golang微信公众平台之人脸识别
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> <ToUserName><![CDATA[toUser]]></ToUserName> <FromUserName><![CDATA[fromUser]]></FromUserName> <CreateTime>1348831860</CreateTime> <MsgType><![CDATA[text]]></MsgType> <Content><![CDATA[this is a test]]></Content> <MsgId>1234567890123456</MsgId> </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> <ToUserName><![CDATA[toUser]]></ToUserName> <FromUserName><![CDATA[fromUser]]></FromUserName> <CreateTime>12345678</CreateTime> <MsgType><![CDATA[text]]></MsgType> <Content><![CDATA[content]]></Content> <FuncFlag>0</FuncFlag> </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http://cn.faceplusplus.com/注册，获取API_SECRET、API_KEY。
而后推荐看文档，http://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！" } }
郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。
