golang微信公众平台之人脸识别

最新推荐文章于 2024-04-12 23:19:07 发布

weixin_30739595

最新推荐文章于 2024-04-12 23:19:07 发布

阅读量151

点赞数

文章标签： golang json 人工智能

原文链接：http://www.cnblogs.com/wlts/archive/2013/06/02/3113526.html

版权

好吧，其实整个都是建立在face++的基础上的，没有任何技术含量，我只是个勤劳的搬运工。

所能实现的就是简单的，你发送一个图片过来，如果里面是一个人，则告诉你分析出来的年龄、性别；如果是两个人，就告诉你，这两个人眉毛、眼睛、鼻子、嘴巴及整体的相似度。

微信公众平台，怎么说呢，还是传统的一问一答的形式，你发个信息过来，我收到了处理下，再给你回馈一条信息，就是这么简单。

简单的你来我往

先说信息互传的问题，微信公众平台是post过来一个xml，服务器端打包一个xml发回去。

从最简单的，直接把用户信息返回去搞起吧。

文本消息

 <xml>
 <ToUserName><![CDATA[toUser]]></ToUserName>
 <FromUserName><![CDATA[fromUser]]></FromUserName> 
 <CreateTime>1348831860</CreateTime>
 <MsgType><![CDATA[text]]></MsgType>
 <Content><![CDATA[this is a test]]></Content>
 <MsgId>1234567890123456</MsgId>
 </xml>

参数	描述
ToUserName	开发者微信号
FromUserName	发送方帐号（一个OpenID）
CreateTime	消息创建时间（整型）
MsgType	text
Content	文本消息内容
MsgId	消息id，64位整型

相应的数据结构也就自然出来了：

type Request struct{
     ToUserName string
      FromUserName string
      CreateTime time.Duration
      MsgType string
      Content string
      MsgId int
  }

将输入的xml解码：

func decodeRequest(data []byte)(req *Request,err error){
      req=&Request{}
      err=xml.Unmarshal(data,req)
      return
  }

虽然微信服务器是用post方式传递的数据，不过实际还通过url传递过来了三个参数：signature,timestamp,nonce.

这三个参数可以验证消息是否微信服务器发送过来的。

取post过来的数据：

func Action(w http.ResponseWriter,r *http.Request){
      postedMsg,err:=ioutil.ReadAll(r.Body)
      if err!=nil{
          log.Fatal(err)
      }
      r.Body.Close()
      msg,err:=decodeRequest(postedMsg)
     ...
}

接下来就是回复信息

回复文本消息

 <xml>
 <ToUserName><![CDATA[toUser]]></ToUserName>
 <FromUserName><![CDATA[fromUser]]></FromUserName>
 <CreateTime>12345678</CreateTime>
 <MsgType><![CDATA[text]]></MsgType>
 <Content><![CDATA[content]]></Content>
 <FuncFlag>0</FuncFlag>
 </xml>

参数	描述
ToUserName	接收方帐号（收到的OpenID）
FromUserName	开发者微信号
CreateTime	消息创建时间
MsgType	text
Content	回复的消息内容,长度不超过2048字节
FuncFlag	位0x0001被标志时，星标刚收到的消息

简单封装下：

type Response struct{
      XMLName xml.Name `xml:"xml"`
      ToUserName string
      FromUserName string
      CreateTime time.Duration
      MsgType string
      Content string
      FuncFlag int
 }

func encodeResponse(resp Response)(data []byte,err error){
      resp.CreateTime=time.Second
      data,err=xml.Marshal(resp)
      return
 }

将数据发送回去的代码：

var resp Response
resp.ToUserName=msg.FromUserName
resp.FromUserName=msg.ToUserName
resp.MsgType="text"
resp.Content=msg.Content
resp.FuncFlag=0

respData,err:=encodeResponse(resp)
fmt.Fprintf(w,string(respData))

人脸识别

这个怎么说，就是用户通过微信发送照片，照片是存到微信服务器的，微信给我发一个图片url，我再把这个url转给face++，face++将分析结果给我发回来，我再把这些数据简单处理下，反馈给微信用户（当然，中间还隔了层微信服务器）。

整个过程中，我所做的就是简单的json数据处理，什么高端的图像处理什么的都跟我不沾边，哈哈~

首先当然是到http://cn.faceplusplus.com/注册，获取API_SECRET、API_KEY。

而后推荐看文档，http://cn.faceplusplus.com/dev/getting-started/api2info/，当然直接跟着我来一遍也行。

先来个人脸检测吧，检测出性别、年龄、种族。

看了示例文档后，发现detect调用后返回的json的结构表示出来大概是这样：

type Faceslice struct{
     Face []struct{
         Attribute struct{
             Age struct{
                 Range float64
                 Value float64
             }
             Gender struct{
                 Confidence float64
                 Value string
             }
             Race struct{
                 Confidence float64
                 Vaule string
             }
         }
         Face_id string
         Position struct{
             Center struct{
                 X float64
                 Y float64
             }
             Eye_left struct{
                 X float64
                 Y float64
             }
             Eye_right struct{
                 X float64
                 Y float64
             }
             Height float64
             Mouth_left struct{
                 X float64
                 Y float64
             }
             Mouth_right struct{
                 X float64
                 Y float64
             }
             Nose struct{
                 X float64
                 Y float64
             }
             Width float64
         }
         Tag string
     }
     Img_height int
     Img_id string
     Img_width int
     Session_id string
     url string
 }

解析json数据：

func DecodeDetect(data []byte) Faceslice{
     var f Faceslice
     json.Unmarshal(data,&f)
     return f
}

接着还是来写个get函数吧：

func get(url string)(b []byte,err error){
     res,e:=http.Get(url)
     if e!=nil{
         err=e
         return
     }
     data,e:=ioutil.ReadAll(res.Body)
     if e!=nil{
         err=e
         return
     }
     res.Body.Close()
     return data,nil
}

调用face++接口并返回相应的数据：

const apiurl="https://apicn.faceplusplus.com"

func DetectionDetect(picurl string)detection.Faceslice{
     url:=apiurl+"/v2/detection/detect?url="+picurl+"&api_secret="+apisecret+"&api_key="+apikey
     tmp,_:=get(url)
     return detection.DecodeDetect(tmp)
}

刚刚上面的示例只是简单考虑了文本信息，现在要传递的是图片信息，所以做个简单的修改：

type Request struct{
     ToUserName string
      FromUserName string
      CreateTime time.Duration
      MsgType string
      Content string
      PicUrl string
      MsgId int
}

Action函数里也该有所修改，判定下msg.MsgType，如果是text，则跟刚才一样处理，如果是image，则有新的处理方法。

我一个就做了两个简单的处理，一个是年龄、性别、种族，还有就是如果照片里是两个人，则给出五官及整体的相似度值。

相似度的代码直接放下面吧：

package recognition

 import(
     "encoding/json"
 )

 type Compare struct{
     Component_similarity struct{
         Eye float64
         Mouth float64
         Nose float64
         Eyebrow float64
     }
     Session_id string
     Similarity float64
}

 func DecodeCompare(data []byte)Compare{
     var c Compare
     json.Unmarshal(data,&c)
     return c
}

func RecognitionCompare(face1id,face2id string)recognition.Compare{
     url:=apiurl+"/v2/recognition/compare?api_secret="+apisecret+"&api_key="+ apikey+"&face_id2="+face2id+"&face_id1="+face1id
     tmp,_:= get(url)
     return recognition.DecodeCompare(tmp)
}

判定图片里有几个人，一个人输出性别、年龄，两个人输出相似度，三个及以上，暂未判定：

if msg.MsgType=="image"{
         var faceslice detection.Faceslice
         faceslice=facepp.DetectionDetect(msg.PicUrl)
         switch len(faceslice.Face){
         case 0:
             resp.Content="请上传有脸的人物照片！"
         case 1:
             attribute:=faceslice.Face[0].Attribute
             age:=attribute.Age
             gender:=attribute.Gender
             var faceGender string
             if gender.Value=="Male"{
                 faceGender="男"
             }else{
                 faceGender="女"
             }
             faceAgeValue:=fmt.Sprintf("%d",int(age.Value))
             faceAgeRange:=fmt.Sprintf("%d",int(age.Range))
             resp.Content="性别："+faceGender+"\n"+"年龄："+faceAgeValue+"(±"+faceAgeRange+")"
         case 2:
             face1id:=faceslice.Face[0].Face_id
             face2id:=faceslice.Face[1].Face_id
             var compare recognition.Compare
             compare=facepp.RecognitionCompare(face1id,face2id)
             resp.Content="眼睛相似度："+fmt.Sprintf("%f",compare.Component_similarity.Eye)+"\n"+"嘴巴相似度："+fmt.Sprintf("%f",compare.Component_similarity.Mouth)+"\n"+"鼻子相似度："+fmt.Sprintf("%f",compare.Component_similarity.Nos    e)+"\n"+"眉毛相似度："+fmt.Sprintf("%f",compare.Component_similarity.Eyebrow)+"\n"+"整体相似度："+fmt.Sprintf("%f",compare.Similarity)
         default:
             resp.Content="照片里人物太多了，暂不分析！"
         }
 }