关于java:安排上了PC人脸识别登录出乎意料的简单

0次阅读

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。

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。

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)
        }
    }

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！