共计 5910 个字符,预计需要花费 15 分钟才能阅读完成。
本文收录在集体博客:www.chengxy-nds.top,技术资源共享。
之前不是做了个开源我的项目嘛,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顿上了。
源码在文末
其实最近对写文章有点小冲突,写的货色没人看,总有点小失落,好在有同行大佬们的开导让我重拾了信念。调整了本人的心态,只有我分享的货色对大家有帮忙就好,至于多少人看那就随缘吧!
废话不多说先看人脸识别成果动静,马赛克有点重哈,没方法长相切实是拿不出手。
实现原理
咱们看一下实现人脸识别登录的大抵流程,三个次要步骤:
- 前端登录页关上摄像头,进行人脸识别,留神:只辨认画面中是不是有人脸
- 辨认到人脸后,拍照上传以后画面图片
- 后端承受图片并调用人脸库 SDK,对人像进行比对,通过则登录胜利,并将人像信息注册到人脸库和本地
mysql
。
前端实现
上边说过要在前端辨认到人脸,所以这里就不得不借助工具了,我应用的 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
关上摄像头辨认到人脸信息后,对视频图像拍照,将图片信息上传到后盾,期待图片比照的后果就能够了。
data() {
return {
showContainer: true, // 显示
tracker: null,
tipFlag: false, // 提醒用户曾经检测到
flag: false, // 判断是否曾经拍照
context: null, // canvas 上下文
removePhotoID: null, // 进行转换图片
scanTip: '人脸识别中...',// 提醒文字
imgUrl: '', // base64 格局图片
canvas: null
}
},
mounted() {this.playVideo()
},
methods: {playVideo() {var video = document.getElementById('video');
this.canvas = document.getElementById('canvas');
this.context = this.canvas.getContext('2d');
this.tracker = new 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.width, this.canvas.height);
if (event.data.length === 0) {this.scanTip = '未辨认到人脸'} else {if (!this.tipFlag) {this.scanTip = '辨认胜利,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.width, rect.height);
this.context.font = '11px Helvetica';
this.context.fillStyle = "#fff";
this.context.fillText('x:' + rect.x + 'px', rect.x + rect.width + 5, rect.y + 11);
this.context.fillText('y:' + rect.y + 'px', rect.x + rect.width + 5, rect.y + 22);
},
// 拍照
tackPhoto() {this.context.drawImage(this.$refs.refVideo, 0, 0, 500, 500)
// 保留为 base64 格局
this.imgUrl = this.saveAsPNG(this.$refs.refCanvas)
var formData = new 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);
window.location.href="http://127.0.0.1:8081/home";
}).catch(function (error) {console.log(error);
});
this.close()},
// 保留为 png,base64 格局图片
saveAsPNG(c) {return c.toDataURL('image/png', 0.3)
},
// 敞开并清理资源
close() {
this.flag = false
this.tipFlag = false
this.showContainer = 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 实现的人脸识别性能(附源码)》,不过调用 SDK 的形式太过繁琐,而且代码量微小。所以这次为了简化实现,改用了百度的人脸识别 API,没想到出其不意的简略。
别抬杠问我为啥不本人写人脸识别工具,别问,问就是不会
在百度云注册一个利用 https://console.bce.baidu.com/ai/?_=1595996996657&fromai=1#/ai/face/app/list
,失去 API Key
和 Secret Key
,为了后续获取 token
用。
百度云人脸识别的 API 十分敌对,各种操作的 demo 都写好了,拿过去简略改改就能够。
第一步先获取 token
,这是调用百度人脸识别API
的根底。
https://aip.baidubce.com/oauth/2.0/token?
grant_type=client_credentials&
client_id=【百度云利用的 AK】&
client_secret=【百度云利用的 SK】
接下来咱们开始对图片进行比对,百度云提供了一个在线的人脸库,用户登录咱们先在人脸库查问人像是否存在,存在则示意登录胜利,如果不存在则注册到人脸库。每个图片有一个惟一标识face_token
。
百度人脸识别 API
实现比较简单,须要特地留神参数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(可能因为网络等起因导致下载图片工夫过长);FACE_TOKEN
:人脸图片的惟一标识,调用人脸检测接口时,会为每个人脸图片赋予一个惟一的FACE_TOKEN
,同一张图片屡次检测失去的FACE_TOKEN
是同一个。
而咱们这里应用的是图片 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 = new 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.getAccessToken(), "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 = new 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.getAccessToken(), "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 = new 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.getAccessToken(), "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;
}
我的项目是前后端拆散的,但为了大家学习不便,我把人脸识别页面整合到了后端我的项目。
最初 run FireControllerApplication 拜访地址:http://localhost:8082/face 即可。
源码 GitHub
地址:https://github.com/chengxy-nds/fire.git
,欢送大家来耍~
原创不易,焚烧秀发输入内容,如果有一丢丢播种,点个赞激励一下吧!
习惯在 VX 看技术文章,想要获取更多 Java 资源的同学,能够关注我的公众号:程序员内点事,暗号:[666]