C#30分钟完成百度人脸识别

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： 。

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——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 。

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