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.cdsy.xyz/computer/programme/dotNet/230314/cd41468.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

git下载链接：https://gitee.com/xiongze/FaceRecognition.git

百度网盘源码下载链接：https://pan.baidu.com/s/1IzJCeF8uTKjZ882BTxI4bw

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.cdsy.xyz/computer/programme/dotNet/230314/cd41468.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

git下载链接：https://gitee.com/xiongze/FaceRecognition.git

百度网盘源码下载链接：https://pan.baidu.com/s/1IzJCeF8uTKjZ882BTxI4bw

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：

git下载链接：https://gitee.com/xiongze/FaceRecognition.git

百度网盘源码下载链接：https://pan.baidu.com/s/1IzJCeF8uTKjZ882BTxI4bw

提取码：p92w