引言

远程在家办公的第N天，快要闲出屁了，今天突然有个小学弟加我VX说要咨询我点技术问题(终于可以装X了)。 看了他的需求描述，大概是要做一个Java web版本的人脸识别功能，然后存储人物的特征，再扫脸比对。可是我不会啊。。。

不过，作为一个宠粉的暖男，别说有困难就是没困难制造困难也要上，既然人家这么真诚的咨询，说明我还是有被需要的价值，不会那就帮着查查资料吧！没想到还有意外的收获~

看完他的境遇，忽然想起自己当年做毕设时那无助的样子，是何等的相似。每每看到有这样的咨询，能帮的我都尽自己最大努力帮，毕竟都是这么走过来的。

人脸识别SDK

人脸识别技术是很复杂的，自己用Java手撕一个识别算法有点不切实际，毕竟实力不允许我这么嚣张，还是借助三方的SDK吧！

找了一圈发现一个免费的人脸识别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。

Java项目搭建

终于在我的苦苦搜寻之下终于，找到一个ArcSoft的Java版本Demo，开源真是一件美好的事情，话不多说开干！

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、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

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

4、引入arcsoft依赖包

com.arcsoft.face

arcsoft-sdk-face

2.2.0.1

system

${basedir}/lib/arcsoft-sdk-face-2.2.0.1.jar

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

org.springframework.boot

spring-boot-maven-plugin

true

true

5、启动项目

到此为止配置完成，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

操作

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、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，发现识别成功相似度92%。但是作为程序员对什么事情都要持怀疑的态度，这结果不是老铁在页面写死的吧？

为了进一步验证，这回把脸挡住再试一下，发现提示“人脸不匹配”，证明真的有进行比对。

源码分析

简单看了一下项目源码，分析一下实现的过程：

页面和JS一看就是后端程序员写的，不要问我问为什么？懂的自然懂，哈哈哈 ~ ，

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 = " ";

$("#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、后台解析图片，提取人像特征

后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，顺着源码一路看下去，自己才疏学浅实在是没懂具体是个什么样的算法。

/*

人脸添加

*/

@RequestMapping(value = "/faceAdd", method = RequestMethod.POST)

@ResponseBody

public Result 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);

}

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 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 userFaceInfoList = faceEngineService.compareFaceFeature(bytes, groupId);

if (CollectionUtil.isNotEmpty(userFaceInfoList)) {

FaceUserInfo faceUserInfo = userFaceInfoList.get(0);

FaceSearchResDto faceSearchResDto = new FaceSearchResDto();

BeanUtil.copyProperties(faceUserInfo, faceSearchResDto);

List processInfoList = faceEngineService.process(imageInfo);

if (CollectionUtil.isNotEmpty(processInfoList)) {

//人脸检测

List 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：

总结

整个项目的设计思路比较清晰，难点在于人脸识别引擎 和 前端JS部分代码，其他的功能比较平常。