人脸识别，人脸对比技术及案例实现方案
Git源码：https://gitee.com/AiShiYuShiJiePingXing/ArcSoftDemo 包含了百度AI人脸识别接口的调用源码，以及虹软的Java人脸识别接口。 克隆项目： ```git git clone https://gitee.com/AiShiYuShiJiePingXing/ArcSoftDemo.git ```
这两天研究研究人脸识别系统的相关内容，了解了部分开源人脸识别系统以及人脸识别系统的有关公司，对各家价格大概比对了一下，发现着实不便宜。
了解到比较不错的几家人脸识别系统公司有：
一、各个人脸识别公司、系统简介1.1 虹软
虹软：比较推荐和喜欢的一家，有详细的Demo，文档信息等，更重要的简单容易上手，免费版即可运行Demo案例操作，以便考虑是否使用。
- 人脸检测：检测人脸位置、锁定人脸坐标。
- 人脸跟踪：精确定位并跟踪面部区域位置。
- 人脸比对：比较两张人脸的相似度。
- 人脸查询：在人脸库中查询相似的人脸。
- 人脸属性：检测人脸性别、年龄等属性。
- 活体检测：检测是否真人，预防恶意攻击。
1.2 Face++旷视
Face++旷视-人脸识别：
- 人脸检测：检测并定位图片中的人脸，返回高精度的脸框坐标。Face++还支持存储检测到的人脸员数据，以便日后使用。
- 人脸比对：计算两张脸的相似程度，并给出相似度的评分，以便分析属于一个人的可能性。
- 人脸搜索：针对一个新的人脸，在一个已有的人脸集合中搜索相似的人脸。算法会返回一系列相似人脸，以及相似度评分。
接入方式有：
- Web API.
- Mobile SDK.
- 其他形式：如提供服务端SDK等。
1.3 云脉
云脉-OCR SDK：
OCR及人脸识别对比等，各项都有，话不多说，一图便知所有：
1.4 腾讯AI
腾讯AI-人脸与人体识别：
可直接去网站在线试试：
官方网站地址：https://ai.qq.com/
点击前往->腾讯AI开发平台->人脸识别
1.5 1MB轻量级人脸检测模型
很火的一个 (1MB轻量级人脸检测模型)：
有特别专注这块的可以研究，在github和gitee上均有项目：
Gitee地址：https://gitee.com/Linzai/Ultra-Light-Fast-Generic-Face-Detector-1MB
点击前往->
1.6 SeetaFace-科院计算机所开源项目
SeetaFace：中科院计算机所开源项目
仅做了解了一些，未做深入研究。
GitHub地址：https://github.com/seetafaceengine/SeetaFace2
点击前往GitHub->
CSDN博客：
原文地址：
博客园：程序员内点事：用 Java 实现人脸识别功能（附源码）
相关优秀内容：
简书：团结wang：
- java人脸识别 虹软ArcFace 2.0，java SDK使用-进行人脸检测
- java人脸识别 虹软ArcFace 2.0，java SDK使用、人脸识别-抽取人脸特征并做比对
- java人脸识别 虹软ArcFace 2.0，java SDK使用、人脸信息识别（年龄、性别）
2.1 人脸识别SDK
基于虹软的免费SDK：
ArcSoft:，地址：https://ai.arcsoft.com.cn
官网首页 -> 右上角开发者中心 -> 选择“人脸识别” -> 添加SDK，会生成APPID、SDK KEY后续会用到，根据需要选择不同的环境（本文基于windows环境），然后下载SDK是一个压缩包。
2.2 Java项目搭建
从GitHub上clone一个ArcSoft的Java版本Demo。
2.2.1 下载Demo项目
github地址：https://github.com/xinzhfiu/ArcSoftFaceDemo，本地搭建数据库，创建表:user_face_info。这个表主要用来存人像特征，其中主要的字段 face_feature 用二进制类型 blob 存放人脸特征。
SET NAMES utf8mb4;
SET FOREIGN_KEY_CHECKS = 0;
-- ----------------------------
-- Table structure for user_face_info
-- ----------------------------
DROP TABLE IF EXISTS `user_face_info`;
CREATE TABLE `user_face_info` (
`id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键',
`group_id` int(11) DEFAULT NULL COMMENT '分组id',
`face_id` varchar(31) DEFAULT NULL COMMENT '人脸唯一Id',
`name` varchar(63) DEFAULT NULL COMMENT '名字',
`age` int(3) DEFAULT NULL COMMENT '年纪',
`email` varchar(255) DEFAULT NULL COMMENT '邮箱地址',
`gender` smallint(1) DEFAULT NULL COMMENT '性别，1=男，2=女',
`phone_number` varchar(11) DEFAULT NULL COMMENT '电话号码',
`face_feature` blob COMMENT '人脸特征',
`create_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
`update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
`fpath` varchar(255) COMMENT '照片路径',
PRIMARY KEY (`id`) USING BTREE,
KEY `GROUP_ID` (`group_id`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8mb4 ROW_FORMAT=DYNAMIC;
SET FOREIGN_KEY_CHECKS = 1;
2.2.2 修改application.properties文件
整个项目还是比较完整的，只需改一些配置即可启动，但有几点注意的地方，后边会重点说明。
config.arcface-sdk.sdk-lib-path： 存放SDK压缩包中的三个.dll文件的路径
config.arcface-sdk.app-id ： 开发者中心的APPID
config.arcface-sdk.sdk-key ：开发者中心的SDK Key
config.arcface-sdk.sdk-lib-path=d:/arcsoft_lib
config.arcface-sdk.app-id=8XMHMu71Dmb5UtAEBpPTB1E9ZPNTw2nrvQ5bXxBobUA8
config.arcface-sdk.sdk-key=BA8TLA9vVwK7G6btJh2A2FCa8ZrC6VWZLNbBBFctCz5R
# druid 本地的数据库地址
spring.datasource.druid.url=jdbc:mysql://127.0.0.1:3306/xin-master?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=UTC
spring.datasource.druid.username=junkang
spring.datasource.druid.password=junkang
2.2.3 根目录创建lib文件夹
在项目根目录创建文件夹 lib,将下载的SDK压缩包中的arcsoft-sdk-face-2.2.0.1.jar放入项目根目录：
2.2.4 引入arcsoft依赖
<dependency>
<groupId>com.arcsoft.face</groupId>
<artifactId>arcsoft-sdk-face</artifactId>
<version>2.2.0.1</version>
<scope>system</scope>
<systemPath>${basedir}/lib/arcsoft-sdk-face-2.2.0.1.jar</systemPath>
</dependency>
pom.xml文件要配置includeSystemScope属性，否则可能会导致arcsoft-sdk-face-2.2.0.1.jar引用不到。
<build>
<plugins>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
<configuration>
<includeSystemScope>true</includeSystemScope>
<fork>true</fork>
</configuration>
</plugin>
</plugins>
</build>
2.2.5 启动项目
run Application文件启动
测试一下：http://127.0.0.1:8089/demo，如下页面即启动成功。
2.3 操作测试
2.3.1 录入人脸图像
页面输入名称，点击摄像头注册调起本地摄像头，提交后将当前图像传入后台，识别提取当前人脸体征，保存至数据库。
2.3.2 人脸对比
录入完人脸图像后测试一下能否识别成功，提交当前的图像，然后会出现对比结果。
2.4 源码分析
2.4.1 JS调起本地摄像头拍照，上传图片文件字符串
function getMedia() {
$("#mainDiv").empty();
let videoComp = " <video id='video' width='500px' height='500px' autoplay='autoplay' style='margin-top: 20px'></video><canvas id='canvas' width='500px' height='500px' style='display: none'></canvas>";
$("#mainDiv").append(videoComp);
let constraints = {
video: {width: 500, height: 500},
audio: true
};
//获得video摄像头区域
let video = document.getElementById("video");
//这里介绍新的方法，返回一个 Promise对象
// 这个Promise对象返回成功后的回调函数带一个 MediaStream 对象作为其参数
// then()是Promise对象里的方法
// then()方法是异步执行，当then()前的方法执行完后再执行then()内部的程序
// 避免数据没有获取到
let promise = navigator.mediaDevices.getUserMedia(constraints);
promise.then(function (MediaStream) {
video.srcObject = MediaStream;
video.play();
});
// var t1 = window.setTimeout(function() {
// takePhoto();
// },2000)
}
//拍照事件
function takePhoto() {
let mainComp = $("#mainDiv");
if(mainComp.has('video').length)
{
let userNameInput = $("#userName").val();
if(userNameInput == "")
{
alert("姓名不能为空!");
return false;
}
//获得Canvas对象
let video = document.getElementById("video");
let canvas = document.getElementById("canvas");
let ctx = canvas.getContext('2d');
ctx.drawImage(video, 0, 0, 500, 500);
var formData = new FormData();
var base64File = canvas.toDataURL();
var userName = $("#userName").val();
formData.append("file", base64File);
formData.append("name", userName);
formData.append("groupId", "101");
$.ajax({
type: "post",
url: "/faceAdd",
data: formData,
contentType: false,
processData: false,
async: false,
success: function (text) {
var res = JSON.stringify(text)
if (text.code == 0) {
alert("注册成功")
} else {
alert(text.message)
}
},
error: function (error) {
alert(JSON.stringify(error))
}
});
}
else{
var formData = new FormData();
let userName = $("#userName").val();
formData.append("groupId", "101");
var file = $("#file0")[0].files[0];
var reader = new FileReader();
reader.readAsDataURL(file);
reader.onload = function () {
var base64 = reader.result;
formData.append("file", base64);
formData.append("name",userName);
$.ajax({
type: "post",
url: "/faceAdd",
data: formData,
contentType: false,
processData: false,
async: false,
success: function (text) {
var res = JSON.stringify(text)
if (text.code == 0) {
alert("注册成功")
} else {
alert(text.message)
}
},
error: function (error) {
alert(JSON.stringify(error))
}
});
location.reload();
}
}
}
2.4.2 后台解析图片，提取人像特征
台解析前端传过来的图片，提取人像特征存入数据库，人像特征的提取主要是靠FaceEngine引擎。
/*
人脸添加
*/
@RequestMapping(value = "/faceAdd", method = RequestMethod.POST)
@ResponseBody
public Result<Object> faceAdd(@RequestParam("file") String file, @RequestParam("groupId") Integer groupId, @RequestParam("name") String name) {
try {
//解析图片
byte[] decode = Base64.decode(base64Process(file));
ImageInfo imageInfo = ImageFactory.getRGBData(decode);
//人脸特征获取
byte[] bytes = faceEngineService.extractFaceFeature(imageInfo);
if (bytes == null) {
return Results.newFailedResult(ErrorCodeEnum.NO_FACE_DETECTED);
}
UserFaceInfo userFaceInfo = new UserFaceInfo();
userFaceInfo.setName(name);
userFaceInfo.setGroupId(groupId);
userFaceInfo.setFaceFeature(bytes);
userFaceInfo.setFaceId(RandomUtil.randomString(10));
//人脸特征插入到数据库
userFaceInfoService.insertSelective(userFaceInfo);
logger.info("faceAdd:" + name);
return Results.newSuccessResult("");
} catch (Exception e) {
logger.error("", e);
}
return Results.newFailedResult(ErrorCodeEnum.UNKNOWN);
}
2.4.3 人像特征对比
人脸识别：将前端传入的图像经过人像特征提取后，和库中已存在的人像信息对比分析。
/*
人脸识别
*/
@RequestMapping(value = "/faceSearch", method = RequestMethod.POST)
@ResponseBody
public Result<FaceSearchResDto> faceSearch(String file, Integer groupId) throws Exception {
byte[] decode = Base64.decode(base64Process(file));
BufferedImage bufImage = ImageIO.read(new ByteArrayInputStream(decode));
ImageInfo imageInfo = ImageFactory.bufferedImage2ImageInfo(bufImage);
//人脸特征获取
byte[] bytes = faceEngineService.extractFaceFeature(imageInfo);
if (bytes == null) {
return Results.newFailedResult(ErrorCodeEnum.NO_FACE_DETECTED);
}
//人脸比对，获取比对结果
List<FaceUserInfo> userFaceInfoList = faceEngineService.compareFaceFeature(bytes, groupId);
if (CollectionUtil.isNotEmpty(userFaceInfoList)) {
FaceUserInfo faceUserInfo = userFaceInfoList.get(0);
FaceSearchResDto faceSearchResDto = new FaceSearchResDto();
BeanUtil.copyProperties(faceUserInfo, faceSearchResDto);
List<ProcessInfo> processInfoList = faceEngineService.process(imageInfo);
if (CollectionUtil.isNotEmpty(processInfoList)) {
//人脸检测
List<FaceInfo> faceInfoList = faceEngineService.detectFaces(imageInfo);
int left = faceInfoList.get(0).getRect().getLeft();
int top = faceInfoList.get(0).getRect().getTop();
int width = faceInfoList.get(0).getRect().getRight() - left;
int height = faceInfoList.get(0).getRect().getBottom() - top;
Graphics2D graphics2D = bufImage.createGraphics();
graphics2D.setColor(Color.RED);//红色
BasicStroke stroke = new BasicStroke(5f);
graphics2D.setStroke(stroke);
graphics2D.drawRect(left, top, width, height);
ByteArrayOutputStream outputStream = new ByteArrayOutputStream();
ImageIO.write(bufImage, "jpg", outputStream);
byte[] bytes1 = outputStream.toByteArray();
faceSearchResDto.setImage("data:image/jpeg;base64," + Base64Utils.encodeToString(bytes1));
faceSearchResDto.setAge(processInfoList.get(0).getAge());
faceSearchResDto.setGender(processInfoList.get(0).getGender().equals(1) ? "女" : "男");
}
return Results.newSuccessResult(faceSearchResDto);
}
return Results.newFailedResult(ErrorCodeEnum.FACE_DOES_NOT_MATCH);
}
整个人脸识别功能的大致流程图如下：
CSDN：朱_哲：百度AI人脸识别接口调用
CSDN：林中月下隐：JavaWeb使用百度人工智能API实现人脸识别登录，人脸注册
CSDN：周~丫丫：Web前端+Java实现人脸识别登录
CSDN：有故事的男人G：java实现人脸识别登录教程【含效果图】——前台+后台整合
3.1 百度AI人脸识别接口调用
点击此处前往百度云平台官网->
登录百度智能云平台，注册账号，并新建应用，进入管理中心，人工智能—>人脸识别：
然后就可以创建应用，如下图所示：
创建应用之后，我们会得到相应的AppID 、API Key 、Secret Key。当我们调用接口的时候是需要这些东西的。
3.2 人脸识别接口调用
接口的文档地址：https://ai.baidu.com/docs#/Face-Java-SDK/top。
maven依赖：
<!-- https://mvnrepository.com/artifact/com.baidu.aip/java-sdk -->
<dependency>
<groupId>com.baidu.aip</groupId>
<artifactId>java-sdk</artifactId>
<version>4.11.3</version>
</dependency>
<!-- base64需要改依赖 -->
<!-- https://mvnrepository.com/artifact/commons-codec/commons-codec -->
<dependency>
<groupId>commons-codec</groupId>
<artifactId>commons-codec</artifactId>
<version>1.12</version>
</dependency>
代码示例：
package com.example.generator.ai;
import com.baidu.aip.face.AipFace;
import org.apache.commons.codec.binary.Base64;
import org.json.JSONArray;
import org.json.JSONObject;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.util.HashMap;
/**
* @author zhuzhe
* @date 2019/7/15 17:40
* @email zhuzhe_mail@163.com
*/
public class Test {
//设置APPID/AK/SK
public static final String APP_ID = "1681xxxx";
public static final String API_KEY = "x1GMc0xxxxxxxxxxxxxxxrrc";
public static final String SECRET_KEY = "SaxxxxxxxxxxxxxxxxxxxxxxxNWsL";
public static void main(String[] args) {
// 文档地址
// http://ai.baidu.com/docs#/Face-Java-SDK/top
String image = base64();
String imageType = "BASE64";
// 初始化一个AipFace
AipFace client = new AipFace(APP_ID, API_KEY, SECRET_KEY);
// 可选：设置网络连接参数
client.setConnectionTimeoutInMillis(2000);
client.setSocketTimeoutInMillis(60000);
// 可选：设置代理服务器地址, http和socket二选一，或者均不设置
// client.setHttpProxy("proxy_host", proxy_port); // 设置http代理
// client.setSocketProxy("proxy_host", proxy_port); // 设置socket代理
// 传入可选参数调用接口，根据需求自行设置
HashMap<String, String> options = new HashMap<String, String>();
options.put("face_field", "age,beauty,expression,face_shape,gender,glasses,race,eye_status,emotion,face_type");
// options.put("max_face_num", "2");
// options.put("face_type", "LIVE");
// options.put("liveness_control", "LOW");
JSONObject res = client.detect(image, imageType, options);
if (res.getString("error_msg") != null && res.getString("error_msg").equals("SUCCESS")) {
JSONArray faceList = res.getJSONObject("result").getJSONArray("face_list");
JSONObject jsonObject = faceList.getJSONObject(0);
System.out.println("年龄：" + jsonObject.getInt("age"));
// 美丑打分，范围0-100，越大表示越美。
System.out.println("美丑打分：" + jsonObject.getDouble("beauty"));
// none:不笑；smile:微笑；laugh:大笑
System.out.println("表情：" + jsonObject.getJSONObject("expression").getString("type"));
// square: 正方形 triangle:三角形 oval: 椭圆 heart: 心形 round: 圆形
System.out.println("脸型：" + jsonObject.getJSONObject("face_shape").getString("type"));
// male:男性 female:女性
System.out.println("性别：" + jsonObject.getJSONObject("gender").getString("type"));
// yellow: 黄种人 white: 白种人 black:黑种人 arabs: 阿拉伯人
System.out.println("人种：" + jsonObject.getJSONObject("race").getString("type"));
// [0,1]取值，越接近0闭合的可能性越大
System.out.println("右眼状态（睁开/闭合）：" + jsonObject.getJSONObject("eye_status").getInt("right_eye"));
System.out.println("左眼状态（睁开/闭合）：" + jsonObject.getJSONObject("eye_status").getInt("left_eye"));
System.out.println("人脸置信度，范围【0~1】：" + jsonObject.getInt("face_probability"));
// none:无眼镜，common:普通眼镜，sun:墨镜
System.out.println("是否带眼镜：" + jsonObject.getJSONObject("glasses").getString("type"));
// angry:愤怒 disgust:厌恶 fear:恐惧 happy:高兴 sad:伤心 surprise:惊讶 neutral:无情绪
System.out.println("情绪：" + jsonObject.getJSONObject("emotion").getString("type"));
// human: 真实人脸 cartoon: 卡通人脸
System.out.println("真实人脸/卡通人脸：" + jsonObject.getJSONObject("face_type").getString("type"));
System.out.println("face_token：" + jsonObject.getString("face_token"));
} else {
System.out.println(res.toString());
}
}
public static String base64() {
//将图片文件转化为字节数组字符串，并对其进行Base64编码处理
InputStream in = null;
byte[] data = null;
//读取图片字节数组
try {
in = new FileInputStream("D:\\dd.jpg");
data = new byte[in.available()];
in.read(data);
in.close();
} catch (IOException e) {
e.printStackTrace();
}
return new String(Base64.encodeBase64(data));
}
}
CSDN：安替-AnTi：如何安装并使用SeetaFace 开源人脸识别代码【中科院计算机所山世光老师团队研发】
五、基于mtcnn/facenet/tensorflow 实现人脸识别登录系统点击前往GitHub->
Github：https://github.com/chenlinzhong/face-login
- 前端的人脸识别，例如使用：Tensorflow.js，Tracking.js，或face-api.js
- 后端的人脸识别，使用开源或者免费的SDK，如虹软，百度，腾讯的相关SDK。
- 前后端结合，能够提高系统的安全性，以及减轻服务器负担。
博客园：阿新：使用face-api.js实现人脸识别(一)
- Face-api.js 是一个 JavaScript API，是基于 tensorflow.js 核心 API 的人脸检测和人脸识别的浏览器实现。它实现了一系列的卷积神经网络（CNN），针对网络和移动设备进行了优化。
