C#30分钟完成百度人脸识别

来自:熊泽-学习中的苦与乐

一、前言


距离上次入门篇时隔两个月才出这进阶篇,小编惭愧,对不住关注我的卡哇伊的小伙伴们,为此小编用这篇博来谢罪。


前面的准备工作我就不说了,注册百度账号api,创建web网站项目,引入动态链接库引入。


不了解的可以花费10分钟移步学习:C# 10分钟完成百度人脸识别—入门篇


如果要学习的童鞋最好下载本demo源码,因为有信息入库功能,BLL、DAL、数据库就在源码里面。


一般情况下笔记本自带的可见光摄像头就可以进行人脸识别,但是这种摄像头不能很好的进行活体检测,可能会被照片和视频骗过,


而且受到光线影响,太暗或者太亮都不行。如果要实现更好的人脸识别效果和更高的安全性,


就需要特殊的人脸识别摄像头或者配套宽动态和近红外双摄像头,既能确保活体,又能使用光线,我们这里就使用简单的笔记本自带的摄像头进行讲解,后续有相关需要的可以讨论讨论。


提示:下载源码对比观看效果更佳


百度网盘源码下载链接:https://pan.baidu.com/s/1IzJCeF8uTKjZ882BTxI4bw 

提取码:p92w


复制这段内容后打开百度网盘手机App,操作更方便哦。


我的百度人脸库一直开启,需要使用的小伙伴们自行在下面代码里面提取api_key和secret_key


操作的步骤(我使用的编辑器是visual studio 2013):


  • 效果图查看


  • 人脸注册:开启摄像头,填入当前人脸注册的相关信息进行注册;


  • 人脸识别:开启摄像头,将人脸移入摄像头指定区域进行识别;


  • 总结


效果图查看


人脸注册——效果图



百度人脸识别控制台查看人脸——效果图



数据查看数据——效果图



人脸识别成功——效果图



活体检测——效果图



控制关键代码预览——截图



人脸注册


新建一个ASP.NET Web应用程序网站项目,命名为WebApplication1,添加百度SDK引用,不知道怎么引用的童鞋看这儿《C# 10分钟完成百度人脸识别—入门篇》


添加简单的类库充当三层架构,分别命名为:FaceBLL、FaceDAL、FaceModel,引入自己擅长的ORM框架(SQLSugar、Dapper、EF等,小编引入的SQLSugar)。


编写映射实体Face_UserInfo,字段和数据库一样,编写相关的bll、dal、增删查改。


接下来就是控制器编写,我们把代码粘贴出来看一下(单独粘贴这个代码是会报错的,因为没有bll、dal等内容):


提示:下载源码对比观看效果更佳


源码下载链接:https://pan.baidu.com/s/1IzJCeF8uTKjZ882BTxI4bw 

提取码:p92w


//人脸注册
public JsonResult Face_Registration()
{
   //设置APPID/AK/SK
   var API_KEY = "XFPA49myCG7S37XP1DxjLbXF";                   //你的 Api Key
   var SECRET_KEY = "ZvZKigrixMLXNZOLmkrG6iDx9QprlGuT";        //你的 Secret Key
   var client = new Baidu.Aip.Face.Face(API_KEY, SECRET_KEY);
   client.Timeout = 60000;  // 修改超时时间
   var imageType = "BASE64";  //BASE64   URL
   string imgData64 = Request["imgData64"];
   imgData64 = imgData64.Substring(imgData64.IndexOf(",") + 1);      //将‘,’以前的多余字符串删除
   ResultInfo result = new ResultInfo();
   try
   {
       //注册人脸
       var groupId = "group1";
       var userId = "user1";
       //首先查询是否存在人脸
       var result2 = client.Search(imgData64, imageType, userId);  //会出现222207(未找到用户)这个错误
       var strJson = Newtonsoft.Json.JsonConvert.SerializeObject(result2);
       var o2 = Newtonsoft.Json.JsonConvert.DeserializeObject(strJson) as JObject;
       //判断是否存在当前人脸,相识度是否大于80
       if (o2["error_code"].ToString() == "0" && o2["error_msg"].ToString() == "SUCCESS")
       {
           var result_list = Newtonsoft.Json.JsonConvert.DeserializeObject(o2["result"].ToString()) as JObject;
           var user_list = result_list["user_list"];
           var Obj = JArray.Parse(user_list.ToString());
           foreach (var item in Obj)
           {
               //80分以上可以判断为同一人,此分值对应万分之一误识率
               var score = Convert.ToInt32(item["score"]);
               if(score>80)
               {
                   result.info = result2.ToString();
                   result.res = true;
                   result.startcode = 221;
                   return Json(result, JsonRequestBehavior.AllowGet);
               }
           }
       }
       var guid = Guid.NewGuid();
       // 调用人脸注册,可能会抛出网络等异常,请使用try/catch捕获
       // 如果有可选参数
       var options = new Dictionary<string, object>{
                   {"user_info", guid}
               };
       // 带参数调用人脸注册
       var resultData = client.UserAdd(imgData64, imageType, groupId, userId, options);
       result.info = resultData.ToString();
       result.res = true;
       result.other = guid.ToString();
   }
   catch (Exception e)
   {
       result.info = e.Message;
   }
   return Json(result, JsonRequestBehavior.AllowGet);
}
//用户信息入库
public JsonResult face_userInfoSace()
{
   ResultInfo result = new ResultInfo();
   try
   {
       //这里就不进行非空判断了,后期根据实际情况进行优化
       var UserName = Request["UserName"];
       var Month = Request["Month"];
       var Sex = Request["Sex"];
       var Works = Request["Works"];
       var face_token = Request["face_token"];
       var Guid_Id = Request["Guid_Id"];

       Face_UserInfo model = new Face_UserInfo();
       model.UserName = UserName;
       model.Month = Month;
       model.Sex = Sex;
       model.Works = Works;
       model.face_token = face_token;
       model.Guid_Id = Guid_Id;
       //根据人脸唯一标识判断是否存在数据
       List<Face_UserInfo> strlist = new Face_UserInfoBLL().GetfaceinfoByToken(Guid_Id);
       if(strlist.Count>0)
       {
           result.res = true;
           result.info = "当前用户已注册过!";
           return Json(result, JsonRequestBehavior.AllowGet);
       }
       if(new Face_UserInfoBLL().face_userInfoSace(model)>0)
       {
           result.res = true;
           result.info = "注册成功";
       }
       else
           result.info = "注册失败";
   }
   catch (Exception e)
   {
       result.info = e.Message;
   }
   return Json(result, JsonRequestBehavior.AllowGet);
}


人脸识别


注册完后就是识别,识别主要做一个简单的活体检测。识别后将人脸相关信息显示出来。


注意,人脸识别效果可以做出特效,本人才疏学浅,谁会canvas动画的可以私我,有个人脸识别的动画特效需要实现,我做了一个简单的上下扫描动画。


下面就将代码贴出来:


//人脸识别
public JsonResult Face_Distinguish()
{

   // 设置APPID/AK/SK
   var API_KEY = "XFPA49myCG7S37XP1DxjLbXF";                   //你的 Api Key
   var SECRET_KEY = "ZvZKigrixMLXNZOLmkrG6iDx9QprlGuT";        //你的 Secret Key
   var client = new Baidu.Aip.Face.Face(API_KEY, SECRET_KEY);
   client.Timeout = 60000;  // 修改超时时间
   var imageType = "BASE64";  //BASE64   URL
   string imgData64 = Request["imgData64"];
   imgData64 = imgData64.Substring(imgData64.IndexOf(",") + 1);      //将‘,’以前的多余字符串删除
   ResultInfo result = new ResultInfo();
   try
   {
       var groupId = "group1";
       var userId = "user1";
       var result323 = client.Detect(imgData64, imageType);
       //活体检测阈值是多少
       //0.05 活体误拒率:万分之一;拒绝率:63.9%
       //0.3 活体误拒率:千分之一;拒绝率:90.3%
       //0.9 活体误拒率:百分之一;拒绝率:97.6%
       //1误拒率: 把真人识别为假人的概率. 阈值越高,安全性越高, 要求也就越高, 对应的误识率就越高
       //2、通过率=1-误拒率
       //所以你thresholds参数返回 和 face_liveness 比较大于推荐值就是活体
       ////活体判断
       var faces = new JArray
               {
                   new JObject
                   {
                       {"image", imgData64},
                       {"image_type", "BASE64"}
                   }
               };
       var Living = client.Faceverify(faces);  //活体检测交互返回
       var LivingJson = Newtonsoft.Json.JsonConvert.SerializeObject(Living);
       var LivingObj = Newtonsoft.Json.JsonConvert.DeserializeObject(LivingJson) as JObject;
       if (LivingObj["error_code"].ToString() == "0" && LivingObj["error_msg"].ToString() == "SUCCESS")
       {
           var Living_result = Newtonsoft.Json.JsonConvert.DeserializeObject(LivingObj["result"].ToString()) as JObject;
           var Living_list = Living_result["thresholds"];
           double face_liveness = Convert.ToDouble(Living_result["face_liveness"]);
           var frr = Newtonsoft.Json.JsonConvert.SerializeObject(Living_list.ToString());
           var frr_1eObj = Newtonsoft.Json.JsonConvert.DeserializeObject(Living_list.ToString()) as JObject;
           double frr_1e4= Convert.ToDouble(frr_1eObj["frr_1e-4"]);
           if (face_liveness < frr_1e4)
           {
               result.info = "识别失败:不是活体!";
               return Json(result, JsonRequestBehavior.AllowGet);
           }
       }
       //首先查询是否存在人脸
       var result2 = client.Search(imgData64, imageType, groupId);
       var strJson = Newtonsoft.Json.JsonConvert.SerializeObject(result2);
       var o2 = Newtonsoft.Json.JsonConvert.DeserializeObject(strJson) as JObject;
       //判断是否存在当前人脸,相识度是否大于80
       if (o2["error_code"].ToString() == "0" && o2["error_msg"].ToString() == "SUCCESS")
       {
           var result_list = Newtonsoft.Json.JsonConvert.DeserializeObject(o2["result"].ToString()) as JObject;
           var user_list = result_list["user_list"];
           var Obj = JArray.Parse(user_list.ToString());
           foreach (var item in Obj)
           {
               //80分以上可以判断为同一人,此分值对应万分之一误识率
               var score = Convert.ToInt32(item["score"]);
               if (score > 80)
               {
                   result.info = result2.ToString();
                   result.res = true;
                   result.startcode = 221;
                   return Json(result, JsonRequestBehavior.AllowGet);
               }
           }
       }
       else
       {
           result.info = strJson.ToString();
           result.res = false;
           return Json(result, JsonRequestBehavior.AllowGet);
       }
   }
   catch (Exception e)
   {
       result.info = e.Message;
   }
   return Json(result, JsonRequestBehavior.AllowGet);
}

//识别成功,查询数据库
public JsonResult Face_UserInfoList()
{
   ResultInfo result = new ResultInfo();
   //这里就不进行非空判断了,后期根据实际情况进行优化
   var Guid_Id = Request["Guid_Id"];
   //根据人脸唯一标识判断是否存在数据
   List<Face_UserInfo> strlist = new Face_UserInfoBLL().GetfaceinfoByToken(Guid_Id);
   var strJson = Newtonsoft.Json.JsonConvert.SerializeObject(strlist);
   result.info = strJson;
   result.res = true;
   return Json(result, JsonRequestBehavior.AllowGet);
}


总结


匆匆忙忙就结束了,其实学起来也简单,大家下载demo对比学习一下,有什么疑问大家讨论讨论。


删除、更新还是一样的操作,去直接拷贝官网的几行代码即可,都是需要face_token作为添加更新删除,这个字段注册的时候已经存到数据库了。


我的百度人脸库一直开启,需要使用的小伙伴们自行在下面代码里面提取api_key和secret_key


又要去开启新项目,大家后面再见。关注小编不迷路!


Demo源码下载

https://pan.baidu.com/s/1IzJCeF8uTKjZ882BTxI4bw 

提取码:p92w

推荐↓↓↓
DotNet程序员
上一篇:聊一聊C#8.0中的 await foreach 下一篇:Visual Studio 2019使用Live Share