C#教程之C# 30分钟完成百度人脸识别——进阶篇(

pk10开奖历史

VB.net 2010 视频教程 VB.net 2010 视频教程 VB.net 2010 视频教程
SQL Server 2008 视频教程 c#入门经典教程 Visual Basic从门到精通视频教程
当前位置:
pk10开奖历史 > 编程开发 > c#教程 >
  • C#教程之C# 30分钟完成百度人脸识别——进阶篇(

  • 2019-04-13 21:18 来源:未知

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。

pk10开奖历史 不了解的童鞋可以花费10分钟移步学习:http://www.cnblogs.com/xiongze520/p/10387355.html(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,

pk10开奖历史 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:http://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:

 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:http://www。cnblogs。com/xiongze520/p/10387355。html。

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。

pk10开奖历史 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:http://pan.baidu.com/s/1IzJCeF8uTKjZ882BTxI4bw 
提取码:p92w

复制代码
 //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);
        }

    
复制代码

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:

复制代码
        //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);
        }
复制代码

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:http://pan.baidu.com/s/1IzJCeF8uTKjZ882BTxI4bw 
pk10开奖历史 提取码:p92w

相关教程
pk10开奖历史_nD=nk1p8H pk10开奖历史_aKN$i&7?h pk10开奖历史_$KJX3Aj01 pk10开奖历史_Ls_3^An pk10开奖历史_uIFn&YGBT pk10开奖历史_no=4pXjl= pk10开奖历史_T*Q!zgzV2 pk10开奖历史_RAZf+S?NB pk10开奖历史_Z!u--!pm0 pk10开奖历史_qSTZT?sop