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裏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，我就想著怎麽給弄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，下面進入正題，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裏（要用火狐瀏覽器，谷歌太坑，強制要用https才能打開攝像頭，其他瀏覽器還存在兼容性問題，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 裏邊有一些關於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，但要放服務器網絡延遲太高，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;

                    //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

服務端相對要復雜點了，我就大致講一下怎麽處理的，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，這裏的把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）裏邊找到這個方法：

  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。可以看到這裏用了一個Application，因為在創建KingFaceDetect的時候會去加載人臉樣本庫，比較耗內存把，第一次沒用全局，然後服務器都被搞崩了。

 static Com.KingFaceDetect.faceDetectedObj Run1(Mat image)
        {
           
            if (HttpContext.Current.Application["detect"] == null)
           {
               HttpContext.Current.Application["detect"] = new Com.KingFaceDetect();  //存入全局 否則好像會報內存錯誤
           }
            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 ,裏邊都有註釋，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 需要手動復制到項目根目錄下
        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加載起來？，把項目發布到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，直接放服務器上跑，在慢慢調試。下面是發布後的樣子：

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序的bin目錄下（把整個文件夾放進去就行，不要把裏邊的dll復制出來到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，有什麽疏忽的以後再補上。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？

Asp.net+WebSocket+Emgucv實時人臉識別