一四三人脸识别颜值自动点赞关注

Posted 夏河始溢

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了一四三人脸识别颜值自动点赞关注相关的知识,希望对你有一定的参考价值。

文章目录

脚本功能

  1. 通过获取video当前播放帧图片,截图调用后台接口,再调用百度人脸识别
  2. 拿到人脸信息(年龄、颜值、性别等)
  3. 判断点赞、收藏或者下一条

获取video当前播放帧图片

参考js使用canvas实现视频截图

  1. 创建canvas
  2. 获取当前屏幕的ratio值(如果不获取,截取的图片会比较模糊)
  3. 通过使用 drawImage() 方法将视频画面画在 canvasCtx 上

drawImage() 参数介绍
drawImage(image, dx, dy)
drawImage(image, dx, dy, dw, dh)
drawImage(image, sx, sy, sw, sh, dx, dy, dw, dh)
image:必选,要截取的 image 或者 video 元素
sx:可选,被截取图片的裁剪开始位置的 x 坐标
sy:可选,被截取图片的裁剪开始位置的 y 坐标
sw:可选,被截取图片的裁剪宽度
sh:可选,被截取图片的裁剪高度
dx:必选,裁剪图片放在画布上位置的 x 坐标
dy:必选,裁剪图片放在画布上位置的 y 坐标
dw:可选,裁剪图片放在画布上的宽度(放大或缩小)
dh:可选,裁剪图片放在画布上的高度(放大或缩小)

  1. 使用 toDataURL() 将 canvas 转为图片(base64)
  2. 将base64转为blob格式
    var canvas = document.createElement('canvas');
    var canvasCtx = canvas.getContext('2d');
    var ratio = getPixelRatio(canvasCtx);
    video = document.querySelector("div[data-e2e='feed-active-video'] video");
    canvas.width = video.offsetWidth * ratio;
    canvas.height = video.offsetHeight * ratio;
    canvasCtx.fillStyle = '#222125';
    canvasCtx.fillRect(0, 0, canvas.width, canvas.height);
    var imgWidth = Math.min(canvas.width, (video.videoWidth * canvas.height) / video.videoHeight);
    var imgHeight = Math.min(canvas.height, (video.videoHeight * canvas.width) / video.videoWidth);
    canvasCtx.drawImage(
        video,
        0,
        0,
        video.videoWidth,
        video.videoHeight,
        (canvas.width - imgWidth) / 2,
        (canvas.height - imgHeight) / 2,
        imgWidth,
        imgHeight
    );
    var MIME_TYPE = 'image/png'; // 保存文件类型
    var imgURL = canvas.toDataURL(MIME_TYPE);
    const blob = convertBase64ToBlob(imgURL);
    // 获取radio
	function getPixelRatio(context) 
	    var backingStore =
	        context.backingStorePixelRatio ||
	        context.webkitBackingStorePixelRatio ||
	        context.mozBackingStorePixelRatio ||
	        context.msBackingStorePixelRatio ||
	        context.oBackingStorePixelRatio ||
	        context.backingStorePixelRatio ||
	        1;
	    return (window.devicePixelRatio || 1) / backingStore - 0.5;
	
// 将 base64 转换为二进制格式
	function convertBase64ToBlob(base64) 
	    const byteString = atob(base64.split(',')[1]);
	    const mimeType = base64.split(';')[0].split(':')[1];
	    const ab = new ArrayBuffer(byteString.length);
	    const ia = new Uint8Array(ab);
	    for (let i = 0; i < byteString.length; i++) 
	        ia[i] = byteString.charCodeAt(i);
	    
	    return new Blob([ab], type: mimeType);
	

将图片传到后台

直接使用fetch、jQuery的$ajax会存在跨域,通过后端设置cors也不能解决,搜索后发现tampermonkey提供GM_xmlhttpRequest来跨域请求

  1. 封装GM_xmlhttpRequest
//参数1:url;参数2:请求类型get或post;参数3:post的body;
function runAsync(url, send_type, data_ry) 
    var p = new Promise((resolve, reject) => 
        GM_xmlhttpRequest(
            method: send_type,
            url: url,
            headers: 
                'Content-Type': 'application/octet-stream'
            ,
            data: data_ry,
            onload: function (response) 
                resolve(JSON.parse(response.responseText));
            ,
            onerror: function (err) 
                reject(err);
            
        );
    );
    return p;

  1. 调用接口
    runAsync('http://xxxx:api', 'POST', blob)
        .then(result => 
            return result;
        )
        .then(function (result) 
            console.log('🚀 >result',result);
            //拿到res 处理逻辑
        );
  1. 后端接受blob,并转为base64格式
package service
import (
	"encoding/base64"
	"encoding/json"
	"fmt"
	"io/ioutil"
	"net/http"
	"strings"

	"github.com/gin-gonic/gin"
)

type RequestBody struct 
	Img string `json:"img"`

// FaceRecognition
// @summary 人脸识别
// @Description 人脸识别
// @param img formData string false "用户名"
// @Tags face
// @Success 200 string json"code":200,"message":"data"
// @Router /face/recognition [post]
func FaceRecognition(c *gin.Context) 
	// 解析请求体
	imageData, err := ioutil.ReadAll(c.Request.Body)
	if err != nil 
		c.AbortWithStatusJSON(http.StatusBadRequest, gin.H
			"message": "Invalid image data",
		)
		return
	
	// 解码 base64 格式图片数据(二进制转base64)
	base64Image := base64.StdEncoding.EncodeToString(imageData)
	// 本地测试可以使用GetFileContentAsBase64 方法
	// base64Image := GetFileContentAsBase64("/Users/meijuntao/Pictures/csdn封面/vscode.jpeg")
	reader := map[string]interface
		"image":      base64Image,
		"image_type": "BASE64",
		"face_field": "beauty,age,expression,gender",
	
	// 人脸识别...


/**
 * 获取文件base64编码
 * @param string  path 文件路径
 * @return string base64编码信息,不带文件头
 */
func GetFileContentAsBase64(path string) string 
	srcByte, err := ioutil.ReadFile(path)
	if err != nil 
		fmt.Println(err)
		return ""
	
	return base64.StdEncoding.EncodeToString(srcByte)


调用百度人脸识别接口

百度人脸识别文档

  1. 百度开放平台注册账号,实名认证
  2. 引用列表创建一个应用,选择你要的服务
  3. 穿件好之后就可以拿到API_KEY、SECRET_KEY
  4. 调用接口可以通过API_KEY、SECRET_KEY,调用GetAccessToken方法先获取到ACCESS_TOLEN,也可以获取到后直接保存下来,不用每次都调用
package service

import (
	"encoding/base64"
	"encoding/json"
	"fmt"
	"io/ioutil"
	"net/http"
	"strings"

	"github.com/gin-gonic/gin"
)

type RequestBody struct 
	Img string `json:"img"`


const API_KEY = "you API_KEY"
const SECRET_KEY = "you SECRET_KEY"
const ACCESS_TOLEN = "you ACCESS_TOLEN"

// FaceRecognition
// @summary 人脸识别
// @Description 人脸识别
// @param img formData string false "用户名"
// @Tags face
// @Success 200 string json"code":200,"message":"data"
// @Router /face/recognition [post]
func FaceRecognition(c *gin.Context) 
	url := "https://aip.baidubce.com/rest/2.0/face/v3/detect?access_token=" + ACCESS_TOLEN
	// 解析请求体
	imageData, err := ioutil.ReadAll(c.Request.Body)
	if err != nil 
		c.AbortWithStatusJSON(http.StatusBadRequest, gin.H
			"message": "Invalid image data",
		)
		return
	
	// 解码 base64 格式图片数据(二进制转base64)
	base64Image := base64.StdEncoding.EncodeToString(imageData)

	// imgs := GetFileContentAsBase64("/Users/meijuntao/Pictures/csdn封面/vscode.jpeg")
	reader := map[string]interface
		"image":      base64Image,
		"image_type": "BASE64",
		"face_field": "beauty,age,expression,gender",
	
	// 将 map 转换为 JSON 格式
	jsonStr, err := json.Marshal(reader)
	if err != nil 
		fmt.Println("Failed to marshal:", err)
		return
	
	payload := strings.NewReader(string(jsonStr))
	client := &http.Client
	req, err := http.NewRequest("POST", url, payload)

	if err != nil 
		fmt.Println(err)
		return
	
	req.Header.Add("Content-Type", "application/json")

	res, err := client.Do(req)
	if err != nil 
		fmt.Println(err)
		return
	
	defer res.Body.Close()

	body, err := ioutil.ReadAll(res.Body)
	if err != nil 
		fmt.Println(err)
		return
	

	var result map[string]interface
	err = json.Unmarshal(body, &result)
	if err != nil 
		return
	
	c.JSON(200, gin.H
		"msg":  "success",
		"data": result["result"],
	)


/**
 * 获取文件base64编码
 * @param string  path 文件路径
 * @return string base64编码信息,不带文件头
 */
func GetFileContentAsBase64(path string) string 
	srcByte, err := ioutil.ReadFile(path)
	if err != nil 
		fmt.Println(err)
		return ""
	
	return base64.StdEncoding.EncodeToString(srcByte)


/**
 * 使用 AK,SK 生成鉴权签名(Access Token)
 * @return string 鉴权签名信息(Access Token)
 */
func GetAccessToken() string 
	url := "https://aip.baidubce.com/oauth/2.0/token"
	postData := fmt.Sprintf("grant_type=client_credentials&client_id=%s&client_secret=%s", API_KEY, SECRET_KEY)
	resp, err := http.Post(url, "application/x-www-form-urlencoded", strings.NewReader(postData))
	if err != nil 
		fmt.Println(err)
		return ""
	
	defer resp.Body.Close()
	body, err := ioutil.ReadAll(resp.Body)
	if err != nil 
		fmt.Println(err)
		return ""
	
	accessTokenObj := map[string]string
	json.Unmarshal([]byte(body), &accessTokenObj)
	return accessTokenObj["access_token"]


拿到识别结果处理逻辑

    runAsync('http://xxxx:api', 'POST', blob)
        .then(result => 
            return result;
        )
        .then(function (result) 
            console.log('🚀 >result',result);
            //拿到res 处理逻辑
                        if (result.data) 
                const resFace = result.data['face_list'][0];
                const expression = 
                    none: '无表情',
                    smile: '微笑',
                    laugh: '大笑'
                ;
                const conNode = `<div class="m_item m_item_title">检测到 <span class="text_gradient face_num">$
                    result.data.face_num
                </span> 张人脸</div>
                    <div class="m_item">
                        <span>性别:</span>
                        <span class="text_gradient m_female">$resFace.gender.type</span>
                    </div>
                    <div class="m_item">
                        <span>年龄:</span>
                        <span class="text_gradient m_age">$resFace.age</span>
                    </div>
                    <div class="m_item">
                        <span>颜值:</span>
                        <span class="text_gradient">$resFace.beauty</span>
                    </div>
                    <div class="m_item">
                        <span>表情:</span>
                        <span class="text_gradient m_expression">$expression[resFace.expression.type]</span>
                    </div>`;
                document.querySelector('.m_wrap').style.height = '230px';
                // var conDom = document.createElement('div');
                // conDom.innerhtml = conNode;
                // document.querySelector('.m_content').appendChild(conDom);
                document.querySelector('.m_item_wrap').innerHTML = conNode;
                document.querySelector('.m_discern').innerHTML = '检测完成';
                if (parseInt(resFace.beauty) >= 50) 
                    isBeauty = true;
                    // 关注
                    var follow = document.querySelector(
                        "div[data-e2e='feed-active-video'] div[data-e2e='feed-follow-icon'] div div"
                    );
                    resFace.gender.type === 'female' && follow?.click();
                    var like = document.querySelector(
                        "div[data-e2e='feed-active-video'] div[data-e2e-state='video-player-no-digged'] div"
                    );
                    like?.click();
                 else if (checkNum <= 3) 
                    checkNum++;
                    console.log('🚀 > 第', checkNum, '次检测');
                    timeoutInit(2000);
                 else if (checkNum > 3) 
                    // 多次检测没有就跳过
                    console.log('🚀 > 多次检测颜值未达标,跳过', checkNum);
                    document.querySelector('.xgplayer-playswitch-next').click();
                
             else 
                if (checkNum <= 3) 
                    checkNum++;
                    timeoutInit(2000);
                 else 
                    // 多次检测没有就跳过
                    console.log('🚀 > 多次检测没有就跳过', checkNum);
                    document.querySelector('.xgplayer-playswitch-next').click();
                
            
        );

效果展示

视频演示

github源码

问题记录

  1. tampermonkey新增脚本不生效
  2. 请求接口跨域:使用GM_xmlhttpRequest
  3. 在本地测试video截图保存一直存在跨域,设置了video 标签中属性 crossorigin=“anonymous”,也没用,研究了好久,突然发现,我的脚本就是在目标域名下触发,压根不存在跨域,浪费了半天时间。。。
  4. canvas.drawImage获取到的图片不清晰,这是浏览器的像素比devicePixelRatio有关,可以先获取到ratio,调用drawImage是宽高乘ratio,当然ratio太高也会影响性能,导致图片太大,可根据项目适当调整
  5. 截图后生成的base64没法直接通过application/json或者application/x-www-form-urlencoded传,后端接受不到参数,猜测是太大超过限制了,改为将base64先转为blob格式,在通过application/octet-stream二进制流的形式,后端接收到后再将blob转为base64

魔点G2一台小巧高颜值的智能人脸考勤门禁机

设备优势:魔点G2集“智慧考勤,访客系统,门禁权限”与一体的新型人脸识别考勤门禁机,相对比之前方形小巧的D2来说,魔点G2在造型上有了很大的变化, 椭圆形的外观,整体看起来更小巧,更美观。
技术图片
魔点G2的识别方式采用领先的人脸识别算法技术,达到99.99%金融支付级精准识别度,平时你在戴眼镜、化妆、戴帽子、换发型等行为的改变,都可以1秒内快速识别,1米内自动开门。

魔点G2防作弊技术采用混合光谱技术搭载双目摄像头,有效实现活体识别,以人脸作为门禁的“钥匙”,防止使用照片和视频作为识别开启门禁,这样有效的保障企业或组织内部的安全性。

魔点G2同时支持在线和离线两种识别方式, 设备可以存储3000张人脸照片。

魔点G2与钉钉考勤智慧融合,员工刷脸开门的同时即可完成考勤打卡,上下班打卡更快捷方便。

魔点G2智能访客门禁,支持智能接待和放行,使访客到访自动匹配权限,智能通知被访人员,智能接待和放行,大大提升访客来访和接待效率,访客进出记录一键导出,并且魔点G2会对来访者发出“欢迎来访”的语音问候。企业的外来人员不必再经过前台或者门卫转达,直接通过魔点G2“无人前台”即可完成。

魔点G2门禁产品支持统一管理、统一分配、离职自动清权限,帮助企业实现智能化办公
技术图片
魔点G2技术参数:

外观尺寸:高164.3mm,宽89.03mm,厚13.54mm
重量:169.8G
颜色:灰色
安装方式:支持墙面,玻璃,门柱等多种安装方式

硬件配置:
处理器:4核,1.45GHz
内存:1GB
ROM:8GB
LCD:4‘‘寸,800*600,IPS,触摸屏
摄像头:200万高清像素,1/2.7寸CMOS
wifi:IEEE 802.11b/g/n,2.4GHz
蓝牙:Bluetooth4.0+LE

整机借口:
1个白光补光灯圈

1个红外补光灯圈

1个一体化音腔扬声器

1个G2连接线接口

1个系统重启设置按键(Restart)

1个系统恢复出厂设置按键(Reset)

HUB接口
1个G2连接线接口

1个MIR-USB

1个8pin端子

1个RJ45网口

软件参数
操作系统 Android 6.0

人脸容量 3000张

离线记录 10000条

识别距离 1米内

活体识别 支持

手机录人脸 支持手机端录入人脸

配件
电源适配器 × 1

电源线 × 1

挂墙件 × 1

G2连接线 × 1

Hub × 1

8Pin接线端子 × 1

螺钉 × 5

膨胀管?60 × 30 × 2

三包卡 × 1

使用说明书 × 1

3M胶 × 1

工作环境
工作温度 -10~40℃

整机功耗 <24W

以上是关于一四三人脸识别颜值自动点赞关注的主要内容,如果未能解决你的问题,请参考以下文章

魔点G2一台小巧高颜值的智能人脸考勤门禁机

抖音刷累了,灵机一动,用Python做了个颜值自动识别机器,瞬间觉得关注列表不够用了

机器学习在自动驾驶中的应用

Python自动给抖音小姐姐视频点赞

Python自动给抖音小姐姐视频点赞

Python丨调用百度的人脸识别api给你的颜值打个分