大家好，感谢邀请，今天来为大家分享一下人脸识别谷歌浏览器下载的问题，以及和人脸识别谷歌浏览器下载不了的一些困惑，大家要是还不太明白的话，也没有关系，因为接下来将为大家分享，希望可以帮助到大家，解决大家的问题，下面就开始吧！

本文目录

1. 谷歌浏览器人脸识别不成功
2. 如何线上部署用python基于dlib写的人脸识别算法
3. 笔记本电脑火狐浏览器人脸识别不了
4. 浏览器中qq安全中心人脸识别不了验证不了怎么办
5. 社保 人脸识别 停止运行 IE 浏览器崩溃

一、谷歌浏览器人脸识别不成功

人脸识别不成功有以下几种情况：

1、检查手机亮屏状态。面部解锁支持亮屏情况下解锁，熄屏不支持解锁。可以使用以下方法点亮屏幕：开启抬手亮屏功能：进入设置--快捷与辅助--智能体感--智能亮屏熄屏--抬手亮屏，开启功能后，拿起手机会自动亮屏；开启双击亮屏：进入设置--快捷与辅助--智能体感--智能亮屏熄屏--双击亮屏，开启功能后，双击屏幕亮屏；按电源键手动点亮屏幕。

2、检查摄像头是否有污渍，是否被遮挡。请您保持前置摄像头清洁并且无遮挡，再尝试面部解锁。

3、检查摄像头是否存在故障。请您打开相机，切换为前置摄像头，使用前置摄像头拍照，照片可以拍摄成功则代表摄像头正常。如果前置摄像头无法使用，请您携带手机和购机凭证前往客户服务中心检测。

4、确认环境光线。如果环境光线过亮或过暗，可能会影响面部识别效果，请您尽量不要在黑暗或逆光环境下解锁，也尽量避免阳光、灯光直射。暗环境下，可以进入设置--指纹、面部与密码（或面部与密码）面部屏幕补光，提升解锁体验。

5、确认解锁方式是否正确。面部和手机距离过近或过远都会造成摄像头采集人脸图片不完整，请您调整距离，尽量保持在20~50厘米左右面部正对手机解锁。解锁过程中不要被帽子、口罩、围巾等物品遮挡面部，尽量露出面部。

6、重新录入面部数据。如果录入的面部数据质量不好会影响解锁体验，可以进入手机设置--指纹、面部与密码（或面部与密码）--面部，点击"清除面部数据"，重新录入面部数据后再查看。

二、如何线上部署用python基于dlib写的人脸识别算法

python使用dlib进行人脸检测与人脸关键点标记

Dlib是一个跨平台的C++公共库，除了线程支持，网络支持，提供测试以及大量工具等等优点，Dlib还是一个强大的机器学习的C++库，包含了许多机器学习常用的算法。同时支持大量的数值算法如矩阵、大整数、随机数运算等等。

Dlib同时还包含了大量的图形模型算法。

最重要的是Dlib的文档和例子都非常详细。

这篇博客所述的人脸标记的算法也是来自Dlib库，Dlib实现了One Millisecond Face Alignment with an Ensemble of Regression Trees中的算法

这篇论文非常出名，在谷歌上打上One Millisecond就会自动补全，是CVPR 2014(国际计算机视觉与模式识别会议)上的一篇国际顶级水平的论文。毫秒级别就可以实现相当准确的人脸标记，包括一些半侧脸，脸很不清楚的情况，论文本身的算法十分复杂，感兴趣的同学可以下载看看。

Dlib实现了这篇最新论文的算法，所以Dlib的人脸标记算法是十分先进的，而且Dlib自带的人脸检测库也很准确，我们项目受到硬件所限，摄像头拍摄到的画面比较模糊，而在这种情况下之前尝试了几个人脸库，识别率都非常的低，而Dlib的效果简直出乎意料。

相对于C++我还是比较喜欢使用python，同时Dlib也是支持python的，只是在配置的时候碰了不少钉子，网上大部分的Dlib资料都是针对于C++的，我好不容易才配置好了python的dlib，这里分享给大家：

因为是用python去开发计算机视觉方面的东西，python的这些科学计算库是必不可少的，这里我把常用的科学计算库的安装也涵盖在内了，已经安装过这些库的同学就可以忽略了。

大家都知道Ubuntu是自带python2.7的，而且很多Ubuntu系统软件都是基于python2.7的，有一次我系统的python版本乱了，我脑残的想把python2.7卸载了重装，然后……好像是提醒我要卸载几千个软件来着，没看好直接回车了，等我反应过来Ctrl+ C的时候系统已经没了一半了…

所以我发现想要搞崩系统，这句话比rm-rf还给力…

sudo apt-get remove python2.71

首先安装两个python第三方库的下载安装工具,ubuntu14.04好像是预装了easy_install

sudo apt-get install python-pip1

sudo apt-get install python-setuptools1

有时候系统环境复杂了，安装的时候会安装到别的python版本上，这就麻烦了，所以还是谨慎一点测试一下，这里安装一个我之前在博客中提到的可以模拟浏览器的第三方python库测试一下。

在终端输入python进入python shell

进入python shell后import一下刚安装的mechanize

没有报错，就是安装成功了，如果说没有找到，那可能就是安装到别的python版本的路径了。

没有报错的话，说明PIL已经被预装过了

首先需要安装python-dev才可以编译之后的扩展库

sudo apt-get install python-dev1

之后就可以用easy-install安装numpy了

这里有时候用easy-install安装numpy下载的时候会卡住，那就只能用 apt-get来安装了：

不推荐这样安装的原因就是系统环境或者说python版本多了之后，直接apt-get安装numpy很有可能不知道装到哪个版本去了，然后就很麻烦了，我有好几次遇到这个问题,不知道是运气问题还是什么，所以风险还是很大的，所以还是尽量用easy-install来安装。

下面的安装过程同理，我就从简写了，大家自己每步别忘了测试一下

sudo apt-get install python-scipy1

sudo apt-get install python-matplotlib1

我当时安装dlib的过程简直太艰辛，网上各种说不知道怎么配，配不好，我基本把stackoverflow上的方法试了个遍，才最终成功编译出来并且导入，不过听说18.18更新之后有了setup.py,那真是极好的，18.18我没有亲自配过也不能乱说，这里给大家分享我配置18.17的过程吧：

1.首先必须安装libboost，不然是不能使用.so库的

sudo apt-get install libboost-python-dev cmake1

2.到Dlib的官网上下载dlib，会下载下来一个压缩包，里面有C++版的dlib库以及例子文档，Python dlib库的代码例子等等

我使用的版本是dlib-18.17,大家也可以在我这里下载：

之后进入python_examples下使用bat文件进行编译，编译需要先安装libboost-python-dev和cmake

cd to dlib-18.17/python_examples

./compile_dlib_python_module.bat 123

之后会得到一个dlib.so，复制到dist-packages目录下即可使用

这里大家也可以直接用我编译好的.so库,但是也必须安装libboost才可以，不然python是不能调用so库的，下载地址：

将.so复制到dist-packages目录下

sudo cp dlib.so/usr/local/lib/python2.7/dist-packages/1

最新的dlib18.18好像就没有这个bat文件了，取而代之的是一个setup文件，那么安装起来应该就没有这么麻烦了，大家可以去直接安装18.18，也可以直接下载复制我的.so库，这两种方法应该都不麻烦～

有时候还会需要下面这两个库，建议大家一并安装一下

sudo apt-get install python-skimage1

环境配置结束之后，我们首先看一下dlib提供的示例程序

dlib-18.17/python_examples/face_detector.py源程序：

#!/usr/bin/python# The contents of this file are in the public domain. See LICENSE_FOR_EXAMPLE_PROGRAMS.txt## This example program shows how to find frontal human faces in an image. In# particular, it shows how you can take a list of images from the command# line and display each on the screen with red boxes overlaid on each human# face.## The examples/faces folder contains some jpg images of people. You can run# this program on them and see the detections by executing the# following command:#./face_detector.py../examples/faces/*.jpg## This face detector is made using the now classic Histogram of Oriented# Gradients(HOG) feature combined with a linear classifier, an image# pyramid, and sliding window detection scheme. This type of object detector# is fairly general and capable of detecting many types of semi-rigid objects# in addition to human faces. Therefore, if you are interested in making# your own object detectors then read the train_object_detector.py example# program.### COMPILING THE DLIB PYTHON INTERFACE# Dlib comes with a compiled python interface for python 2.7 on MS Windows. If# you are using another python version or operating system then you need to# compile the dlib python interface before you can use this file. To do this,# run compile_dlib_python_module.bat. This should work on any operating# system so long as you have CMake and boost-python installed.# On Ubuntu, this can be done easily by running the command:# sudo apt-get install libboost-python-dev cmake## Also note that this example requires scikit-image which can be installed# via the command:# pip install-U scikit-image# Or downloaded from. import sys

detector= dlib.get_frontal_face_detector()

print("a");for f in sys.argv[1:]:

print("Processing file:{}".format(f))

# The 1 in the second argument indicates that we should upsample the image

# 1 time. This will make everything bigger and allow us to detect more

print("Number of faces detected:{}".format(len(dets))) for i, d in enumerate(dets):

print("Detection{}: Left:{} Top:{} Right:{} Bottom:{}".format(

i, d.left(), d.top(), d.right(), d.bottom()))

dlib.hit_enter_to_continue()# Finally, if you really want to you can ask the detector to tell you the score# for each detection. The score is bigger for more confident detections.# Also, the idx tells you which of the face sub-detectors matched. This can be# used to broadly identify faces in different orientations.if(len(sys.argv[1:])> 0):

dets, scores, idx= detector.run(img, 1) for i, d in enumerate(dets):

print("Detection{}, score:{}, face_type:{}".format(

d, scores[i], idx[i]))123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081

我把源代码精简了一下，加了一下注释： face_detector0.1.py

#-*- coding: utf-8-*-import sys

from skimage import io#使用dlib自带的frontal_face_detector作为我们的特征提取器detector= dlib.get_frontal_face_detector()#使用dlib提供的图片窗口win= dlib.image_window()#sys.argv[]是用来获取命令行参数的，sys.argv[0]表示代码本身文件路径，所以参数从1开始向后依次获取图片路径for f in sys.argv[1:]:#输出目前处理的图片地址

print("Processing file:{}".format(f))#使用skimage的io读取图片

img= io.imread(f)#使用detector进行人脸检测 dets为返回的结果

dets= detector(img, 1)#dets的元素个数即为脸的个数

print("Number of faces detected:{}".format(len(dets)))#使用enumerate函数遍历序列中的元素以及它们的下标

#left：人脸左边距离图片左边界的距离；right：人脸右边距离图片左边界的距离

#top：人脸上边距离图片上边界的距离；bottom：人脸下边距离图片上边界的距离

print("Detection{}: Left:{} Top:{} Right:{} Bottom:{}"

.format( i, d.left(), d.top(), d.right(), d.bottom()))#也可以获取比较全面的信息，如获取人脸与detector的匹配程度

dets, scores, idx= detector.run(img, 1)

print("Detection{}, dets{},score:{}, face_type:{}".format( i, d, scores[i], idx[i]))

#绘制图片(dlib的ui库可以直接绘制dets)

win.add_overlay(dets)#等待点击

dlib.hit_enter_to_continue()1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950

分别测试了一个人脸的和多个人脸的，以下是运行结果：

运行的时候把图片文件路径加到后面就好了

python face_detector0.1.py./data/3.jpg12

这里可以看出侧脸与detector的匹配度要比正脸小的很多

人脸检测我们使用了dlib自带的人脸检测器（detector），关键点提取需要一个特征提取器（predictor），为了构建特征提取器，预训练模型必不可少。

除了自行进行训练外，还可以使用官方提供的一个模型。该模型可从dlib sourceforge库下载：

这个库支持68个关键点的提取，一般来说也够用了，如果需要更多的特征点就要自己去训练了。

dlib-18.17/python_examples/face_landmark_detection.py源程序：

#!/usr/bin/python# The contents of this file are in the public domain. See LICENSE_FOR_EXAMPLE_PROGRAMS.txt## This example program shows how to find frontal human faces in an image and# estimate their pose. The pose takes the form of 68 landmarks. These are# points on the face such as the corners of the mouth, along the eyebrows, on# the eyes, and so forth.## This face detector is made using the classic Histogram of Oriented# Gradients(HOG) feature combined with a linear

三、笔记本电脑火狐浏览器人脸识别不了

笔记本电脑火狐浏览器人脸识别按照以下方法操作：

1、打开火狐浏览器，在浏览器右上方点击“打开菜单”图标，在弹出的菜单窗口中点击进入“选项”页面中。

2、此时进入火狐浏览器的选项页面，在页面左侧的菜单栏中点击进入“隐私与安全”设置页面中。

3、进入“隐私与安全”页面中后，将页面下拉找到“权限”相关设置，在里面点击“摄像头”右侧的“设置”按钮。

4、点击之后会弹出如下图所示的窗口，在窗口左下角可以看到“禁止新的操控摄像头请求”目前是勾选状态，将其取消勾选，然后点击“保存更改”按钮就可以了。

四、浏览器中qq安全中心人脸识别不了验证不了怎么办

1、在手机下载QQ安全中心，点击打开

3、登录后弹出验证，识别不了就点击底下的更换验证方式

4、接着点击左上角的跳过，以后再验证

5、这也就登录成功了，但右上角显示未验证，这时点击下边的我的密保

7、再点击立即验证，也就是重新录入

10、自动跳到短信，然后点击发送即可

11、接着又跳回软件界面，会提示身份验证成功，这样下次就可以识别了

五、社保 人脸识别 停止运行 IE 浏览器崩溃

1、刚刚做过这个认证。首先需要 IE浏览器，其他的是不行的。IE浏览器就涉及版本兼容问题。

2、我的系统是 Windows 10企业版，IE 11。

3、起初，连登录界面都看不到。经常服务器无响应。这应该是网站问题。

4、换了一个时间再试，就可以登录了。但人脸识别的时候，总是网页崩溃，然后自动重新加载。

5、正常进入认证页面，点IE浏览器的“工具”菜单→“兼容视图设置”（看不见菜单栏，请按一下 Alt键）。

6、点“添加”按钮将当前的 IP地址添加到兼容视图列表中，然后点“关闭”按钮。

7、按 Ctrl+F12键，打开“F12开发者工具”界面，点最右侧一个菜单项“模拟(Emulation)”（如果被折叠，可以点向下三角展开）。

8、将“文档模式”设置为“10”，“用户代理串(User agent string)”设置为“Internet Explorer 10”。

9、回到认证页面，点“开始认证”。

10、按照语音提示，进行认证。认证时，光源要适中，能看清人脸。过程中人脸不能出框。转头低头抬头要到位，不要太慢。认证会连续检测两个动作，每个动作要复位后再做，即如，要求“抬头”→“向左转头”时，向左转头要把头回正后进行，不能仰着头就进行左转，否则会检测失败。如果每个步骤通过，检测框会保持绿色。但第二步则永远是红色，不管是否通过。如果你看到文字提示正在上传数据库，恭喜你，马上就成功了。一旦与数据库中的照片人脸匹配，整个认证过程就成功结束。

11、不一定对你有效，放上来提供思路，供您参考。祝您好运。

文章到此结束，如果本次分享的人脸识别谷歌浏览器下载和人脸识别谷歌浏览器下载不了的问题解决了您的问题，那么我们由衷的感到高兴！