PC人臉識別登入，出乎意料的簡單

程式設計師小富發表於2020-07-29

本文收錄在個人部落格：www.chengxy-nds.top，技術資源共享。

之前不是做了個開源專案嘛，在做完GitHub登入後，想著再顯得有逼格一點，說要再加個人臉識別登入，就我這佛系的開發進度，過了一週總算是抽時間安排上了。

原始碼在文末

其實最近對寫文章有點小牴觸，寫的東西沒人看，總有點小失落，好在有同行大佬們的開導讓我重拾了信心。調整了自己的心態，只要我分享的東西對大家有幫助就好，至於多少人看那就隨緣吧！

廢話不多說先看人臉識別效果動態，馬賽克有點重哈，沒辦法長相實在是拿不出手。

實現原理

我們看一下實現人臉識別登入的大致流程，三個主要步驟：

  1. 前端登入頁開啟攝像頭，進行人臉識別，注意：只識別畫面中是不是有人臉

  2. 識別到人臉後，拍照上傳當前畫面圖片

  3. 後端接受圖片並呼叫人臉庫SDK，對人像進行比對，透過則登入成功，並將人像資訊註冊到人臉庫和本地mysql。

前端實現

上邊說過要在前端識別到人臉，所以這裡就不得不借助工具了，我使用的 tracking.js，一款輕量級的前端人臉識別框架。

前端 Vue 程式碼實現邏輯比較簡單，tracking.js 開啟攝像頭識別到人臉資訊後，對影片影像拍照，將圖片資訊上傳到後臺，等待圖片對比的結果就可以了。

data() {
        return {
            showContainer: true,   // 顯示
            tracker: null,
            tipFlag: false,         // 提示使用者已經檢測到
            flag: false,            // 判斷是否已經拍照
            context: null,          // canvas上下文
            removePhotoID: null,    // 停止轉換圖片
            scanTip: '人臉識別中...',// 提示文字
            imgUrl: '',              // base64格式圖片
            canvas: null
        }
    },
    mounted() {
        this.playVideo()
    },
    methods: {

        playVideo() {
            var video = document.getElementById('video');
            this.canvas = document.getElementById('canvas');
            this.context = this.canvas.getContext('2d');
            this.tracker = new tracking.ObjectTracker('face');
            this.tracker.setInitialScale(4);
            this.tracker.setStepSize(2);
            this.tracker.setEdgesDensity(0.1);

            tracking.track('#video', this.tracker, {camera: true});

            this.tracker.on('track', this.handleTracked);
        },

        handleTracked(event) {
                this.context.clearRect(0, 0, this.canvas.width, this.canvas.height);
                if (event.data.length === 0) {
                    this.scanTip = '未識別到人臉'
                } else {
                    if (!this.tipFlag) {
                        this.scanTip = '識別成功，正在拍照，請勿亂動~'
                    }
                    // 1秒後拍照，僅拍一次
                    if (!this.flag) {
                        this.scanTip = '拍照中...'
                        this.flag = true
                        this.removePhotoID = setTimeout(() => {
                                this.tackPhoto()
                                this.tipFlag = true
                            },
                            2000
                        )
                    }
                    event.data.forEach(this.plot);
                }
        },

        plot(rect){
            this.context.strokeStyle = '#eb652e';
            this.context.strokeRect(rect.x, rect.y, rect.width, rect.height);
            this.context.font = '11px Helvetica';
            this.context.fillStyle = "#fff";
            this.context.fillText('x: ' + rect.x + 'px', rect.x + rect.width + 5, rect.y + 11);
            this.context.fillText('y: ' + rect.y + 'px', rect.x + rect.width + 5, rect.y + 22);
        },

        // 拍照
        tackPhoto() {

            this.context.drawImage(this.$refs.refVideo, 0, 0, 500, 500)
            // 儲存為base64格式
            this.imgUrl = this.saveAsPNG(this.$refs.refCanvas)
            var formData = new FormData();
            formData.append("file", this.imgUrl);
            this.scanTip = '登入中，請稍等~'

            axios({
                method: 'post',
                url: '/faceDiscern',
                data: formData,
            }).then(function (response) {
                alert(response.data.data);
                window.location.href="http://127.0.0.1:8081/home";
            }).catch(function (error) {
                console.log(error);
            });

            this.close()
        },

        // 儲存為png,base64格式圖片
        saveAsPNG(c) {
            return c.toDataURL('image/png', 0.3)
        },

        // 關閉並清理資源
        close() {
            this.flag = false
            this.tipFlag = false
            this.showContainer = false
            this.tracker && this.tracker.removeListener('track', this.handleTracked) && tracking.track('#video', this.tracker, {camera: false});
            this.tracker = null
            this.context = null
            this.scanTip = ''
            clearTimeout(this.removePhotoID)
        }
    }

人臉識別

之前也搞過一個人臉識別案例 《基於 Java 實現的人臉識別功能（附原始碼）》 ，不過呼叫SDK的方式太過繁瑣，而且程式碼量巨大。所以這次為了簡化實現，改用了百度的人臉識別API，沒想到出乎意料的簡單。

別抬槓問我為啥不自己寫人臉識別工具，別問，問就是不會

在百度雲註冊一個應用 https://console.bce.baidu.com/ai/?_=1595996996657&fromai=1#/ai/face/app/list，得到 API Key和 Secret Key，為了後續獲取 token用。

在這裡插入圖片描述

百度雲人臉識別的API非常友好，各種操作的 demo都寫好了，拿過來簡單改改就可以。

第一步先獲取token，這是呼叫百度人臉識別API的基礎。

https://aip.baidubce.com/oauth/2.0/token?
grant_type=client_credentials&
client_id=【百度雲應用的AK】&
client_secret=【百度雲應用的SK】

接下來我們開始對圖片進行比對，百度雲提供了一個線上的人臉庫，使用者登入我們先在人臉庫查詢人像是否存在，存在則表示登入成功，如果不存在則註冊到人臉庫。每個圖片有一個唯一標識face_token。

百度人臉識別 API 實現比較簡單，需要特別注意引數image_type，它有三種型別

  • BASE64：圖片的base64值，base64編碼後的圖片資料，編碼後的圖片大小不超過2M；
  • URL：圖片的 URL地址( 可能由於網路等原因導致下載圖片時間過長)；
  • FACE_TOKEN：人臉圖片的唯一標識，呼叫人臉檢測介面時，會為每個人臉圖片賦予一個唯一的
    FACE_TOKEN，同一張圖片多次檢測得到的FACE_TOKEN是同一個。

而我們這裡使用的是圖片BASE64檔案，所以image_type要設定成BASE64。

    @Override
    public BaiDuFaceSearchResult faceSearch(String file) {

        try {
            byte[] decode = Base64.decode(Base64Util.base64Process(file));
            String faceFile = Base64Util.encode(decode);

            Map<String, Object> map = new HashMap<>();
            map.put("image", faceFile);
            map.put("liveness_control", "NORMAL");
            map.put("group_id_list", "user");
            map.put("image_type", "BASE64");
            map.put("quality_control", "LOW");
            String param = GsonUtils.toJson(map);

            String result = HttpUtil.post(faceSearchUrl, this.getAccessToken(), "application/json", param);
            BaiDuFaceSearchResult searchResult = JSONObject.parseObject(result, BaiDuFaceSearchResult.class);
            log.info(" faceSearch: {}", JSON.toJSONString(searchResult));
            return searchResult;
        } catch (Exception e) {
            log.error("get faceSearch error {}", e.getStackTrace());
            e.getStackTrace();
        }
        return null;
    }

    @Override
    public BaiDuFaceDetectResult faceDetect(String file) {

        try {
            byte[] decode = Base64.decode(Base64Util.base64Process(file));
            String faceFile = Base64Util.encode(decode);

            Map<String, Object> map = new HashMap<>();
            map.put("image", faceFile);
            map.put("face_field", "faceshape,facetype");
            map.put("image_type", "BASE64");
            String param = GsonUtils.toJson(map);

            String result = HttpUtil.post(faceDetectUrl, this.getAccessToken(), "application/json", param);
            BaiDuFaceDetectResult detectResult = JSONObject.parseObject(result, BaiDuFaceDetectResult.class);
            log.info(" detectResult: {}", JSON.toJSONString(detectResult));
            return detectResult;
        } catch (Exception e) {
            log.error("get faceDetect error {}", e.getStackTrace());
            e.getStackTrace();
        }
        return null;
    }

    @Override
    public BaiDuFaceAddResult addFace(String file, UserFaceInfo userFaceInfo) {

        try {
            byte[] decode = Base64.decode(Base64Util.base64Process(file));
            String faceFile = Base64Util.encode(decode);

            Map<String, Object> map = new HashMap<>();
            map.put("image", faceFile);
            map.put("group_id", "user");
            map.put("user_id", userFaceInfo.getUserId());
            map.put("user_info", JSON.toJSONString(userFaceInfo));
            map.put("liveness_control", "NORMAL");
            map.put("image_type", "BASE64");
            map.put("quality_control", "LOW");
            String param = GsonUtils.toJson(map);

            String result = HttpUtil.post(addfaceUrl, this.getAccessToken(), "application/json", param);
            BaiDuFaceAddResult addResult = JSONObject.parseObject(result, BaiDuFaceAddResult.class);
            log.info("addResult: {}", JSON.toJSONString(addResult));
            return addResult;
        } catch (Exception e) {
            log.error("get addFace error {}", e.getStackTrace());
            e.getStackTrace();
        }
        return null;
    }

專案是前後端分離的，但為了大家學習方便，我把人臉識別頁面整合到了後端專案。

最後 run FireControllerApplication 訪問地址：localhost:8082/face 即可。

原始碼GitHub地址：https://github.com/chengxy-nds/fire.git，歡迎大家來耍~

原創不易，燃燒秀髮輸出內容，如果有一丟丟收穫，點個贊鼓勵一下吧！

整理了幾百本各類技術電子書，送給小夥伴們。關注公號回覆【666】自行領取。和一些小夥伴們建了一個技術交流群，一起探討技術、分享技術資料，旨在共同學習進步，如果感興趣就加入我們吧！

本作品採用《CC 協議》，轉載必須註明作者和本文連結

相關文章