C# 30分钟完成百度人脸识别——进阶篇（文末附源码） - 好文

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：https://www.cnblogs.com/xiongze520/p/10387355.html
<https://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，

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
<https://pan.baidu.com/s/1IzJCeF8uTKjZ882BTxI4bw%20>
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：
https://www.cnblogs.com/xiongze520/p/10387355.html
<https://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。

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
<https://pan.baidu.com/s/1IzJCeF8uTKjZ882BTxI4bw%20>
提取码：p92w
//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
<https://pan.baidu.com/s/1IzJCeF8uTKjZ882BTxI4bw%20>
提取码：p92w

热门工具换一换