上個月在網上看到一個用web實現簡單AR效果的文章，然後自己一路折騰，最後折騰出來一個 Asp.net+WebSocket+Emgucv實時人臉識別的東西，網上也有不少相關資料，有用winform的也有asp.net的。其實人臉識別技術早就成熟了，就是沒機會接觸這方面。百度了一下 找到好多，Jque ...
上個月在網上看到一個用web實現簡單AR效果的文章，然後自己一路折騰，最後折騰出來一個 Asp.net+WebSocket+Emgucv實時人臉識別的東西，網上也有不少相關資料，有用winform的也有asp.net的。其實人臉識別技術早就成熟了，就是沒機會接觸這方面。百度了一下 找到好多，JqueryFaceDetection，face++，face core，opencv，emgucv等等，這些我都折騰了一遍，並不能很好的滿足我的需求，我就是想像手機QQ裡邊的拍照的時候能識別到人臉並且對圖像做一些處理。後來找到了一個用winform+emgucv實現的例子，我就想著怎麼給弄web上。後來又看到一篇用websocket實現的例子，就結合了一下。
我自己做的這個有相當多的代碼都是網上的直接拿來用了，對我來說，websocket和emgucv這兩個東西都是第一次接觸，有不少的坑，尤其這個emgucv！！，各個版本差別巨大，從2.4到3.2這幾個版本我幾乎都下載過，最終是用的3.1的。好了，下麵進入正題，源碼我已經放在github了，https://github.com/13005463562/FaceWeb 。其中NewFaceWeb是web端，NewFace是服務端。想試一下效果的可以戳這裡（要用火狐瀏覽器，谷歌太坑，強制要用https才能打開攝像頭，其他瀏覽器還存在相容性問題，其實一些手機瀏覽器UC或者火狐也行，但是我不會調樣式。。。）：www.zlofyao.top ，對於沒有錄入姓名的人呢，只能出現一個方框，可以點截圖（等你的臉出現方框的時候截圖），然後錄入你的姓名，就可以把你的名字也識別出來。
一.整體介紹
首先下載emgucv3.1 ，我下載的是第一個297M那個。下載之後解壓，需要用到bin下的x64文件夾，註意不是根目錄下的x64。 Emgu.CV.Example 裡邊有一些關於emgucv的例子，都是按照那個寫的代碼，可以看看。
在前端利用canvas獲取攝像頭的圖像信息，通過websocket把每一幀數據傳到服務端，服務端拿到的是byte[]數據，要轉換成需要的格式再識別到你的臉，然後去人臉訓練庫中比較，找出最像你的那個樣本的姓名（相似度太低則為空），最後把你的臉的位置（左上角坐標和寬高）和姓名返回前端。前端拿到返回數據，在canvas上畫出方框和姓名，ok，完事。
二.前端實現
首先是html代碼，使用H5中的video和canvas：
<div> <div id='frame' style="position:relative;"> <video style='position:absolute;top:0px;left:0px;z-index:2;' id="live" width="320" height="240" autoplay></video> <canvas style='position:absolute;top:242px;left:0px; z-index:170;' width="320" id="canvasFace" height="240"></canvas> <canvas style='position:absolute;top:242px;left:0px; z-index:11;' width="320" id="canvas" height="240"></canvas> </div> </div>
接著放js代碼（從別人那搬來的=-=）， 先是要打開攝像頭，打開成功了就開啟websocket，把一幀圖像數據轉成base64形式順便壓縮一下，壓縮很重要，在本機測無所謂，但要放伺服器網路延遲太高，每次前後臺交互一兩秒。。。壓縮比0.5即可把延遲降低到300-400毫秒，這樣就很流暢啦.
$(function () { var video = $('#live').get()[0], canvas = $('#canvas'), ctx = canvas.get()[0].getContext('2d'), canvasFace = $('#canvasFace'), //canvasFace1 = document.getElementById("canvasFace"); ctx2 = canvasFace.get()[0].getContext('2d'), canSend = true; if (navigator.getUserMedia) { // Standard navigator.getUserMedia({ "video": true }, function (stream) { video.src = webkitURL.createObjectURL(stream); // video.play(); startWS(); }, errBack); } else if (navigator.webkitGetUserMedia) { // WebKit-prefixed navigator.webkitGetUserMedia({ "video": true }, function (stream) { video.src = window.webkitURL.createObjectURL(stream); // video.play(); startWS(); }, errBack); } else if (navigator.mozGetUserMedia) { // Firefox-prefixed navigator.mozGetUserMedia({ "video": true }, function (stream) { video.src = window.URL.createObjectURL(stream); //video.play(); startWS(); }, errBack); }; function errBack() { console.log('err'); } var _draw = function (pArr) { canvasFace[0].height = canvasFace[0].height;//重設height以清除畫布 ctx2.strokeStyle = "#EEEE00"; ctx2.fillStyle = 'rgba(0,0,0,0.0)'; ctx2.lineWidth = 2; //設置字體樣式 ctx2.font = "30px Courier New"; //設置字體填充顏色 ctx2.fillStyle = "red"; //ctx2.clearRect(0, 0, 320, 240); if (pArr == "[]") { return; } var obj = $.parseJSON(pArr); for (var i = 0, l = obj.length; i < l; i++) { var left = obj[i].X; //左上角x坐標 var top = obj[i].Y;//左上角y坐標 var width = obj[i].W; //寬 var height = obj[i].H;//高 var name = obj[i].N;//姓名 //畫方框 ctx2.moveTo(left, top); ctx2.lineTo(left + width, top); ctx2.lineTo(left + width, top + height); ctx2.lineTo(left, top + height); ctx2.lineTo(left, top); ctx2.stroke(); //從坐標點(50,50)開始繪製姓名 ctx2.fillText(name, left - 30, top - 30); } }; var startWS = function () { var ws = new WebSocket("ws://119.23.237.231:8082/Handler/GetFacePosition.ashx"); ws.onopen = function () { console.log('Opened WS!'); }; ws.onmessage = function (msg) { _draw(msg.data); canSend = true; //記錄每次連接的時間 //var timestamp = new Date().getTime(); //console.log("end=" + timestamp); }; ws.onclose = function (msg) { console.log('socket close!'); }; var timer = setInterval(function () { ctx.drawImage(video, 0, 0, 320, 240); if (ws.readyState == WebSocket.OPEN && canSend) { canSend = false; var data = canvas.get()[0].toDataURL('image/jpeg', 0.5), //把畫布轉base64 壓縮比例0.5 newblob = dataURItoBlob(data); ws.send(newblob); //ws.send("123"); } }, 60); }; });
function dataURItoBlob(dataURI) {
var byteString = atob(dataURI.split(',')[1]),
mimeString = dataURI.split(',')[0].split(':')[1].split(';')[0],
ab = new ArrayBuffer(byteString.length),
ia = new Uint8Array(ab);
for (var i = 0; i < byteString.length; i++) {
ia[i] = byteString.charCodeAt(i);
}
return new Blob([ab], { type: mimeString });
}
前端大概就這樣子了，發送數據，接收數據，畫圖。仔細看一下，挺簡單的。
二.服務端實現
服務端相對要複雜點了，我就大致講一下怎麼處理的，說說遇到的一些坑，詳細的實現看源碼就行了。
我用的asp.net MVC，需要引用emgucv的一些dll，Emgu.CV.UI，Emgu.CV.World，ZedGraph ，這些在下載的emgucv中bin目錄下都能找到，找不到就是版本下載錯了。
首先當然是接收數據，用ashx實現的,rootPath是根目錄路徑，到時候需要把人臉樣本（也就是你錄入的臉的圖像）文件夾放在項目根目錄，還有一個人臉分類器的xml文件，也放在根目錄。在調用emgucv的方法時會用到。
private static string rootPath; private int _maxBufferSize = 256 * 1024; public void ProcessRequest(HttpContext context) { if (context.IsWebSocketRequest) { rootPath = context.Request.PhysicalApplicationPath; context.AcceptWebSocketRequest(ProcessWSChat); } }
接著是實現websocket的代碼，我就不多說了，還是搬代碼：
private async Task ProcessWSChat(AspNetWebSocketContext context) { try { WebSocket socket = context.WebSocket; byte[] receiveBuffer = new byte[_maxBufferSize]; ArraySegment<byte> buffer = new ArraySegment<byte>(receiveBuffer); while (socket.State == WebSocketState.Open) { WebSocketReceiveResult result = await socket.ReceiveAsync(buffer, CancellationToken.None); if (result.MessageType == WebSocketMessageType.Close) { await socket.CloseAsync( result.CloseStatus.GetValueOrDefault(), result.CloseStatusDescription, CancellationToken.None); break; } int offset = result.Count; while (result.EndOfMessage == false) { result = await socket.ReceiveAsync(new ArraySegment<byte>(receiveBuffer, offset, _maxBufferSize - offset), CancellationToken.None); offset += result.Count; } if (result.MessageType == WebSocketMessageType.Binary && offset != 0) { ArraySegment<byte> newbuff = new ArraySegment<byte>(Encoding.UTF8.GetBytes(FaceDetectionDetail(receiveBuffer, offset))); await socket.SendAsync(newbuff, WebSocketMessageType.Text, true, CancellationToken.None); } } } catch (Exception e) { var err = e.Message; Com.Other.AddLog(err); } }
然後是調方法得到人臉數據，可以是多個臉，這裡的把byte[]轉Mat可是費了我好大功夫，最開始找不到簡單的方法，只能傻乎乎生成圖片到本地再去讀取，效率低下，最終是在一個英語網站（講真。。英語水平太低，都是蒙的）裡邊找到這個方法：
private static string FaceDetectionDetail(byte[] data, int plength) { StringBuilder sb = new StringBuilder(); sb.Append("["); //把byte[]轉成mat 找了好久找到的方法 Image img =Com.Other. GetImageByBytes(data); Bitmap bmpImage = new Bitmap(img); Emgu.CV.Image<Bgr, Byte> currentFrame = new Emgu.CV.Image<Bgr, Byte>(bmpImage); Mat invert = new Mat(); CvInvoke.BitwiseAnd(currentFrame, currentFrame, invert); if (invert != null) { Com.KingFaceDetect.faceDetectedObj faces = Run1(invert); //得到識別到的臉 for (int i = 0; i < faces.facesRectangle.Count; i++) { sb.AppendFormat("{{\"X\":{0},\"Y\":{1},\"W\":{2},\"H\":{3},\"N\":\"{4}\"}},", faces.facesRectangle[i].X, faces.facesRectangle[i].Y, faces.facesRectangle[i].Width, faces.facesRectangle[i].Height, faces.names[i]); } if (sb[sb.Length - 1] == ',') { sb.Remove(sb.Length - 1, 1); } } sb.Append("]"); GC.Collect(); //AddLog((System.Environment.TickCount - aa).ToString()); //單位毫秒 return sb.ToString(); }
再來看一下Run1這個方法,返回值是一個faceDetectedObj類型的，這是自己封裝的一個類KingFaceDetect中的東西，它包含了識別的的臉部的坐標和這個人的姓名，從之前提到的winform版本中提出來的，基本沒改。可以看到這裡用了一個Application，因為在創建KingFaceDetect的時候會去載入人臉樣本庫，比較耗記憶體把，第一次沒用全局，然後伺服器都被搞崩了。
static Com.KingFaceDetect.faceDetectedObj Run1(Mat image) { if (HttpContext.Current.Application["detect"] == null) { HttpContext.Current.Application["detect"] = new Com.KingFaceDetect(); //存入全局 否則好像會報記憶體錯誤 } Com.KingFaceDetect detect = (Com.KingFaceDetect)HttpContext.Current.Application["detect"]; Com.KingFaceDetect.faceDetectedObj resut = detect.faceRecognize(image); return resut; }
接下來就是這個核心的類了，KingFaceDetect ,裡邊都有註釋，懶得講。。。。直接搬上來：，，在對比訓練庫得到姓名那一步，有個Distance，值越小越可能是同一個人，我自己改了下，大於4000就當沒有，姓名返回“”。
using System; using System.Collections.Generic; using System.Linq; using System.Text; using Emgu.CV; using Emgu.CV.CvEnum; using Emgu.CV.Structure; using Emgu.Util; using Emgu.CV.Cuda; using System.Diagnostics; using Emgu.CV.UI; using System.Drawing; using System.IO; namespace NewFace.Com { class KingFaceDetect { private string FaceSamplesPath =System.Web.HttpContext.Current. Server.MapPath("~/") + "\\trainedFaces"; //這個是訓練庫文件夾 需要手動複製到項目根目錄下 private CascadeClassifier faceClassifier = new CascadeClassifier(System.Web.HttpContext.Current. Server.MapPath("~/")+"\\haarcascade_frontalface_default.xml"); //這個文件也放根目錄 TrainedFaceRecognizer tfr; public KingFaceDetect() { SetTrainedFaceRecognizer(FaceRecognizerType.EigenFaceRecognizer); } /// <summary> /// 獲取已保存的所有樣本文件 /// </summary> /// <returns></returns> public TrainedFileList SetSampleFacesList() { TrainedFileList tf = new TrainedFileList(); DirectoryInfo di = new DirectoryInfo(FaceSamplesPath); int i = 0; foreach (FileInfo fi in di.GetFiles()) { tf.trainedImages.Add(new Image<Gray, byte>(fi.FullName)); tf.trainedLabelOrder.Add(i); tf.trainedFileName.Add(fi.Name.Split('_')[0]); i++; } return tf; } /// <summary> /// 訓練人臉識別器 /// </summary> /// <param name="type"></param> /// <returns></returns> public TrainedFaceRecognizer SetTrainedFaceRecognizer(FaceRecognizerType type) { tfr = new TrainedFaceRecognizer(); tfr.trainedFileList = SetSampleFacesList(); switch (type) { case FaceRecognizerType.EigenFaceRecognizer: tfr.faceRecognizer = new Emgu.CV.Face.EigenFaceRecognizer(80, double.PositiveInfinity); break; case FaceRecognizerType.FisherFaceRecognizer: tfr.faceRecognizer = new Emgu.CV.Face.FisherFaceRecognizer(80, 3500); break; case FaceRecognizerType.LBPHFaceRecognizer: tfr.faceRecognizer = new Emgu.CV.Face.LBPHFaceRecognizer(1, 8, 8, 8, 100); break; } tfr.faceRecognizer.Train(tfr.trainedFileList.trainedImages.ToArray(), tfr.trainedFileList.trainedLabelOrder.ToArray()); return tfr; } /// <summary> /// 獲取制定圖片，識別出的人臉矩形框 /// </summary> /// <param name="emguImage"></param> /// <returns></returns> public faceDetectedObj GetFaceRectangle(Mat emguImage) { faceDetectedObj fdo = new faceDetectedObj(); fdo.originalImg = emguImage; List<Rectangle> faces = new List<Rectangle>(); try { using (UMat ugray = new UMat()) { CvInvoke.CvtColor(emguImage, ugray, Emgu.CV.CvEnum.ColorConversion.Bgr2Gray);//灰度化圖片 CvInvoke.EqualizeHist(ugray, ugray);//均衡化灰度圖片 Rectangle[] facesDetected = faceClassifier.DetectMultiScale(ugray, 1.1, 10, new Size(20, 20)); faces.AddRange(facesDetected); } } catch (Exception ex) { } fdo.facesRectangle = faces; return fdo; } /// <summary> /// 人臉識別 /// </summary> /// <param name="emguImage"></param> /// <returns></returns> public faceDetectedObj faceRecognize(Mat emguImage) { faceDetectedObj fdo = GetFaceRectangle(emguImage); Image<Gray, byte> tempImg = fdo.originalImg.ToImage<Gray, byte>(); #region 給識別出的所有人臉畫矩形框 using (Graphics g = Graphics.FromImage(fdo.originalImg.Bitmap)) { foreach (Rectangle face in fdo.facesRectangle) { Image<Gray, byte> GrayFace = tempImg.Copy(face).Resize(100, 100, Emgu.CV.CvEnum.Inter.Cubic); GrayFace._EqualizeHist();//得到均衡化人臉的灰度圖像 #region 得到匹配姓名 Emgu.CV.Face.FaceRecognizer.PredictionResult pr = tfr.faceRecognizer.Predict(GrayFace); string name = ""; //Distance越小表示 越可能是同一個人 if (pr.Distance <4000) { name = tfr.trainedFileList.trainedFileName[pr.Label].ToString(); } #endregion fdo.names.Add(name); } } #endregion return fdo; } #region 自定義類及訪問類型 public class TrainedFileList { public List<Image<Gray, byte>> trainedImages = new List<Image<Gray, byte>>(); public List<int> trainedLabelOrder = new List<int>(); public List<string> trainedFileName = new List<string>(); } public class TrainedFaceRecognizer { public Emgu.CV.Face.FaceRecognizer faceRecognizer; public TrainedFileList trainedFileList; } public class faceDetectedObj { public Mat originalImg; public List<Rectangle> facesRectangle; public List<string> names = new List<string>(); } public enum FaceRecognizerType { EigenFaceRecognizer = 0, FisherFaceRecognizer = 1, LBPHFaceRecognizer = 2, }; #endregion } }
OK，核心代碼都齊了，但是你想點擊Debug來跑一個那還不行，，你會發現在調用emgucv的時候會報錯：
“Emgu.CV.CvInvoke”的類型初始值設定項引發異常 ！！！！！！！！！
就是這個異常，幾乎伴隨整個項目，關於這個異常，稍後我再總結一下。在代碼都完事的時候在vs上跑不起來，很傷心啊，，很絕望，，想了好久好久，會不會是vs根本就沒把x64文件夾下的dll載入起來？，把項目發佈到iis上跑了一下，居然成功了！別提我有多雞凍了。所以呢，就不在vs上調試了，直接放伺服器上跑，在慢慢調試。下麵是發佈後的樣子：
二.總結
1.對於上邊提到的那個異常，首先是和.net版本有關，當時我先整的winform版的人臉識別，用的.net4.5,就報那個異常，一直降級降到3.5才ok。但是在寫web服務端的時候，用的.net4.5卻又完全沒問題。我也很蒙。還有一個原因就是之前提到的x64文件夾，要把整個文件夾放到應用程式的bin目錄下（把整個文件夾放進去就行，不要把裡邊的dll複製出來到bin下），大概700多M。
2.emgucv各個版本差別較大，在這個版本能用的代碼，到其他版本可能根本用不了。
暫時先這些吧，有什麼疏忽的以後再補上。本來還想用Xamarin.Android做個安卓app的，但是。。。好難啊，就一個socket就遇到了麻煩。有懂Xamarin的大神能指點指點嗎？
