当前位置： 首页 > backend >正文

基于若依的人脸识别（2）——后端实现步骤

backend 2025/5/24 8:52:24

后端实现步骤

1. 创建 Spring Boot 项目

添加依赖：

<dependencies><!-- Web & REST --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><!-- MyBatis --><dependency><groupId>org.mybatis.spring.boot</groupId><artifactId>mybatis-spring-boot-starter</artifactId><version>2.3.1</version></dependency><!-- MySQL --><dependency><groupId>mysql</groupId><artifactId>mysql-connector-java</artifactId><scope>runtime</scope></dependency><!-- 百度AI SDK --><dependency><groupId>com.baidu.aip</groupId><artifactId>java-sdk</artifactId><version>4.16.1</version></dependency><!-- JWT --><dependency><groupId>io.jsonwebtoken</groupId><artifactId>jjwt</artifactId><version>0.9.1</version></dependency>
</dependencies>

2. 配置百度 AI 参数

在application.properties中添加：

baidu.face.appId=APP_ID
baidu.face.apiKey=API_KEY
baidu.face.secretKey=SECRET_KEY
baidu.face.imageType=BASE64
baidu.face.groupId=user_group

3. 创建百度 AI 工具类

package com.example.demo.utils;import com.baidu.aip.face.AipFace;
import org.json.JSONObject;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.stereotype.Component;import javax.annotation.PostConstruct;
import java.util.HashMap;@Component
public class BaiduAiUtils {@Value("${baidu.face.appId}")private String APP_ID;@Value("${baidu.face.apiKey}")private String API_KEY;@Value("${baidu.face.secretKey}")private String SECRET_KEY;@Value("${baidu.face.imageType}")private String IMAGE_TYPE;@Value("${baidu.face.groupId}")private String GROUP_ID;private AipFace client;private HashMap<String, Object> options = new HashMap<>();@PostConstructpublic void init() {// 初始化AipFace客户端client = new AipFace(APP_ID, API_KEY, SECRET_KEY);// 设置人脸检测参数options.put("quality_control", "NORMAL");  // 图像质量控制options.put("liveness_control", "LOW");    // 活体检测等级}// 人脸搜索（用于登录）public String faceSearch(String imageBase64) {try {JSONObject res = client.search(imageBase64, IMAGE_TYPE, GROUP_ID, options);if (res.getInt("error_code") == 0) {JSONObject result = res.getJSONObject("result");if (result.has("user_list")) {var userList = result.getJSONArray("user_list");if (userList.length() > 0) {var user = userList.getJSONObject(0);double score = user.getDouble("score");if (score > 80) {  // 相似度阈值return user.getString("user_id");}}}}} catch (Exception e) {e.printStackTrace();}return null;}// 人脸注册（用于首次绑定）public boolean faceRegister(String userId, String imageBase64) {try {JSONObject res = client.addUser(imageBase64, IMAGE_TYPE, GROUP_ID, userId, options);return res.getInt("error_code") == 0;} catch (Exception e) {e.printStackTrace();return false;}}
}

 1. 类定义与依赖注入

@Component
public class BaiduAiUtils {@Value("${baidu.face.appId}")private String APP_ID;@Value("${baidu.face.apiKey}")private String API_KEY;@Value("${baidu.face.secretKey}")private String SECRET_KEY;@Value("${baidu.face.imageType}")private String IMAGE_TYPE;@Value("${baidu.face.groupId}")private String GROUP_ID;private AipFace client;private HashMap<String, Object> options = new HashMap<>();
  • @Component：将此类标记为 Spring 组件，由 Spring 容器管理
  • @Value：从配置文件读取百度 AI 相关的认证信息和参数
  • AipFace client：百度人脸识别 API 的客户端
  • options：API 调用时的可选参数配置

APP_ID、API_KEY、SECRET_KEY

  • 用途：百度 AI 开放平台的认证凭证，用于身份验证和 API 调用授权。
  • 对应配置示例： 
    baidu.face.appId=你的AppID
baidu.face.apiKey=你的API Key
baidu.face.secretKey=你的Secret Key
  • 说明：这些值需要在 百度 AI 开放平台 注册并创建人脸识别应用后获取。

IMAGE_TYPE

  • 用途：指定图片的格式类型，告诉 API 如何解析传入的图像数据。
  • 可选值：
    • BASE64：图像数据为 Base64 编码字符串（常用）。
    • URL：图像数据为网络 URL 地址。
    • FACE_TOKEN：图像数据为人脸标识（face_token）。
  • 对应配置示例： 
    baidu.face.imageType=BASE64

GROUP_ID

  • 用途：指定人脸库的用户组 ID，用于在人脸搜索或注册时区分不同用户群体。
  • 说明：百度人脸识别 API 允许将用户分组管理（例如按部门、角色等），每个组有唯一的 GROUP_ID。
  • 对应配置示例： 
    baidu.face.groupId=users_group_001

2. 核心组件

AipFace client
  • 类型：百度 AI SDK 提供的人脸识别客户端类。
  • 用途：封装了与百度人脸识别 API 的通信逻辑，通过它可以调用具体的 API 接口（如人脸搜索、注册等）。
  • 初始化：在 @PostConstruct 注解的 init() 方法中完成初始化：

    java

    client = new AipFace(APP_ID, API_KEY, SECRET_KEY);
HashMap<String, Object> options
  • 用途：存储调用百度 API 时的可选参数，用于控制 API 的行为（如活体检测等级、图像质量要求等）。
  • 初始化与设置：在 init() 方法中预配置了两个常用参数：

    java

    options.put("quality_control", "NORMAL");  // 图像质量控制（NORMAL表示中等质量）
options.put("liveness_control", "LOW");    // 活体检测等级（LOW表示低等级检测）
  • 常见可选参数：
    • quality_control：图像质量控制，可选值为 NONE（不控制）、LOW（低）、NORMAL（中）、HIGH（高）。
    • liveness_control：活体检测等级，可选值为 NONE、LOW、MEDIUM、HIGH。
    • max_user_num：人脸搜索时返回的最大用户数。

2. 初始化方法

@PostConstruct
public void init() {// 初始化AipFace客户端client = new AipFace(APP_ID, API_KEY, SECRET_KEY);// 设置人脸检测参数options.put("quality_control", "NORMAL");  // 图像质量控制options.put("liveness_control", "LOW");    // 活体检测等级
}
  • @PostConstruct：在 Bean 初始化完成后执行此方法
  • 初始化百度人脸识别客户端
  • 设置两个关键参数：
    • quality_control：控制图像质量，防止模糊或光照不佳的图片
    • liveness_control：活体检测等级，防止照片 / 视频欺骗

3. 人脸搜索方法（用于登录）

public String faceSearch(String imageBase64) {try {JSONObject res = client.search(imageBase64, IMAGE_TYPE, GROUP_ID, options);if (res.getInt("error_code") == 0) {JSONObject result = res.getJSONObject("result");if (result.has("user_list")) {var userList = result.getJSONArray("user_list");if (userList.length() > 0) {var user = userList.getJSONObject(0);double score = user.getDouble("score");if (score > 80) {  // 相似度阈值return user.getString("user_id");}}}}} catch (Exception e) {e.printStackTrace();}return null;
}
  • 功能：在指定用户组中搜索最相似的人脸
  • 流程：
    1. 调用百度 API 进行人脸搜索
    2. 检查返回结果是否成功（error_code=0）
    3. 获取相似度最高的用户信息
    4. 验证相似度得分是否超过阈值（80 分）
    5. 返回匹配的用户 ID 或 null

1. 方法签名与参数

public String faceSearch(String imageBase64)

功能：在指定用户组（GROUP_ID）中搜索与输入人脸最相似的用户。

参数：imageBase64：待搜索的人脸图像的 Base64 编码字符串。

2. API 调用与结果处理

JSONObject res = client.search(imageBase64, IMAGE_TYPE, GROUP_ID, options);

关键参数：

  • imageBase64：人脸图像数据。
  • IMAGE_TYPE：图像类型（如BASE64）。
  • GROUP_ID：用户组 ID，指定在哪个用户组中搜索。
  • options：可选参数（如活体检测、质量控制）。

  • 返回值：百度 API 返回的 JSON 结果，包含错误码和匹配结果。

3. 结果解析流程

if (res.getInt("error_code") == 0) { ... }

错误码检查：

  • error_code == 0 表示 API 调用成功。
  • 其他错误码（如 110、111）表示认证失败或参数错误。
JSONObject result = res.getJSONObject("result");
if (result.has("user_list")) { ... }

结果结构：

  • result：API 返回的结果数据。
  • user_list：匹配到的用户列表（按相似度降序排列）。
var userList = result.getJSONArray("user_list");
if (userList.length() > 0) { ... }
  • 用户列表检查：
    • 若列表为空，说明未找到匹配人脸。
var user = userList.getJSONObject(0);
double score = user.getDouble("score");
if (score > 80) { ... }
  • 相似度评分：
    • score：人脸相似度得分（范围 0-100）。
    • score > 80：自定义阈值，仅当相似度高于 80 分时才认为匹配成功。

4. 异常处理

catch (Exception e) {e.printStackTrace();
}
return null;
  • 异常捕获：
    • 捕获网络异常、JSON 解析异常等，并打印堆栈信息。
    • 发生异常时返回null，表示搜索失败。

百度 API 返回结果示例

API 成功调用时返回的 JSON 结构示例：

{"error_code": 0,"error_msg": "SUCCESS","log_id": 4255671843335,"timestamp": 1695352327,"cached": 0,"result": {"face_token": "6c6a5f5d7a5e5f4b5d3e2c1a0b9c8d","user_list": [{"group_id": "users_group_001","user_id": "user123","user_info": "","score": 92.5  // 相似度得分}]}
}

4. 人脸注册方法（用于首次绑定）

public boolean faceRegister(String userId, String imageBase64) {try {JSONObject res = client.addUser(imageBase64, IMAGE_TYPE, GROUP_ID, userId, options);return res.getInt("error_code") == 0;} catch (Exception e) {e.printStackTrace();return false;}
}
  • 功能：将用户人脸图像注册到指定用户组
  • 流程：
    1. 调用百度 API 添加用户人脸
    2. 检查返回结果是否成功
    3. 返回操作结果（成功 / 失败）

4. 创建用户服务与控制器

package com.example.demo.service;import com.example.demo.entity.SysUser;
import com.example.demo.utils.BaiduAiUtils;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;@Service
public class FaceLoginService {@Autowiredprivate BaiduAiUtils baiduAiUtils;@Autowiredprivate UserService userService;  // 假设已有用户服务// 人脸登录验证public SysUser loginByFace(String imageBase64) {// 1. 调用百度AI人脸搜索String userId = baiduAiUtils.faceSearch(imageBase64);if (userId != null) {// 2. 查询用户信息return userService.getUserById(Long.valueOf(userId));}return null;}// 人脸注册public boolean registerFace(Long userId, String imageBase64) {return baiduAiUtils.faceRegister(userId.toString(), imageBase64);}
}
package com.example.demo.controller;import com.example.demo.entity.SysUser;
import com.example.demo.service.FaceLoginService;
import com.example.demo.utils.JwtUtils;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.*;import java.util.HashMap;
import java.util.Map;@RestController
@RequestMapping("/api/face")
public class FaceLoginController {@Autowiredprivate FaceLoginService faceLoginService;@PostMapping("/login")public Map<String, Object> faceLogin(@RequestBody Map<String, String> params) {String imageBase64 = params.get("image");SysUser user = faceLoginService.loginByFace(imageBase64);Map<String, Object> result = new HashMap<>();if (user != null) {// 生成JWT TokenString token = JwtUtils.generateToken(user.getId());result.put("code", 200);result.put("message", "登录成功");result.put("token", token);result.put("user", user);} else {result.put("code", 401);result.put("message", "人脸识别失败");}return result;}@PostMapping("/register")public Map<String, Object> faceRegister(@RequestBody Map<String, String> params) {Long userId = Long.valueOf(params.get("userId"));String imageBase64 = params.get("image");boolean success = faceLoginService.registerFace(userId, imageBase64);return success ? Map.of("code", 200, "message", "人脸注册成功") :Map.of("code", 500, "message", "人脸注册失败");}
}

http://www.xdnf.cn/news/8498.html

相关文章：

  • 开源工具自建AI大模型底座：打造你的专属智能助理
  • GPU训练和call方法
  • 2025电工杯数学建模竞赛A题 问题2 建立基于历史功率的光伏电站日前发电功率预测模型（线性回归，随机森林，SVR模型，集成模型）- 完整代码与结果
  • Linux 进程控制总结
  • 香港维尔利健康科技集团全面推进AI医疗落地，构建智慧健康管理新模式
  • Claude 4 发布：编码 AI 新纪元的开启
  • 人工智能100问☞第30问：什么是损失函数？
  • Express 框架
  • YOLOv12 目标检测算法深度解析
  • 热点│衰老过程中的表观遗传调控
  • 机器学习数学基础
  • linux ptrace 图文详解（九） gdb如何判断被tracee唤醒的原因
  • 一文详解生成式 AI：李宏毅《生成式 AI 导论》学习笔记
  • Spring Boot项目配置核心 - pom.xml的依赖管理与构建优化
  • 第六章：事件风暴 · 用户的意志
  • VKontakte（VK）注册教程
  • 什么是图神经网络？它用来解决什么问题？它有什么优势？
  • ROS合集（六）SVIn2 点云地图与 3D Tiles 可视化【预览版】
  • [原理理解] 基于diffusion的超分任务时候遇到的CLIPTokenizer和CLIPTextModel
  • facebook开源Triton编写GPU内核的编程模型速读：KernelLLM
  • Python 中的多线程与多进程：真假并行的直观对比
  • synchronized 实现原理
  • 20250523-关于Unity中的GUID简介（未完待续）
  • Ntfs!FindFirstIndexEntry函数中ReadIndexBuffer函数的作用是新建一个Ntfs!_INDEX_LOOKUP_STACK结构
  • Kotlin-数组，集合类以及序列
  • 解决MybatisPlus使用Druid1.2.11连接池查询PG数据库报Merge sql error的一种办法
  • 豆瓣的 PyPI 源关闭后替代方案
  • 怎样判断服务器网络质量的状态？
  • 【博客系统】博客系统第四弹：令牌技术
  • 亚马逊跨境战：解码退货率管控的底层逻辑与战术拆解