + match['Face']['FaceId'])
    print('ImageId:' + match['Face']['ImageId'])
    print('Similarity: ' + "{:.2f}".format(match['Similarity']) + "%")
    print('Confidence: ' + str(match['Face']['Confidence']))

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

文档惯例

创建 Amazon Rekognition Lambda 函数

使用 Amazon Rekognition（REK）检测用于营销应用程序的标签

使用 Amazon Rekognition 进行身份验证

主题

先决条件

创建集合

创建集合

新用户注册

调用 DetectFaces 操作

调用 CompareFaces 操作

调用 SearchFacesByImage 操作

调用 IndexFaces 操作

将图像和 FaceID 数据存储在 Amazon S3 和 Amazon DynamoDB 中

现有用户登录

致电 DetectFaces 行动

致电 SearchFacesByImage 行动

查看返回的 FaceID 和置信度

调用 `DetectFaces` 操作

调用 `CompareFaces` 操作

调用 `SearchFacesByImage` 操作

调用 `IndexFaces` 操作