C#30分鐘完成百度人臉識別-知識星球

作者：熊澤-學習中的苦與樂

連結：http://www.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，註冊百度賬號api，建立web網站專案，引入動態連結庫引入。

不瞭解的可以花費10分鐘移步學習：《C# 10分鐘完成百度人臉識別—入門篇》。

如果要學習的童鞋最好下載本demo原始碼，因為有資訊入庫功能，BLL、DAL、資料庫就在原始碼裡面。

一般情況下筆記本自帶的可見光攝像頭就可以進行人臉識別，但是這種攝像頭不能很好的進行活體檢測，可能會被照片和影片騙過，

而且受到光線影響，太暗或者太亮都不行。如果要實現更好的人臉識別效果和更高的安全性，

就需要特殊的人臉識別攝像頭或者配套寬動態和近紅外雙攝像頭，既能確保活體，又能使用光線，我們這裡就使用簡單的筆記本自帶的攝像頭進行講解，後續有相關需要的可以討論討論。

提示：下載原始碼對比觀看效果更佳

百度網盤原始碼下載連結：https://pan.baidu.com/s/1IzJCeF8uTKjZ882BTxI4bw

提取碼：p92w

複製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麵程式碼裡面提取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：開啟攝像頭，填入當前人臉註冊的相關資訊進行註冊；
人臉識別：開啟攝像頭，將人臉移入攝像頭指定區域進行識別；
總結

效果圖檢視

人臉註冊——效果圖

百度人臉識別控制檯檢視人臉——效果圖

資料檢視資料——效果圖

人臉識別成功——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應用程式網站專案，命名為WebApplication1，新增百度SDK取用，不知道怎麼取用的童鞋看這兒《C# 10分鐘完成百度人臉識別—入門篇》。

新增簡單的類庫充當三層架構，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）。

編寫對映物體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：下載原始碼對比觀看效果更佳

原始碼下載連結：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‘，’以前的多餘字串刪除
    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
        // 如果有可選引數
        var options = new Dictionary<string, object>{
                    {"user_info", guid}
                };
        // 帶引數呼叫人臉註冊
        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
    {
        //這裡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資料
        List 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);
}

人臉識別

註冊完後就是識別，識別主要做一個簡單的活體檢測。識別後將人臉相關資訊顯示出來。

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

下麵就將程式碼貼出來：

//人臉識別
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‘，’以前的多餘字串刪除
    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: 把真人識別為假人的機率. 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引數傳回 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);  //活體檢測互動傳回
        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 = "識別失敗：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);
}

//識別成功，查詢資料庫
public JsonResult Face_UserInfoList()
{
    ResultInfo result = new ResultInfo();
    //這裡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資料
    List 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，有什麼疑問大家討論討論。

刪除、更新還是一樣的操作，去直接複製官網的幾行程式碼即可，都是需要face_token作為新增更新刪除，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麵程式碼裡面提取api_key和secret_key

又要去開啟新專案，大家後面再見。關註小編不迷路！

Demo原始碼下載

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

提取碼：p92w

C#30分鐘完成百度人臉識別

一、前言

效果圖檢視

人臉註冊

人臉識別

總結

朋友會在“發現-看一看”看到你“在看”的內容

朋友將在看一看看到

釋出到看一看

相關推薦

熱門標籤

熱門文章

分享創造快樂