微信号:iDotNet

介绍:专注分享 .NET 相关技术文章、教程和工具.有时也会涉及到IT职场相关的一些东西,或者来点幽默趣文.

C#30分钟完成百度人脸识别

2019-04-12 11:45 DotNet

(给DotNet加星标,提升.Net技能

转自:熊泽-学习中的苦与乐

cnblogs.com/xiongze520/p/10688545.html


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


推荐阅读

(点击标题可跳转阅读)

C#离线人脸识别使用ArcFace 2.0开发

.NET关于人脸识别引擎分享

ASP.NET Core日志记录(NLog)


看完本文有收获?请转发分享给更多人

关注「DotNet」加星标,提升.Net技能 

喜欢就点一下「在看」呗~

 
DotNet 更多文章 C#并发编程之异步编程(线程讨论) Visual Studio 2019使用Live Share ASP.NET Core 日志记录(NLog) ASP.NET Core 使用Jaeger实现分布式追踪 .NET Core 3.0 助力 WPF 开发
猜您喜欢 签约奖金:IT世界的卖身契 如何在Cell中有不定数量个带图Button的情况下,保持性能和代码可读性? 华为的StreamSQL,你“抄袭”了我的创意 一路有你,风雨同行,我的结婚纪念日 在 Lua 中实现 sleep 函数