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。。。）：www.zlofyao.top（抱歉，服务器到期了，用不了了） ，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？
3.补充：上边提到过vs不能调试项目，但是iis可以运行，后来遇到一哥们在交流相关方面时，他把64位的emgucv更换为32位版本dll后，居然就可以调试了，大家可以试试。