前言#
人脸检测与识别现在已经很成熟了，C# 上有 ViewFaceCore 这个很方便的库，但这种涉及到 native 调用的库，一般会有一些坑，本文记录一下开发和部署的过程。
本文的项目是AIHub，关于本项目的开发过程，可以参考之前的文章：项目完成小结：使用Blazor和gRPC开发大模型客户端
而且经过最近一个月的工作，我把这个项目重构了一遍，界面换成了 Ant Design ，增加了很多功能，更多的我会在后续的博客文章中分享。
先看效果#
多目标检测，我一下就想到了以前读书时很火的「少女时代」
ViewFaceCore简介#
这是一个基于 SeetaFace6 的 .NET 人脸识别解决方案
SeetaFace6是中科视拓最新开源的商业正式版本。突破了之前社区版和企业版版本不同步发布的情况，这次开源的v6版本正式与商用版本同步。
主要做了对 SeetaFace6 的 .Net 封装。
支持以下功能：
- 年龄预测
- 眼睛状态检测
- 性别预测
- 人脸检测
- 口罩检测 / 戴口罩关键定定位，5个关键点
- 人脸关键定定位 （5点 / 68点）
- 人脸识别 （5点 / 68点）
- 活体检测
- 姿态检测
- 质量检测
在 C# 中使用非常简单，不过因为是调用了C++的库，所以部署的时候会有点小坑，本文记录了这些小坑和解决方案。
添加依赖#
先添加以下依赖
<PackageReference Include=\"ViewFaceCore\" Version=\"0.3.8\" /> <PackageReference Include=\"ViewFaceCore.all_models\" Version=\"6.0.7\" /> <PackageReference Include=\"ViewFaceCore.Extension.ImageSharp\" Version=\"0.3.7\" /> <PackageReference Include=\"ViewFaceCore.runtime.ubuntu.20.04.x64\" Version=\"6.0.7\" /> <PackageReference Include=\"ViewFaceCore.runtime.win.x64\" Version=\"6.0.7\" />
以ViewFaceCore.runtime.开头的运行时，需要根据开发和部署的环境来安装，我这里安装了 Windows 版和 Linux 版本。
注意 Linux 版本还依赖libgomp1这个库，如果使用的时候报错，需要先安装。
人脸检测#
很简单，先创建个FaceDetector对象。
因为这个模型是调用了非托管资源，所以要记得使用using或者手动调用Dispose方法释放资源。
using FaceDetector _faceDetector = new();
然后传入图片对象就可以进行检测了，如果检测到人脸，会返回人脸框的四个坐标。
支持三种图片库：
- SkiaSharp
- ImageSharp
- System.Drawing
第三个是微软官方的，据说要 Obsolete 了，所以我一般用 ImageSharp ，纯 C# 实现，跨平台也好用。
需要安装ViewFaceCore.Extension.ImageSharp依赖以支持 ImageSharp 图片。
简单例子#
先来一个最简单的例子，检测人脸，并把人脸框出来。
public async Task<byte[]> DrawFaceFrame(byte[] imageBuffer, string format = \"jpg\") {
using var inputStream = new MemoryStream(imageBuffer);
using var image = await Image.LoadAsync(inputStream);
var faceInfos = await _faceDetector.DetectAsync(image);
foreach (var face in faceInfos) {
image.Mutate(x => {
x.Draw(
Color.HotPink, 2.5f,
new RectangleF(face.Location.X, face.Location.Y, face.Location.Width, face.Location.Height)
);
});
}
using var outputStream = new MemoryStream();
await image.SaveAsync(outputStream, image.DetectEncoder($\"demo.{format}\"));
return outputStream.ToArray();
}
以上代码实现了传入 byte[] 类型的图片流，然后输出画了人脸框的图片，同样是byte[]类型。
非常滴简单，不过 ImageSharp 的文档太少了，还是得探索一下才知道咋画方框。
完整用法#
以前文「先看效果」为例，先定义一下数据结构
public class FaceItem {
public FaceInfo FaceInfo { get; set; }
public FaceMarkPoint[] FaceMarkPoints { get; set; }
public float[]? FaceFeatures { get; set; }
public byte[]? ImageBuffer { get; set; }
}
public class FaceDetectResult {
public List<FaceItem> FaceItems { get; set; }
public byte[] ImageBuffer { get; set; }
}
需要使用 ViewFaceCore 里的三个对象
// 人脸检测 private readonly FaceDetector _faceDetector = new(); // 人脸标记点位 private readonly FaceLandmarker _faceMark = new(); // 人脸识别 private readonly FaceRecognizer _faceRecognizer = new();
关键代码
PS：代码写得很粗糙，性能一般般，只是凑合能用
/// <summary>
/// 人脸检测
/// </summary>
/// <param name=\"extractFeatures\">是否提取人脸特征</param>
/// <param name=\"cropEveryFace\">是否裁剪每个人脸小图</param>
/// <returns></returns>
public async Task<FaceDetectResult> Detect(
byte[] imageBuffer, string format = \"jpg\",
bool extractFeatures = false, bool cropEveryFace = false
) {
var font = GetFont(\"segoeui.ttf\");
using var inputStream = new MemoryStream(imageBuffer);
using var image = await Image.LoadAsync<Rgba32>(inputStream);
using var resultImage = image.Clone();
var result = new FaceDetectResult { FaceItems = new List<FaceItem>() };
var faceInfos = await _faceDetector.DetectAsync(image);
foreach (var face in faceInfos) {
var faceItem = new FaceItem {
FaceInfo = face,
FaceMarkPoints = await _faceMark.MarkAsync(image, face)
};
// 提取人脸特征
if (extractFeatures) {
faceItem.FaceFeatures = await _faceRecognizer.ExtractAsync(image, faceItem.FaceMarkPoints);
}
// 裁剪人脸小图
if (cropEveryFace) {
using var faceImage = image.Clone();
var cropRect = GetCropRect(face, 5);
try {
faceImage.Mutate(x => x.Crop(cropRect));
}
catch (ArgumentException ex) {
faceImage.Mutate(x => x.Crop(GetCropRect(face, 0)));
}
using (var faceImageStream = new MemoryStream()) {
await faceImage.SaveAsync(faceImageStream, faceImage.DetectEncoder($\"demo.{format}\"));
faceItem.ImageBuffer = faceImageStream.ToArray();
}
}
result.FaceItems.Add(faceItem);
// 画人脸框
resultImage.Mutate(x => {
x.Draw(
Color.HotPink, 2.5f,
new RectangleF(face.Location.X, face.Location.Y, face.Location.Width, face.Location.Height)
);
x.DrawText(
$\"face:{face.Score}\", font, Color.HotPink,
new PointF(face.Location.X, face.Location.Y - 20)
);
});
}
using var outputStream = new MemoryStream();
await resultImage.SaveAsync(outputStream, resultImage.DetectEncoder($\"demo.{format}\"));
result.ImageBuffer = outputStream.ToArray();
return result;
}
字体和生成矩形的代码
ImageSharp 的文档非常缺乏，每一步都需要经过大量的搜索……
private Font GetFont(string fontFileName) {
var path = !string.IsNullOrWhiteSpace(_pathPrefix) ? Path.Combine(_pathPrefix, fontFileName) : fontFileName;
FontCollection collection = new();
FontFamily family = collection.Add(path);
return family.CreateFont(20, FontStyle.Bold);
}
private static Rectangle GetCropRect(FaceInfo faceInfo, int cropOffset) {
return new Rectangle(faceInfo.Location.X - cropOffset, faceInfo.Location.Y - cropOffset,
faceInfo.Location.Width + cropOffset * 2, faceInfo.Location.Height + cropOffset * 2);
}
人脸识别#
人脸识别的思路：
- 检测到人脸
- 确定人脸关键点位置 （5点/68点）
- 根据关键点提取特征
- 在向量数据库中搜索该特征对应的人
最后一步使用了向量数据库，其实不用也行，人脸特征提取出来是float[]类型，理论上保存在任何地方都行，然后识别的时候把人脸特征拿出来与保存的特征库做遍历对比。
FaceRecognizer对象提供了Compare功能，可以计算两个人脸特征的相似度。
这个特征其实是个向量，所以理论上是可以自己用其他算法来计算相似度，比如
- 基于距离的欧氏距离、曼哈顿距离、
- 夹角余弦
- 皮尔逊相关系数
在上面人脸检测的「完整用法」中，已经把检测人脸、关键点位置、特征提取这部分搞定了。
接下来需要做的
- 人脸信息录入，需要传统关系型数据库搭配向量数据库，或者是 PostgreSql 这类支持向量存储的数据库也行
- 人脸信息比对，使用向量数据库的向量搜索功能，或者自行实现向量搜索算法
因为篇幅限制，本文就不展开人脸识别这一块内容了，接下来有时间单独写一篇文章。
部署#
接下来是填坑。
使用 docker 部署应用
本项目使用 .Net Core 7.0 所以对应使用mcr.microsoft.com/dotnet/aspnet:7.0基础镜像
这个镜像是基于 Debian11 系统制作
默认没有libgomp1这个库，需要自行添加
apt 软件源#
首先准备sources.list文件，用于修改 apt 仓库为国内源
# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释 deb https://mirrors.tuna.tsinghua.edu.cn/debian/ bullseye main contrib non-free # deb-src https://mirrors.tuna.tsinghua.edu.cn/debian/ bullseye main contrib non-free deb https://mirrors.tuna.tsinghua.edu.cn/debian/ bullseye-updates main contrib non-free # deb-src https://mirrors.tuna.tsinghua.edu.cn/debian/ bullseye-updates main contrib non-free deb https://mirrors.tuna.tsinghua.edu.cn/debian/ bullseye-backports main contrib non-free # deb-src https://mirrors.tuna.tsinghua.edu.cn/debian/ bullseye-backports main contrib non-free # deb https://mirrors.tuna.tsinghua.edu.cn/debian-security bullseye-security main contrib non-free # # deb-src https://mirrors.tuna.tsinghua.edu.cn/debian-security bullseye-security main contrib non-free deb https://security.debian.org/debian-security bullseye-security main contrib non-free # deb-src https://security.debian.org/debian-security bullseye-security main contrib non-free
dockerfile#
在base构建阶段，安装libgomp1这个库
FROM mcr.microsoft.com/dotnet/aspnet:7.0 AS base COPY ./sources.list /etc/apt/sources.list RUN apt update && apt install libgomp1 WORKDIR /app EXPOSE 80 EXPOSE 443 FROM base AS final WORKDIR /app COPY . . ENTRYPOINT [\"./AIHub.Blazor\"]
docker-compose.yml#
version: \'3.6\'
services:
web:
image: ${DOCKER_REGISTRY-}web
container_name: aihub
restart: always
environment:
- ASPNETCORE_ENVIRONMENT=Production
- ASPNETCORE_URLS=http://+:80
build:
context: .
volumes:
- .:/app
networks:
- default
- swag
networks:
swag:
name: swag
external: true
default:
name: aihub
启动！#
一切准备就绪。
C#，启动！
docker compose up --build -d
参考资料#
- https://github.com/ViewFaceCore/ViewFaceCore/
- https://mirrors.tuna.tsinghua.edu.cn/help/debian/
- https://stackoverflow.com/questions/70183074/oserror-libgomp-so-1-not-found-when-importing-gluoncv-through-azure-app-service
- https://docs.sixlabors.com/api/ImageSharp.Drawing/SixLabors.ImageSharp.Drawing.Processing.DrawRectangleExtensions.html
作者：DealiAxy
出处：https://www.cnblogs.com/deali/p/17716884.html
