PC人脸识别登录,出乎意料的简单

人工智能 2022-06-18 19:20www.robotxin.com人工智能专业

之前不是做了个开源项目嘛,在做完GitHub登录后,想着再显得有逼格一点,说要再加个人脸识别登录,就我这佛系的开发进度,过了一周总算是抽时间安排上了。

源码在文末

其实最近对写文章有点小抵触,写的东西没人看,总有点小失落,好在有同行大佬们的开导让我重拾了信心。调整了自己的心态,只要我分享的东西对大家有帮助就好,至于多少人看那就随缘吧!

废话不多说先看人脸识别效果动态,马赛克有点重哈,没办法长相实在是拿不出手。

实现原理

我们看一下实现人脸识别登录的大致流程,三个主要步骤:

前端登录页打开摄像头,进行人脸识别,注意:只识别画面中是不是有人脸

识别到人脸后,拍照上传当前画面图片

后端接受图片并调用人脸库SDK,对人像进行比对,通过则登录成功,并将人像信息注册到人脸库和本地mysql。

前端实现

上边说过要在前端识别到人脸,所以这里就不得不借助工具了,我使用的 tracking.js,一款轻量级的前端人脸识别框架。

前端 Vue 代码实现逻辑比较简单,tracking.js 打开摄像头识别到人脸信息后,对视频图像拍照,将图片信息上传到后台,等待图片对比的结果就可以了。

data() {          return {              shoContainer: true,   // 显示              tracker: null,              tipFlag: false,         // 提示用户已经检测到              flag: false,            // 判断是否已经拍照              context: null,          // canvas上下文              removePhotoID: null,    // 停止转换图片              scanTip: '人脸识别中...',// 提示文字              imgUrl: '',              // base64格式图片              canvas: null          }      },      mounted() {          this.playVideo()      },      methods: {          playVideo() {              var video = document.getElementById('video');              this.canvas = document.getElementById('canvas');              thisthis.context = this.canvas.getContext('2d');              this.tracker = ne 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.idth, this.canvas.height);                  if (event.data.length === 0) {                      this.scanTip = '未识别到人脸'                  } else {                      if (!this.tipFlag) {                          this.scanTip = '识别成功,正在拍照,请勿乱动~'                      }                      // 1秒后拍照,仅拍一次                      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.idth, rect.height);              this.context.font = '11px Helvetica';              this.context.fillStyle = "#fff";              this.context.fillText('x: ' + rect.x + 'px', rect.x + rect.idth + 5, rect.y + 11);              this.context.fillText('y: ' + rect.y + 'px', rect.x + rect.idth + 5, rect.y + 22);          },          // 拍照          tackPhoto() {              this.context.draImage(this.$refs.refVideo, 0, 0, 500, 500)              // 保存为base64格式              thisthis.imgUrl = this.saveAsPNG(this.$refs.refCanvas)              var formData = ne FormData();              formData.append("file", this.imgUrl);              this.scanTip = '登录中,请稍等~'              axios({                  method: 'post',                  url: '/faceDiscern',                 data: formData,              }).then(function (response) {                  alert(response.data.data);                  indo.location.href="http://127.0.0.1:8081/home";              }).catch(function (error) {                  console.log(error);              });              this.close()          },          // 保存为png,base64格式图片          saveAsPNG(c) {              return c.toDataURL('image/png', 0.3)          },          // 关闭并清理资源          close() {              this.flag = false              this.tipFlag = false              this.shoContainer = 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)          }      } 

人脸识别

之前也搞过一个人脸识别案例 《基于 Java 实现的人脸识别功能(附源码)》 ,不过调用SDK的方式太过繁琐,而且代码量巨大。所以这次为了简化实现,改用了百度的人脸识别API,没想到出乎意料的简单。

别抬杠问我为啥不自己写人脸识别工具,别问,问就是不会

在百度云注册一个应用 https://console.bce.baidu./ai/?_=1595996996657&fromai=1#/ai/face/app/list,得到 API Key和 Secret Key,为了后续获取 token用。

百度云人脸识别的API非常友好,各种操作的 demo都写好了,拿过来简单改改就可以。

第一步先获取token,这是调用百度人脸识别API的基础。

https://aip.baidubce./oauth/2.0/token?  grant_type=client_credentials&  client_id=【百度云应用的AK】&  client_secret=【百度云应用的SK】 

接下来我们开始对图片进行比对,百度云提供了一个在线的人脸库,用户登录我们先在人脸库查询人像是否存在,存在则表示登录成功,如果不存在则注册到人脸库。每个图片有一个唯一标识face_token。

百度人脸识别 API 实现比较简单,需要特别注意参数image_type,它有三种类型

BASE64:图片的base64值,base64编码后的图片数据,编码后的图片大小不超过2M; URL:图片的 URL地址( 可能由于网络等原因导致下载图片时间过长); FACE_TOKEN:人脸图片的唯一标识,调用人脸检测接口时,会为每个人脸图片赋予一个唯一的

FACE_TOKEN,同一张图片多次检测得到的FACE_TOKEN是同一个。

而我们这里使用的是图片BASE64文件,所以image_type要设置成BASE64。

@Override    public BaiDuFaceSearchResult faceSearch(String file) {        try {            byte[] decode = Base64.decode(Base64Util.base64Process(file));            String faceFile = Base64Util.encode(decode);            Map<String, Object> map = ne 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.getAessToken(), "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 = ne 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.getAessToken(), "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 = ne 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.getAessToken(), "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;    }  

项目是前后端分离的,但为了大家学习方便,我把人脸识别页面整合到了后端项目。

最后 run FireControllerApplication 访问地址:http://localhost:8082/face 即可。

 

Copyright © 2016-2025 www.robotxin.com 人工智能机器人网 版权所有 Power by