微信应用开发：golang微信公众平台之人脸识别-职坐标

微信应用开发：golang微信公众平台之人脸识别

安安 2017-11-13 来源：网络阅读 2086 评论 0

摘要：本篇文章为大家介绍微信应用开发中的淘宝微信如何进入微信推广，看完这篇文章会让你对微信开发的知识点有更加清晰的理解和运用。

本篇文章为大家介绍微信应用开发中的淘宝微信如何进入微信推广，看完这篇文章会让你对微信开发的知识点有更加清晰的理解和运用。

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>

</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>

</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//cn.faceplusplus.com/注册，获取API_SECRET、API_KEY。

而后推荐看文档，//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！"

}

以上，关于微信开发的全部内容讲解完毕啦，欢迎大家继续关注!更多关于微信开发的干货请关注职坐标微信开发频道!

小程序实例个人微信支付接口开发微信小程序实战教程

本文由 @安安发布于职坐标。未经许可，禁止转载。