上个月在网上看到一个用web实现简单AR效果的文章，然后自己一路折腾，最后折腾出来一个 Asp.net+WebSocket+Emgucv实时人脸识别的东西，网上也有不少相关资料，有用winform的也有asp.net的。其实人脸识别技术早就成熟了，就是没机会接触这方面。百度了一下 找到好多，JqueryFaceDetection，face++，face core，opencv，emgucv等等，这些我都折腾了一遍，并不能很好的满足我的需求，我就是想像手机QQ里边的拍照的时候能识别到人脸并且对图像做一些处理。后来找到了一个用winform+emgucv实现的例子，我就想着怎么给弄web上。后来又看到一篇用websocket实现的例子，就结合了一下。
我自己做的这个有相当多的代码都是网上的直接拿来用了，对我来说，websocket和emgucv这两个东西都是第一次接触，有不少的坑，尤其这个emgucv！！，各个版本差别巨大，从2.4到3.2这几个版本我几乎都下载过，最终是用的3.1的。好了，下面进入正题，源码我已经放在github了，https://github.com/13005463562/FaceWeb 。其中NewFaceWeb是web端，NewFace是服务端。想试一下效果的可以戳这里（要用火狐浏览器，谷歌太坑，强制要用https才能打开摄像头，其他浏览器还存在兼容性问题，其实一些手机浏览器UC或者火狐也行，但是我不会调样式。:( ，对于没有录入姓名的人呢，只能出现一个方框，可以点截图（等你的脸出现方框的时候截图），然后录入你的姓名，就可以把你的名字也识别出来。
一.整体介绍
首先下载emgucv3.1 ，我下载的是第一个297M那个。下载之后解压，需要用到bin下的x64文件夹，注意不是根目录下的x64。 Emgu.CV.Example 里边有一些关于emgucv的例子，都是按照那个写的代码，可以看看。
在前端利用canvas获取摄像头的图像信息，通过websocket把每一帧数据传到服务端，服务端拿到的是byte[]数据，要转换成需要的格式再识别到你的脸，然后去人脸训练库中比较，找出最像你的那个样本的姓名（相似度太低则为空），最后把你的脸的位置（左上角坐标和宽高）和姓名返回前端。前端拿到返回数据，在canvas上画出方框和姓名，ok，完事。
二.前端实现
首先是html代码，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>
接着放js代码（从别人那搬来的=-=）， 先是要打开摄像头，打开成功了就开启websocket，把一帧图像数据转成base64形式顺便压缩一下，压缩很重要，在本机测无所谓，但要放服务器网络延迟太高，每次前后台交互一两秒。。。压缩比0.5即可把延迟降低到300-400毫秒，这样就很流畅啦.
$(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;//重设height以清除画布
ctx2.strokeStyle = "#EEEE00";
ctx2.fillStyle = 'rgba(0,0,0,0.0)';
ctx2.lineWidth = 2;
//设置字体样式
ctx2.font = "30px Courier New";
//设置字体填充颜色
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坐标
var top = obj[i].Y;//左上角y坐标
var width = obj[i].W; //宽
var height = obj[i].H;//高
var name = obj[i].N;//姓名
//画方框
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();
//从坐标点(50,50)开始绘制姓名
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;
//记录每次连接的时间
//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), //把画布转base64 压缩比例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 });
}
前端大概就这样子了，发送数据，接收数据，画图。仔细看一下，挺简单的。
二.服务端实现
服务端相对要复杂点了，我就大致讲一下怎么处理的，说说遇到的一些坑，详细的实现看源码就行了。
我用的asp.net MVC，需要引用emgucv的一些dll，Emgu.CV.UI，Emgu.CV.World，ZedGraph ，这些在下载的emgucv中bin目录下都能找到，找不到就是版本下载错了。
首先当然是接收数据，用ashx实现的,rootPath是根目录路径，到时候需要把人脸样本（也就是你录入的脸的图像）文件夹放在项目根目录，还有一个人脸分类器的xml文件，也放在根目录。在调用emgucv的方法时会用到。
private static string rootPath;
private int _maxBufferSize = 256 * 1024;
public void ProcessRequest(HttpContext context)
{
if (context.IsWebSocketRequest)
{
rootPath = context.Request.PhysicalApplicationPath;
context.AcceptWebSocketRequest(ProcessWSChat);
}
}
接着是实现websocket的代码，我就不多说了，还是搬代码：
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);
}
}
然后是调方法得到人脸数据，可以是多个脸，这里的把byte[]转Mat可是费了我好大功夫，最开始找不到简单的方法，只能傻乎乎生成图片到本地再去读取，效率低下，最终是在一个英语网站（讲真。。英语水平太低，都是蒙的）里边找到这个方法：
private static string FaceDetectionDetail(byte[] data, int plength)
{
StringBuilder sb = new StringBuilder();
sb.Append("[");
//把byte[]转成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); //得到识别到的脸
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()); //单位毫秒
return sb.ToString();
}
再来看一下Run1这个方法,返回值是一个faceDetectedObj类型的，这是自己封装的一个类KingFaceDetect中的东西，它包含了识别的的脸部的坐标和这个人的姓名，从之前提到的winform版本中提出来的，基本没改。可以看到这里用了一个Application，因为在创建KingFaceDetect的时候会去加载人脸样本库，比较耗内存把，第一次没用全局，然后服务器都被搞崩了。
static Com.KingFaceDetect.faceDetectedObj Run1(Mat image)
{
if (HttpContext.Current.Application["detect"] == null)
{
HttpContext.Current.Application["detect"] = new Com.KingFaceDetect(); //存入全局 否则好像会报内存错误
}
Com.KingFaceDetect detect = (Com.KingFaceDetect)HttpContext.Current.Application["detect"];
Com.KingFaceDetect.faceDetectedObj resut = detect.faceRecognize(image);
return resut;
}
接下来就是这个核心的类了，KingFaceDetect ,里边都有注释，懒得讲。。。。直接搬上来：，，在对比训练库得到姓名那一步，有个Distance，值越小越可能是同一个人，我自己改了下，大于4000就当没有，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"; //这个是训练库文件夹 需要手动复制到项目根目录下
private CascadeClassifier faceClassifier = new CascadeClassifier(System.Web.HttpContext.Current. Server.MapPath("~/")+"\haarcascade_frontalface_default.xml"); //这个文件也放根目录
TrainedFaceRecognizer tfr;
public KingFaceDetect()
{
SetTrainedFaceRecognizer(FaceRecognizerType.EigenFaceRecognizer);
}
/// <summary>
/// 获取已保存的所有样本文件
/// </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>
/// 训练人脸识别器
/// </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>
/// 获取制定图片，识别出的人脸矩形框
/// </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);//灰度化图片
CvInvoke.EqualizeHist(ugray, ugray);//均衡化灰度图片
Rectangle[] facesDetected = faceClassifier.DetectMultiScale(ugray, 1.1, 10, new Size(20, 20));
faces.AddRange(facesDetected);
}
}
catch (Exception ex)
{
}
fdo.facesRectangle = faces;
return fdo;
}
/// <summary>
/// 人脸识别
/// </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 给识别出的所有人脸画矩形框
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();//得到均衡化人脸的灰度图像
#region 得到匹配姓名
Emgu.CV.Face.FaceRecognizer.PredictionResult pr = tfr.faceRecognizer.Predict(GrayFace);
string name = "";
//Distance越小表示 越可能是同一个人
if (pr.Distance <4000)
{
name = tfr.trainedFileList.trainedFileName[pr.Label].ToString();
}
#endregion
fdo.names.Add(name);
}
}
#endregion
return fdo;
}
#region 自定义类及访问类型
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，核心代码都齐了，但是你想点击Debug来跑一个那还不行，，你会发现在调用emgucv的时候会报错：
“Emgu.CV.CvInvoke”的类型初始值设定项引发异常 ！！！！！！！！！
就是这个异常，几乎伴随整个项目，关于这个异常，稍后我再总结一下。在代码都完事的时候在vs上跑不起来，很伤心啊，，很绝望，，想了好久好久，会不会是vs根本就没把x64文件夹下的dll加载起来？，把项目发布到iis上跑了一下，居然成功了！别提我有多鸡冻了。所以呢，就不在vs上调试了，直接放服务器上跑，在慢慢调试。下面是发布后的样子：
二.总结
1.对于上边提到的那个异常，首先是和.net版本有关，当时我先整的winform版的人脸识别，用的.net4.5,就报那个异常，一直降级降到3.5才ok。但是在写web服务端的时候，用的.net4.5却又完全没问题。我也很蒙。还有一个原因就是之前提到的x64文件夹，要把整个文件夹放到应用程序的bin目录下（把整个文件夹放进去就行，不要把里边的dll复制出来到bin下），大概700多M。
2.emgucv各个版本差别较大，在这个版本能用的代码，到其他版本可能根本用不了。
暂时先这些吧，有什么疏忽的以后再补上。本来还想用Xamarin.Android做个安卓app的，但是。。。好难啊，就一个socket就遇到了麻烦。有懂Xamarin的大神能指点指点吗？