Python Flask图片上传实现及选图后仍提示未选择文件问题修复
上传无响应问题修复方案
你遇到的上传后页面始终提示未选择文件的问题,本质是原有上传处理链路完全断裂,叠加多处代码逻辑、语法错误,具体问题和修复点如下:
现存代码的核心问题
- 上传流程完全跑不通:POST请求收到上传文件后,没有执行任何识别逻辑,直接重定向回首页,页面会重新加载成空的上传表单,看起来就像文件根本没传成功、一直显示未选择文件
- 自定义识别函数全是逻辑错误:
- 函数定义的形参是
file_stream,但函数内部直接调用全局变量里的file,传参完全失效 - 变量名混乱:提前初始化了
is_the_same_person,匹配成功时却给未定义的is_obama赋值,最后返回结果时引用了根本不存在的same变量,一运行就触发NameError报错 - 判断逻辑冗余失效:取完人脸编码的第0位结果后,再判断编码数组长度,等于做了个永远为真的无效校验
- 匹配逻辑残缺:只取匹配结果列表的第0项判断,等于只和参考文件夹里的第一张图比,完全没用到其他参考图
- 函数定义的形参是
- 文件流读取不兼容:
face_recognition.load_image_file默认读取本地磁盘路径,无法读取Flask上传的内存文件流,一到识别环节就会报错 - 参考图加载没有容错:遍历参考图生成编码时,只要某张图里没找到人脸,直接取数组第0位就会触发索引越界,导致程序直接崩溃
修复后的可运行完整代码
import cv2 import numpy as np import face_recognition import os from flask import Flask, jsonify, request app = Flask(__name__) # 参考图片文件夹路径 REFERENCE_FOLDER = "Images" known_face_encodes = [] known_face_names = [] # 启动时预加载所有参考图片的人脸编码 def load_reference_faces(): global known_face_encodes, known_face_names # 文件夹不存在就自动创建 if not os.path.isdir(REFERENCE_FOLDER): os.makedirs(REFERENCE_FOLDER) return for img_name in os.listdir(REFERENCE_FOLDER): img = face_recognition.load_image_file(os.path.join(REFERENCE_FOLDER, img_name)) face_locs = face_recognition.face_locations(img) # 跳过没有检测到人脸的无效图片 if len(face_locs) == 0: continue face_encode = face_recognition.face_encodings(img, face_locs)[0] known_face_encodes.append(face_encode) known_face_names.append(os.path.splitext(img_name)[0]) # 初始化加载参考数据 load_reference_faces() @app.route('/', methods=['GET', 'POST']) def upload_image(): if request.method == 'POST': # 校验上传文件合法性 if 'file' not in request.files: return jsonify({"error": "请求中没有文件字段"}), 400 upload_file = request.files['file'] if upload_file.filename == '': return jsonify({"error": "未选择有效文件"}), 400 # 把内存里的文件流转成opencv可识别的格式 file_stream = np.frombuffer(upload_file.read(), np.uint8) uploaded_img = cv2.imdecode(file_stream, cv2.IMREAD_COLOR) # 转成face_recognition需要的RGB通道格式 uploaded_img_rgb = cv2.cvtColor(uploaded_img, cv2.COLOR_BGR2RGB) # 检测上传图中的人脸 upload_face_locs = face_recognition.face_locations(uploaded_img_rgb) if len(upload_face_locs) == 0: return jsonify({"match": "上传图片未检测到有效人脸"}) upload_face_encodes = face_recognition.face_encodings(uploaded_img_rgb, upload_face_locs) # 逐个人脸做匹配,取距离最小的最相似结果 match_list = [] for face_encode in upload_face_encodes: compare_results = face_recognition.compare_faces(known_face_encodes, face_encode) face_distances = face_recognition.face_distance(known_face_encodes, face_encode) best_match_idx = np.argmin(face_distances) if compare_results[best_match_idx]: match_list.append({ "is_matched": True, "matched_reference": known_face_names[best_match_idx] }) else: match_list.append({"is_matched": False}) return jsonify({"match_detail": match_list}) # GET请求返回上传页面 return ''' <!doctype html> <h1>Upload a picture for image recognition</h1> <form method="POST" enctype="multipart/form-data"> <input type="file" name="file" required> <input type="submit" value="Upload"> </form> ''' if __name__ == "__main__": app.run(debug=True)
修复后的运行效果
- 选好图片点上传后,不会再无响应跳回空表单,会正常返回JSON格式的匹配结果
- 参考图加载环节会自动跳过无效的无脸图片,不会因为单张图报错导致程序崩溃
- 上传环节会自动处理内存文件流,不需要手动把上传文件存到本地磁盘再读取
- 匹配逻辑会遍历所有参考图片,取相似度最高的结果做判断,不会只匹配第一张图
内容的提问来源于stack exchange,提问作者user12253044
相关产品推荐
相关产品推荐

