怎么用Java實現PC人臉識別登錄

這篇文章主要講解了“怎么用Java實現PC人臉識別登錄”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“怎么用Java實現PC人臉識別登錄”吧！

實現原理

我們看一下實現人臉識別登錄的大致流程，三個主要步驟：

1. 前端登錄頁打開攝像頭，進行人臉識別，注意：只識別畫面中是不是有人臉

2. 識別到人臉后，拍照上傳當前畫面圖片

3. 后端接受圖片并調用人臉庫SDK，對人像進行比對，通過則登錄成功，并將人像信息注冊到人臉庫和本地mysql。

前端實現

上邊說過要在前端識別到人臉，所以這里就不得不借助工具了，我使用的 tracking.js，一款輕量級的前端人臉識別框架。

前端 Vue 代碼實現邏輯比較簡單，tracking.js 打開攝像頭識別到人臉信息后，對視頻圖像拍照，將圖片信息上傳到后臺，等待圖片對比的結果就可以了。

data() {
        return {
            showContainer: 
true,   
// 顯示
            tracker: 
null,
            tipFlag: 
false,         
// 提示用戶已經檢測到
            flag: 
false,            // 判斷是否已經拍照
            context: 
null,          // canvas上下文
            removePhotoID: 
null,    // 停止轉換圖片
            scanTip: 
'人臉識別中...',// 提示文字
            imgUrl: 
'',              // base64格式圖片
            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 = 
'未識別到人臉'
                } 
else {
                    if (!this.tipFlag) {
                        this.scanTip = 
'識別成功，正在拍照，請勿亂動~'
                    }
                    // 1秒后拍照，僅拍一次
                    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.$refs.refVideo, 
0, 
0, 
500, 
500)
            // 保存為base64格式
            this.imgUrl = 
this.saveAsPNG(this.$refs.refCanvas)
            var formData = 
new FormData();
            formData.append("file", 
this.imgUrl);
            this.scanTip = 
'登錄中，請稍等~'

            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()
        },

        // 保存為png,base64格式圖片
        saveAsPNG(c) {
            return c.toDataURL('image/png', 
0.3)
        },

        // 關閉并清理資源
        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)
        }
    }

人臉識別

之前也搞過一個人臉識別案例，不過調用SDK的方式太過繁瑣，而且代碼量巨大。所以這次為了簡化實現，改用了百度的人臉識別API，沒想到出乎意料的簡單。

別抬杠問我為啥不自己寫人臉識別工具，別問，問就是不會

百度云人臉識別的API非常友好，各種操作的 demo都寫好了，拿過來簡單改改就可以。

第一步先獲取token，這是調用百度人臉識別API的基礎。

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

接下來我們開始對圖片進行比對，百度云提供了一個在線的人臉庫，用戶登錄我們先在人臉庫查詢人像是否存在，存在則表示登錄成功，如果不存在則注冊到人臉庫。每個圖片有一個唯一標識face_token。

百度人臉識別 API 實現比較簡單，需要特別注意參數image_type，它有三種類型

• BASE64：圖片的base64值，base64編碼后的圖片數據，編碼后的圖片大小不超過2M；

• URL：圖片的 URL地址( 可能由于網絡等原因導致下載圖片時間過長)；

• FACE_TOKEN：人臉圖片的唯一標識，調用人臉檢測接口時，會為每個人臉圖片賦予一個唯一的
  FACE_TOKEN，同一張圖片多次檢測得到的FACE_TOKEN是同一個。

而我們這里使用的是圖片BASE64文件，所以image_type要設置成BASE64。

    @Override
    public BaiDuFaceSearchResult 
faceSearch(String file) {

        try {
            byte[] decode = Base64.decode(Base64Util.base64Process(file));
            String faceFile = Base64Util.encode(decode);

            Map<String, Object> 
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<String, Object> 
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<String, Object> 
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;
    }

感謝各位的閱讀，以上就是“怎么用Java實現PC人臉識別登錄”的內容了，經過本文的學習后，相信大家對怎么用Java實現PC人臉識別登錄這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！