手把手 Golang 实现静态图像与视频流人脸识别

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。

brew install dlib

复制代码

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。

sudo go mod init

复制代码

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。

sudo go run main.go

复制代码

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。

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

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

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

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。

go build main.go./main

复制代码

结果如下

图片人脸数量:  61周杰伦5林俊杰4陶喆

复制代码

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

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

平台无关性

广泛应用于操作系统，编程语言及各领域

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。

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

打开展示窗口

// open display window	window := gocv.NewWindow(“Face Detect”)	defer window.Close()

复制代码

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

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®			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®			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。