C#30分鐘完成百度人臉辨識

轉自：熊澤-學習中的苦與樂

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夥伴們，為此小編用這篇博來謝罪。

前面的準備工作我就不說了，註冊百度帳號api，建立web網站計畫，引入動態連結庫引入。

不了解的可以花費10分鐘移步學習： 。

如果要學習的童鞋最好下載本demo源碼，因為有資訊入庫功能，BLL、DAL、資料庫就在源碼裏面。

一般情況下筆記本內建的可見光網路攝影機就可以進行人臉辨識，但是這種網路攝影機不能很好的進行活體檢測，可能會被照片和視訊騙過，

而且受到光線影響，太暗或者太亮都不行。 如果要實作更好的人臉辨識效果和更高的安全性，

就需要特殊的人臉辨識網路攝影機或者配套寬動態和近紅外雙網路攝影機，既能確保活體，又能使用光線，我們這裏就使用簡單的筆記本內建的網路攝影機進行講解， 後續有相關需要的可以討論討論。

提示： 下載源碼對比觀看效果更佳

百度網盤源碼下載連結： https: //pan.baidu.com/s/1IzJCeF8uTKjZ882BTxI4bw

提取碼： p92w

復制這段內容後開啟百度網盤手機App，操作更方便哦。

我的百度人臉庫一直開啟，需要使用的小夥伴們自行在下面程式碼裏面提取api_key和secret_key

操作的步驟（我使用的編輯器是visual studio 2013）：

效果圖檢視

人臉註冊——效果圖

百度人臉辨識控制台檢視人臉——效果圖

數據檢視數據——效果圖

人臉辨識成功——效果圖

活體檢測——效果圖

控制關鍵程式碼預覽——截圖

人臉註冊

新建一個ASP.NET Web應用程式網站計畫，命名為WebApplication1，添加百度SDK參照，不知道怎麽參照的童鞋看這兒 。

添加簡單的類別庫充當三層架構，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）。

編寫對映實體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，我們把程式碼貼上出來看一下（單獨貼上這個程式碼是會報錯的，因為沒有bll、dal等內容）：

提示： 下載源碼對比觀看效果更佳

源碼下載連結： https: //pan.baidu.com/s/1IzJCeF8uTKjZ882BTxI4bw

提取碼： p92w

//人臉註冊
public JsonResult Face_Registration()
{
//設定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‘，’以前的多余字串刪除
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（未找到使用者）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，可能會丟擲網路等異常，請使用try/catch捕獲
// 如果有可選參數
var options = new Dictionary<string, object>{
{"user_info", guid}
};
// 帶參數呼叫人臉註冊
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);
}
//使用者資訊入庫
public JsonResult face_userInfoSace()
{
ResultInfo result = new ResultInfo();
try
{
//這裏就不進行非空判斷了，後期根據實際情況進行最佳化
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數據
List<Face_UserInfo> strlist = new Face_UserInfoBLL().GetfaceinfoByToken(Guid_Id);
if(strlist.Count>0)
{
result.res = true;
result.info = "當前使用者已註冊過！";
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);
}


人臉辨識

註冊完後就是辨識，辨識主要做一個簡單的活體檢測。 辨識後將人臉相關資訊顯示出來。

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

下面就將程式碼貼出來：

//人臉辨識
public JsonResult Face_Distinguish()
{
// 設定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‘，’以前的多余字串刪除
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: 把真人辨識為假人的機率. 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、透過率=1-誤拒率
//所以你thresholds參數返回 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); //活體檢測互動返回
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 = "辨識失敗：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);
}
//辨識成功，查詢資料庫
public JsonResult Face_UserInfoList()
{
ResultInfo result = new ResultInfo();
//這裏就不進行非空判斷了，後期根據實際情況進行最佳化
var Guid_Id = Request["Guid_Id"];
//根據人臉唯一標識判斷是否存在數據
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);
}



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，有什麽疑問大家討論討論。

刪除、更新還是一樣的操作，去直接拷貝官網的幾行程式碼即可，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，需要使用的小夥伴們自行在下面程式碼裏面提取api_key和secret_key

又要去開啟新計畫，大家後面再見。 關註小編不迷路！

Demo源碼下載

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

提取碼： p92w