栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Java

PC人脸识别登录,出乎意料的简单

Java 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

PC人脸识别登录,出乎意料的简单

本文收录在个人博客:www.chengxy-nds.top,技术资源共享。

之前不是做了个开源项目嘛,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排上了。

源码在文末

其实最近对写文章有点小抵触,写的东西没人看,总有点小失落,好在有同行大佬们的开导让我重拾了信心。调整了自己的心态,只要我分享的东西对大家有帮助就好,至于多少人看那就随缘吧!

废话不多说先看人脸识别效果动态,马赛克有点重哈,没办法长相实在是拿不出手。

实现原理

我们看一下实现人脸识别登录的大致流程,三个主要步骤:

  1. 前端登录页打开摄像头,进行人脸识别,注意:只识别画面中是不是有人脸

  2. 识别到人脸后,拍照上传当前画面图片

  3. 后端接受图片并调用人脸库SDK,对人像进行比对,通过则登录成功,并将人像信息注册到人脸库和本地mysql。

前端实现

上边说过要在前端识别到人脸,所以这里就不得不借助工具了,我使用的 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 打开摄像头识别到人脸信息后,对视频图像拍照,将图片信息上传到后台,等待图片对比的结果就可以了。

data() {
 return {
     showContainer: true,   // 显示
     tracker: null,
     tipFlag: false,  // 提示用户已经检测到
     flag: false,     // 判断是否已经拍照
     context: null,   // canvas上下文
     removePhotoID: null,    // 停止转换图片
     scanTip: '人脸识别中...',// 提示文字
     imgUrl: '',// base64格式图片
     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 = '未识别到人脸'
  } else {
      if (!this.tipFlag) {
   this.scanTip = '识别成功,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.$refs.refVideo, 0, 0, 500, 500)
     // 保存为base64格式
     this.imgUrl = this.saveAsPNG(this.$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()
 },

 // 保存为png,base64格式图片
 saveAsPNG(c) {
     return c.toDataURL('image/png', 0.3)
 },

 // 关闭并清理资源
 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 实现的人脸识别功能(附源码)》],不过调用SDK的方式太过繁琐,而且代码量巨大。所以这次为了简化实现,改用了百度的人脸识别API,没想到出乎意料的简单。

别抬杠问我为啥不自己写人脸识别工具,别问,问就是不会

在百度云注册一个应用 https://console.bce.baidu.com/ai/?_=1595996996657&fromai=1#/ai/face/app/list,得到 API Key和 Secret Key,为了后续获取 token用。

百度云人脸识别的API非常友好,各种操作的 demo都写好了,拿过来简单改改就可以。

第一步先获取token,这是调用百度人脸识别API的基础。

https://aip.baidubce.com/oauth/2.0/token?
grant_type=client_credentials&
client_id=【百度云应用的AK】&
client_secret=【百度云应用的SK】

接下来我们开始对图片进行比对,百度云提供了一个在线的人脸库,用户登录我们先在人脸库查询人像是否存在,存在则表示登录成功,如果不存在则注册到人脸库。每个图片有一个唯一标识face_token。

百度人脸识别 API 实现比较简单,需要特别注意参数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( 可能由于网络等原因导致下载图片时间过长);
  • FACE_TOKEN:人脸图片的唯一标识,调用人脸检测接口时,会为每个人脸图片赋予一个唯一的
    FACE_TOKEN,同一张图片多次检测得到的FACE_TOKEN是同一个。

而我们这里使用的是图片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 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 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 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;
    }

项目是前后端分离的,但为了大家学习方便,我把人脸识别页面整合到了后端项目。

最后 run FireControllerApplication 访问地址:http://localhost:8082/face 即可。

源码GitHub地址:https://github.com/chengxy-nds/fire.git,欢迎大家来耍~


原创不易,燃烧秀发输出内容,如果有一丢丢收获,点个赞鼓励一下吧!

转载请注明:文章转载自 www.mshxw.com
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号