C#30分钟完成百度人脸识别

时间：2019-04-12 13:24:12 阅读：520 评论：0 收藏：0 [点我收藏+]

标签：target 方便判断 sage 优化 tin items on() amp

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：《C# 10分钟完成百度人脸识别—入门篇》。

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：开启摄像头，填入当前人脸注册的相关信息进行注册；
人脸识别：开启摄像头，将人脸移入摄像头指定区域进行识别；
总结

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《C# 10分钟完成百度人脸识别—入门篇》。

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);
}