歡迎光臨
每天分享高質量文章

C#30分鐘完成百度人臉識別

作者:熊澤-學習中的苦與樂

鏈接:http://www.cnblogs.com/xiongze520/p/10688545.html

一、前言

距離上次入門篇時隔兩個月才出這進階篇,小編慚愧,對不住關註我的卡哇伊的小伙伴們,為此小編用這篇博來謝罪。

 

前面的準備工作我就不說了,註冊百度賬號api,創建web網站專案,引入動態鏈接庫引入。

 

不瞭解的可以花費10分鐘移步學習:C# 10分鐘完成百度人臉識別—入門篇

 

如果要學習的童鞋最好下載本demo原始碼,因為有信息入庫功能,BLL、DAL、資料庫就在原始碼裡面。

 

一般情況下筆記本自帶的可見光攝像頭就可以進行人臉識別,但是這種攝像頭不能很好的進行活體檢測,可能會被照片和視頻騙過,

 

而且受到光線影響,太暗或者太亮都不行。如果要實現更好的人臉識別效果和更高的安全性,

 

就需要特殊的人臉識別攝像頭或者配套寬動態和近紅外雙攝像頭,既能確保活體,又能使用光線,我們這裡就使用簡單的筆記本自帶的攝像頭進行講解,後續有相關需要的可以討論討論。

 

提示:下載原始碼對比觀看效果更佳

 

百度網盤原始碼下載鏈接:https://pan.baidu.com/s/1IzJCeF8uTKjZ882BTxI4bw 

提取碼:p92w

 

複製這段內容後打開百度網盤手機App,操作更方便哦。

 

我的百度人臉庫一直開啟,需要使用的小伙伴們自行在下麵代碼裡面提取api_key和secret_key

 

操作的步驟(我使用的編輯器是visual studio 2013):

 

  • 效果圖查看

  • 人臉註冊:開啟攝像頭,填入當前人臉註冊的相關信息進行註冊;

  • 人臉識別:開啟攝像頭,將人臉移入攝像頭指定區域進行識別;

  • 總結

效果圖查看

人臉註冊——效果圖

百度人臉識別控制台查看人臉——效果圖

 

資料查看資料——效果圖

 

人臉識別成功——效果圖

 

活體檢測——效果圖

控制關鍵代碼預覽——截圖

人臉註冊

新建一個ASP.NET Web應用程式網站專案,命名為WebApplication1,添加百度SDK取用,不知道怎麼取用的童鞋看這兒《C# 10分鐘完成百度人臉識別—入門篇》

 

添加簡單的類庫充當三層架構,分別命名為:FaceBLL、FaceDAL、FaceModel,引入自己擅長的ORM框架(SQLSugar、Dapper、EF等,小編引入的SQLSugar)。

 

編寫映射物體Face_UserInfo,欄位和資料庫一樣,編寫相關的bll、dal、增刪查改。

 

接下來就是控制器編寫,我們把代碼粘貼出來看一下(單獨粘貼這個代碼是會報錯的,因為沒有bll、dal等內容):

 

提示:下載原始碼對比觀看效果更佳

 

原始碼下載鏈接:https://pan.baidu.com/s/1IzJCeF8uTKjZ882BTxI4bw 

提取碼:p92w

//人臉註冊
public JsonResult Face_Registration()
{
    //設置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;  // 修改超時時間
    var imageType = "BASE64";  //BASE64   URL
    string imgData64 = Request["imgData64"];
    imgData64 = imgData64.Substring(imgData64.IndexOf(",") + 1);      //將‘,’以前的多餘字串刪除
    ResultInfo result = new ResultInfo();
    try
    {
        //註冊人臉
        var groupId = "group1";
        var userId = "user1";
        //首先查詢是否存在人臉
        var result2 = client.Search(imgData64, imageType, userId);  //會出現222207(未找到用戶)這個錯誤
        var strJson = Newtonsoft.Json.JsonConvert.SerializeObject(result2);
        var o2 = Newtonsoft.Json.JsonConvert.DeserializeObject(strJson) as JObject;
        //判斷是否存在當前人臉,相識度是否大於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分以上可以判斷為同一人,此分值對應萬分之一誤識率
                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();
        // 呼叫人臉註冊,可能會丟擲網絡等異常,請使用try/catch捕獲
        // 如果有可選引數
        var options = new Dictionary<string, object>{
                    {"user_info", guid}
                };
        // 帶引數呼叫人臉註冊
        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);
}
//用戶信息入庫
public JsonResult face_userInfoSace()
{
    ResultInfo result = new ResultInfo();
    try
    {
        //這裡就不進行非空判斷了,後期根據實際情況進行優化
        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;
        //根據人臉唯一標識判斷是否存在資料
        List strlist = new Face_UserInfoBLL().GetfaceinfoByToken(Guid_Id);
        if(strlist.Count>0)
        {
            result.res = true;
            result.info = "當前用戶已註冊過!";
            return Json(result, JsonRequestBehavior.AllowGet);
        }
        if(new Face_UserInfoBLL().face_userInfoSace(model)>0)
        {
            result.res = true;
            result.info = "註冊成功";
        }
        else
            result.info = "註冊失敗";
    }
    catch (Exception e)
    {
        result.info = e.Message;
    }
    return Json(result, JsonRequestBehavior.AllowGet);
}

人臉識別

註冊完後就是識別,識別主要做一個簡單的活體檢測。識別後將人臉相關信息顯示出來。

 

註意,人臉識別效果可以做出特效,本人才疏學淺,誰會canvas動畫的可以私我,有個人臉識別的動畫特效需要實現,我做了一個簡單的上下掃描動畫。

 

下麵就將代碼貼出來:

 

//人臉識別
public JsonResult Face_Distinguish()
{

    // 設置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;  // 修改超時時間
    var imageType = "BASE64";  //BASE64   URL
    string imgData64 = Request["imgData64"];
    imgData64 = imgData64.Substring(imgData64.IndexOf(",") + 1);      //將‘,’以前的多餘字串刪除
    ResultInfo result = new ResultInfo();
    try
    {
        var groupId = "group1";
        var userId = "user1";
        var result323 = client.Detect(imgData64, imageType);
        //活體檢測閾值是多少
        //0.05 活體誤拒率:萬分之一;拒絕率:63.9%
        //0.3 活體誤拒率:千分之一;拒絕率:90.3%
        //0.9 活體誤拒率:百分之一;拒絕率:97.6%
        //1誤拒率: 把真人識別為假人的概率. 閾值越高,安全性越高, 要求也就越高, 對應的誤識率就越高
        //2、通過率=1-誤拒率
        //所以你thresholds引數傳回 和 face_liveness 比較大於推薦值就是活體
        ////活體判斷
        var faces = new JArray
                {
                    new JObject
                    {
                        {"image", imgData64},
                        {"image_type", "BASE64"}
                    }
                };
        var Living = client.Faceverify(faces);  //活體檢測交互傳回
        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 = "識別失敗:不是活體!";
                return Json(result, JsonRequestBehavior.AllowGet);
            }
        }
        //首先查詢是否存在人臉
        var result2 = client.Search(imgData64, imageType, groupId);
        var strJson = Newtonsoft.Json.JsonConvert.SerializeObject(result2);
        var o2 = Newtonsoft.Json.JsonConvert.DeserializeObject(strJson) as JObject;
        //判斷是否存在當前人臉,相識度是否大於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分以上可以判斷為同一人,此分值對應萬分之一誤識率
                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);
}

//識別成功,查詢資料庫
public JsonResult Face_UserInfoList()
{
    ResultInfo result = new ResultInfo();
    //這裡就不進行非空判斷了,後期根據實際情況進行優化
    var Guid_Id = Request["Guid_Id"];
    //根據人臉唯一標識判斷是否存在資料
    List 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);
}

總結

匆匆忙忙就結束了,其實學起來也簡單,大家下載demo對比學習一下,有什麼疑問大家討論討論。

 

刪除、更新還是一樣的操作,去直接拷貝官網的幾行代碼即可,都是需要face_token作為添加更新刪除,這個欄位註冊的時候已經存到資料庫了。

 

我的百度人臉庫一直開啟,需要使用的小伙伴們自行在下麵代碼裡面提取api_key和secret_key

 

又要去開啟新專案,大家後面再見。關註小編不迷路!

 

Demo原始碼下載

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

提取碼:p92w

已同步到看一看
赞(0)

分享創造快樂