说起人脸识别，大家首先想到的实现方式应该是 Python 去做相关的处理，因为相关的机器学习框架，库都已经封装得比较好了。但是我们今天讨论的实现方式换成 Golang，利用 Golang 去做静态图像和视频流人脸识别的相应处理。
静态图像人脸识别
首先我们来进行静态的人脸识别，Golang 这边相较于 Python 社区来说相对少一些，不过依然有一些优秀的库可以供我们使用。今天我们用到的就是 go-face 这个库。该库利用 dlib 去实现人脸识别，一个很受欢迎的机器学习工具集，它可以说是人脸识别中使用最多的软件包之一。在产学界有广泛应用，涵盖了机器人学，嵌入式设备，移动设备等等。在它官网的文档中提到在 Wild 基准测试中识别标记面部的准确度达到惊人的 99.4%，这也说明为什么它能得到广泛的应用。
在我们开始码代码之前，首先需要安装 dlib。Windows 平台相对麻烦一些，具体在官网有安装方案，这里我介绍两个平台。
Ubuntu 18.10+, Debian sid
最新版本的 Ubuntu 和 Debian 都提供合适的 dlib 包，所以只需要运行。
# Ubuntusudo apt-get install libdlib-dev libblas-dev liblapack-dev libjpeg-turbo8-dev# Debiansudo apt-get install libdlib-dev libblas-dev liblapack-dev libjpeg62-turbo-dev
复制代码
macOS
确保安装了 Homebrew。
创建项目及准备工作
在 GOPATH 的 src 目录下，创建项目文件，命令如下。
sudo makedir go-face-test# 创建 main.gosudo touch main.go
复制代码
然后进入该目录下，生成 mod 文件。
调用该命令后，在 go-face-test 目录下应该已经生成了 go.mod 文件。
该库需要三个模型 shape_predictor_5_face_landmarks.dat, mmod_human_face_detector.dat 和 dlib_face_recognition_resnet_model_v1.dat，在 go-face-test 目录下下载相应的测试数据。
git clone https://github.com/Kagami/go-face-testdata testdata
复制代码
最终的项目结构应该如图。
代码实现
首先，我们利用代码检查环境是否正常。初始化识别器，释放资源。
package main
import ( "fmt"
"github.com/Kagami/go-face")
const dataDir = "testdata"
// testdata 目录下两个对应的文件夹目录const ( modelDir = dataDir + "/models" imagesDir = dataDir + "/images")
func main() { fmt.Println("Face Recognition...")
// 初始化识别器 rec, err := face.NewRecognizer(modelDir) if err != nil { fmt.Println("Cannot INItialize recognizer") } defer rec.Close()
fmt.Println("Recognizer Initialized")}
复制代码
编译然后运行代码。
应该得到下面输出。
Face Recognition...Recognizer Initialized
复制代码
到这一步，我们已经成功的设置好了需要的一切。
检测图片中人脸数量
首先准备一张林俊杰的照片，放到任意目录下，为了演示方便，我放在了 main.go 同级目录下。
如你所见，现在什么都没有，只有一张图片，接下来我们要让计算机计算图片中的人脸数量。
package main
import ( "fmt" "log"
"github.com/Kagami/go-face")
const dataDir = "testdata"
// testdata 目录下两个对应的文件夹目录const ( modelDir = dataDir + "/models" imagesDir = dataDir + "/images")
func main() { fmt.Println("Face Recognition...")
// 初始化识别器 rec, err := face.NewRecognizer(modelDir) if err != nil { fmt.Println("Cannot INItialize recognizer") } defer rec.Close()
fmt.Println("Recognizer Initialized")
// 调用该方法，传入路径。返回面部数量和任何错误 faces, err := rec.RecognizeFile("linjunjie.jpeg") if err != nil { log.Fatalf("无法识别: %v", err) } // 打印人脸数量 fmt.Println("图片人脸数量: ", len(faces))}
复制代码
核心代码其实就是一行，go-face 封装进行识别的方法，传入相应路径的图片文件，执行代码后结果如下。
Face Recognition...Recognizer Initialized图片人脸数量: 1
复制代码
现在笨笨的计算机已经会数人脸数量了。那....如果一张照片里面有多人准不准呢，我们试试看，准备一张多人合照图片。
heyin.jpeg
我们将第 31 行代码换成如下即可。
faces, err := rec.RecognizeFile("heyin.jpeg")
复制代码
运行后的结果应该打印 （图片人脸数量: 6），接下来正式看展我们的人脸识别。
人脸识别
首先我们准备一张合照，这里依然沿用上面的 heyin.jpeg。
整个处理过程大致分为以下几步。
1.将合影中人物映射到唯一 ID, 然后将唯一 ID 和对应人物相关联。
var samples []face.Descriptor var peoples []int32 for i, f := range faces { samples = append(samples, f.Descriptor) // 每张脸唯一 id peoples = append(peoples, int32(i)) }
// Pass samples to the recognizer. rec.SetSamples(samples, peoples)
复制代码
2.接下来我们封装一个人脸识别的方法，传入识别器和照片路径，打印对应人物 ID，人物名字。
func RecognizePeople(rec *face.Recognizer, file string) { people, err := rec.RecognizeSingleFile(file) if err != nil { log.Fatalf("无法识别: %v", err) } if people == nil { log.Fatalf("图片上不是一张脸") } peopleID := rec.Classify(people.Descriptor) if peopleID < 0 { log.Fatalf("无法区分") } fmt.Println(peopleID) fmt.Println(labels[peopleID])}
复制代码
3.最后我们传入想要识别的图片，目前传入了 3 张图片，感兴趣的小伙伴可以传入其他图片尝试。
jay.jpeg
linjunjie.jpeg
taozhe.jpeg
4.调用三次。
RecognizePeople(rec, "jay.jpeg") RecognizePeople(rec, "linjunjie.jpeg") RecognizePeople(rec, "taozhe.jpeg")
复制代码
代码如下
package main
import ( "fmt" "log"
"github.com/Kagami/go-face")
const dataDir = "testdata"
// testdata 目录下两个对应的文件夹目录const ( modelDir = dataDir + "/models" imagesDir = dataDir + "/images")
// 图片中的人名var labels = []string{ "萧敬腾", "周杰伦", "unknow", "王力宏", "陶喆", "林俊杰",}
func main() { fmt.Println("Face Recognition...")
// 初始化识别器 rec, err := face.NewRecognizer(modelDir) if err != nil { fmt.Println("Cannot INItialize recognizer") } defer rec.Close()
fmt.Println("Recognizer Initialized")
// 调用该方法，传入路径。返回面部数量和任何错误 faces, err := rec.RecognizeFile("heyin.jpeg") if err != nil { log.Fatalf("无法识别: %v", err) } // 打印人脸数量 fmt.Println("图片人脸数量: ", len(faces))
var samples []face.Descriptor var peoples []int32 for i, f := range faces { samples = append(samples, f.Descriptor) // 每张脸唯一 id peoples = append(peoples, int32(i)) }
// 传入样例到识别器 rec.SetSamples(samples, peoples)
RecognizePeople(rec, "jay.jpeg") RecognizePeople(rec, "linjunjie.jpeg") RecognizePeople(rec, "taozhe.jpeg")}
func RecognizePeople(rec *face.Recognizer, file string) { people, err := rec.RecognizeSingleFile(file) if err != nil { log.Fatalf("无法识别: %v", err) } if people == nil { log.Fatalf("图片上不是一张脸") } peopleID := rec.Classify(people.Descriptor) if peopleID < 0 { log.Fatalf("无法区分") } fmt.Println(peopleID) fmt.Println(labels[peopleID])}
复制代码
运行结果
最后我们运行代码。
结果如下
恭喜你，你已经成功的识别出这三张图片是谁了，到这一步，静态的图像人脸识别已经完成了。
静态人脸识别总结
到这一步我们已经可以成功的利用 Go 实现了静态人脸识别。将其运用到项目中也不是不可，不过它有诸多局限，使用的场景较为单一，只能用在例如用户上传人脸身份识别，单一人脸识别等场景；图片格式较为单一，暂时不支持 PNG 格式等缺点。
视频流人脸识别
背景
静态的人脸识别应用场景较为局限，不能够放到比较重要的环境中，例如金融，保险，安防等领域，存在伪造等可能。而且单纯的静态人脸识别，意义不大。动态的视频流拥有更加广阔的应用空间，充分应用在智能安防，手势识别，美颜等领域。5G 时代，众多业务将围绕视频这一块展开，如何将视频业务与核心业务实现解耦，声网的 RTE 组件做得不错，作为 RTE-PaaS 的开创者，声网已经有较多的技术积累，通过 RTE 组件的形式有很多好处。
RTE 优点
1.应用无关性
可以在不同的项目间共享，实现复用，避免多次开发的重复性工作
2.平台无关性
广泛应用于操作系统，编程语言及各领域
3.丰富的三方模块
能够提供例如白板教学，视频美颜，鉴黄等众多模块供开发者使用
代码实现
这里我们来实现一下视频流的相关人脸识别，之前的静态识别就是为了动态视频流人脸识别做铺垫。我们来说一下视频流的人脸识别的实现思路，静态的图像人脸识别已经完成，而视频是多帧的连续，我们只需要抽取片段捕获关键帧，识别出人像，人后输出对应关联的人名。
准备工作
这里我们用到的是 gocv（底层使用 OpenCV），这里我们暂时略过具体的安装流程，按照官方文档安装即可。
1.设置视频捕捉的设备，一般来说默认 0
// set to use a video capture device 0 deviceID := 0
// open webcam webcam, err := gocv.OpenVideoCapture(deviceID) if err != nil { fmt.Println(err) return } defer webcam.Close()
复制代码
2.打开展示窗口
// open display window window := gocv.NewWindow("Face Detect") defer window.Close()
复制代码
3.准备图像矩阵，检测到人脸时显示矩形框的配置
// prepare image matrix img := gocv.NewMat() defer img.Close()
// color for the rect when faces detected blue := color.RGBA{0, 0, 255, 0}
复制代码
4.加载人脸识别分类器，用一个死循环，里面加上我们的相关识别服务
for { if ok := webcam.Read(&img); !ok { fmt.Printf("cannot read device %v\n", deviceID) return } if img.Empty() { continue }
// detect faces rects := classifier.DetectMultiScale(img) fmt.Printf("found %d faces\n", len(rects))
// draw a rectangle around each face on the original image for _, r := range rects { gocv.Rectangle(&img, r, blue, 3) imgFace := img.Region(r) buff, err:=gocv.IMEncode(".jpg",imgFace) if err != nil { fmt.Println("encoding to jpg err:%v", err) break }
RecognizePeopleFromMemory(rec, buff) }
// show the image in the window, and wait 1 millisecond window.IMShow(img) window.WaitKey(1) }
复制代码
其中有几个步骤需要将一下，目前来说 gocv.IMEncode 只支持将捕获到的图片转成 PNG，JPG，GIF 三种格式。转换后的字节流放在内存中，然后将字节流传入我们的人脸识别函数中即可。
// RecognizeSingle returns face if it's the only face on the image or// nil otherwise. Only JPEG format is currently supported. Thread-safe.func (rec *Recognizer) RecognizeSingle(imgData []byte) (face *Face, err error) { faces, err := rec.recognize(0, imgData, 1) if err != nil || len(faces) != 1 { return } face = &faces[0] return}
复制代码
注意事项
由于 go-face 只支持 JPEG 的格式，所以我们捕捉的帧只能转换成 JPG 格式
然后简单的封装一个字符流的识别函数。这里需要说明一下，之所以将 log.Fatal 换成了 log.Println 的原因是在视频流级别的识别中可能会出现没有人脸的情况，这个时候程序应当是正常运行的，不能退出。
func RecognizePeopleFromMemory(rec *face.Recognizer, img []byte) { people, err := rec.RecognizeSingle(img) if err != nil { log.Println("无法识别: %v", err) return } if people == nil { log.Println("图片上不是一张脸") return } peopleID := rec.Classify(people.Descriptor) if peopleID < 0 { log.Println("无法区分") return } fmt.Println(peopleID) fmt.Println(labels[peopleID])}
复制代码
最后完整代码如下
package main
import ( "fmt" "image/color" "log"
"github.com/Kagami/go-face" "gocv.io/x/gocv")
const dataDir = "testdata"
// testdata 目录下两个对应的文件夹目录const ( modelDir = dataDir + "/models" imagesDir = dataDir + "/images")
// 图片中的人名var labels = []string{ "萧敬腾", "周杰伦", "unknow", "王力宏", "陶喆", "林俊杰",}
func main() { // 初始化识别器 rec, err := face.NewRecognizer(modelDir) if err != nil { fmt.Println("Cannot INItialize recognizer") } defer rec.Close()
fmt.Println("Recognizer Initialized")
// 调用该方法，传入路径。返回面部数量和任何错误 faces, err := rec.RecognizeFile("heyin.jpeg") if err != nil { log.Fatalf("无法识别: %v", err) } // 打印人脸数量 fmt.Println("图片人脸数量: ", len(faces))
var samples []face.Descriptor var peoples []int32 for i, f := range faces { samples = append(samples, f.Descriptor) // 每张脸唯一 id peoples = append(peoples, int32(i)) }
// Pass samples to the recognizer. rec.SetSamples(samples, peoples)
RecognizePeople(rec, "jay.jpeg") RecognizePeople(rec, "linjunjie.jpeg") RecognizePeople(rec, "taozhe.jpeg")
// set to use a video capture device 0 deviceID := 0
// open webcam webcam, err := gocv.OpenVideoCapture(deviceID) if err != nil { fmt.Println(err) return } defer webcam.Close()
// open display window window := gocv.NewWindow("Face Detect") defer window.Close()
// prepare image matrix img := gocv.NewMat() defer img.Close()
// color for the rect when faces detected blue := color.RGBA{0, 0, 255, 0}
// load classifier to recognize faces classifier := gocv.NewCascadeClassifier() defer classifier.Close()
if !classifier.Load("./haarcascade_frontalface_default.xml") { fmt.Println("Error reading cascade file: data/haarcascade_frontalface_default.xml") return }
fmt.Printf("start reading camera device: %v\n", deviceID) for { if ok := webcam.Read(&img); !ok { fmt.Printf("cannot read device %v\n", deviceID) return } if img.Empty() { continue }
// detect faces rects := classifier.DetectMultiScale(img) if len(rects) == 0 { continue }
fmt.Printf("found %d faces\n", len(rects))
// draw a rectangle around each face on the original image for _, r := range rects { gocv.Rectangle(&img, r, blue, 3)
imgFace := img.Region(r) buff, err:=gocv.IMEncode(".jpg",imgFace) if err != nil { fmt.Println("encoding to jpg err:%v", err) break }
RecognizePeopleFromMemory(rec, buff) }
// show the image in the window, and wait 1 millisecond window.IMShow(img) window.WaitKey(1) }}
func RecognizePeople(rec *face.Recognizer, file string) { people, err := rec.RecognizeSingleFile(file) if err != nil { log.Fatalf("无法识别: %v", err) } if people == nil { log.Fatalf("图片上不是一张脸") } peopleID := rec.Classify(people.Descriptor) if peopleID < 0 { log.Fatalf("无法区分") } fmt.Println(peopleID) fmt.Println(labels[peopleID])}
func RecognizePeopleFromMemory(rec *face.Recognizer, img []byte) { people, err := rec.RecognizeSingle(img) if err != nil { log.Println("无法识别: %v", err) return } if people == nil { log.Println("图片上不是一张脸") return } peopleID := rec.Classify(people.Descriptor) if peopleID < 0 { log.Println("无法区分") return } fmt.Println(peopleID) fmt.Println(labels[peopleID])}
复制代码
接下来我们运行代码，应该能够拉起摄像头，这个时候我手持林俊杰的照片进行识别，我们可以看到左下角已经输出对应的人名了。
视频流人脸识别总结
到这一步，恭喜你，你已经能够完成视频流人脸识别了。但是，这里要说明一下，为了快速的实现，我们的样本集是比较少的，识别成功率相对来说比较低。不过一个简单的动态人脸识别已经搭好了。
总结
虽然我们实现了动态的人脸识别，但是在更为复杂的应用场景下难以实现相应的需求，而且存在图片格式等限制，缺乏人脸处理的其他模块，美颜，鉴黄等功能。不过通过第三方的 SDK，例如声网等平台去实现对应的需求，园区的人脸识别，视频会议，云课堂等场景，能够实现快速搭建，能够几行代码就能够完成相应的接入，并围绕 RTE 等组件进行人脸识别的相关开发。为开发节约大量时间和成本，可以将开发重心转移到更加核心的业务。
评论