忍辱负重造句,于添鑫,罗每乐
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。
不了解的童鞋可以花费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——效果图：
百度人脸识别控制台查看人脸——效果图
数据库查看数据——效果图
人脸识别成功——效果图
活体检测——效果图
控制关键代码预览——截图
人脸注册：
（文末附带源码）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：。
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
百度网盘源码下载链接：https://pan.baidu.com/s/1izjcef8utkjz882btxi4bw
提取码：p92w
我要评论 //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);
}
总结：
匆匆忙忙就结束了，其实学起来也简单，大家下载demo对比学习一下，有什么疑问大家讨论讨论。
删除、更新还是一样的操作，去直接拷贝官网的几行代码即可，都是需要face_token作为添加更新删除，这个字段注册的时候已经存到数据库了。
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
又要去开启新项目，大家后面再见。
关注小编不迷路！
demo源码下载：
百度网盘源码下载链接：https://pan.baidu.com/s/1izjcef8utkjz882btxi4bw
提取码：p92w
如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复
Blazor server side 自家的一些开源的, 实用型项目的进度之 CEF客户端
.NET IoC模式依赖反转(DIP)、控制反转(Ioc)、依赖注入(DI)
vue+.netcore可支持业务代码扩展的开发框架 VOL.Vue 2.0版本发布
网友评论