asp.net core使用tensorflowjs實現(xiàn)face recognition的方法

這篇文章主要介紹“asp.net core使用tensorflowjs實現(xiàn)face recognition的方法”，在日常操作中，相信很多人在asp.net core使用tensorflowjs實現(xiàn)face recognition的方法問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”asp.net core使用tensorflowjs實現(xiàn)face recognition的方法”的疑惑有所幫助！接下來，請跟著小編一起來學(xué)習(xí)吧！

功能描述

1. 上傳照片文件名及是系統(tǒng)要識別標(biāo)簽或是照片的名稱(人物標(biāo)識)

2. 提取照片臉部特征值(調(diào)用 facemesh模型)

3. 保存特征值添加樣本(調(diào)用 knnClassifier)

4. 測試上傳的圖片是否識別正確

項目依賴的庫

源代碼（neozhu/smartadmin.core.urf: Domain Driven Design (DDD) ultra-lightweight rapid development architecture(support .net 5.0) (github.com)）

tensorflowjs,在該項目中我使用了ml5js這個封裝過的機器學(xué)習(xí)JavaScript類庫, 使用起來更簡單

Demo

http://106.52.105.140:6200/photos/index

demo/123456

代碼實現(xiàn)

上傳照片功能

asp.net core 參考CleanArchitecture 結(jié)構(gòu)實現(xiàn)后臺代碼,

參考代碼如下（具體請看源代碼）:

namespace SmartAdmin.Application.Photos.Commands
{
  public partial class AddPhotoCommand : IRequest<Result<int>>
  {
    public Stream Stream { get; set; }
    public string FileName { get; set; }
    public decimal Size { get; set; }
    public string Path { get; set; }
 
  }
  internal class AddPhotoCommandHandler : IRequestHandler<AddPhotoCommand, Result<int>>
  {
    private readonly IUnitOfWork unitOfWork;
    private readonly IPhotoService photoService;
 
    public AddPhotoCommandHandler(IUnitOfWork unitOfWork,
      IPhotoService photoService)
    {
      this.unitOfWork = unitOfWork;
      this.photoService = photoService;
    }
    public async Task<Result<int>> Handle(AddPhotoCommand request, CancellationToken cancellationToken)
    {
      var info = new DirectoryInfo(request.Path);
      if (!info.Exists)
      {
        info.Create();
      }
      using (FileStream outputFileStream = new FileStream(Path.Combine(request.Path,request.FileName), FileMode.Create))
      {
        request.Stream.CopyTo(outputFileStream);
        outputFileStream.Close();
      }
      var photo = new Photo()
      {
        Name = Path.GetFileNameWithoutExtension(request.FileName),
        Size = request.Size,
        Path = $"/photos/{request.FileName}",
      };
      this.photoService.Insert(photo);
      await this.unitOfWork.SaveChangesAsync();
      return await Result<int>.SuccessAsync(0, "保存成功");
    }
 
  }
}

facemesh模型提取照片中臉部特特信息

掃描圖片獲取圖片中臉部的特征信息以一個多維數(shù)組的形式保存到數(shù)據(jù)庫中,這些特征值將用與下一步的KNN分類識別使用

完成每一張照片中臉部信息的數(shù)字轉(zhuǎn)化

參考代碼如下：

function predict() {
     const img = document.getElementById('photo-canvas');
     facemesh.predict(img).then(faces => {
       console.log(faces)
       if (faces) {
         const canvas = document.getElementById("photo-canvas");
         const photoId=canvas.getAttribute("photo-id");
         const photoName=canvas.getAttribute("photo-name");
         console.log(canvas)
         var draw = canvas.getContext("2d");
         var mesh = faces[0].scaledMesh;
         console.log(mesh);
         /* highlight facial landmark points on canvas board */
         draw.fillStyle = "#00FF00";
         for (i = 0; i < mesh.length; i++) {
           var [x, y, z] = mesh[i];
           draw.fillRect(Math.round(x), Math.round(y), 2, 2);
         }
         updateLandmarks(photoId,JSON.stringify(mesh));
         knnClassifier.addExample(mesh, photoName);
         canvas.setAttribute("photo-mesh", JSON.stringify(mesh));
         $('#testbutton').attr('disabled', false);
       }
     });
   }
 
  function updateLandmarks(id,landmarks){
    $.post('/Photos/Update',{Id:id,Landmarks:landmarks}).done(res=>{
     console.log(res);
     reload();
    }).fail(res=>{
     $.messager.alert('更新失敗', res, 'error');
    })
   }　

添加分類識別樣本數(shù)據(jù)

facemesh模型只負(fù)責(zé)把照片中面部特征轉(zhuǎn)換成一個數(shù)組，如果需要對每一張照片的數(shù)據(jù)再進(jìn)行分類就需要用到KNN模型,添加的樣本數(shù)據(jù)越多,識別的就越正確。

參考代碼：

let knnClassifier =ml5.KNNClassifier();
    function training(){
       $.messager.progress({msg:'training....'});
       $.get('/Photos/GetAll').done(res=>{
        for(let i=0;i<50;i++){
        res.map(item=>{
        if(item.Landmarks){
        knnClassifier.addExample(JSON.parse(item.Landmarks), item.Name);
        }
        });
        }
        $.messager.progress('close')
           if(knnClassifier.getNumLabels()>0){
           knnClassifier.classify(JSON.parse(res[2].Landmarks),(err,result)=>{
             console.log(result);
         })
       $('#testbutton').attr('disabled', false);
       }
       })
    }

測試照片識別結(jié)果

上傳一張照片匹配維護(hù)的照片庫中照片名稱是否正確

參考代碼：

function testPredict(){
      const img = document.getElementById('testphoto_img');
      facemesh.predict(img).then(faces => {
        console.log(faces)
        if (faces) {
          knnClassifier.classify(faces[0].scaledMesh,(err,result)=>{
          console.log(result);
          $.messager.alert('Result:',result.label);
          $('#testresult').text(result.label);
         })
        }
      });
    }

到此，關(guān)于“asp.net core使用tensorflowjs實現(xiàn)face recognition的方法”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識，請繼續(xù)關(guān)注億速云網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>