上个月因为出差的关系，断更了很久，为了补偿大家长久的等待，送上一个新的系列，之前几个系列也会抽空继续更新。
大概半年多前吧，因为工作需要，我开始研究图像识别技术。OpenCV在这方面已经有了很多技术积累，在html5领域也很早就有了这方面的Demo。但是一番学习下来，我发现基本上这方面的文章大都比较零散片面，而且很多关键的代码可能已经老化不能正常使用了。所以这个系列的文章中，我将对html5与EmguCV的整体开发过程做一个整理，逐步介绍怎么使用html5技术和EmguCV类库实现各种看上去高大上的识别技术。
本文，我会以人脸识别为例，引入html+EmguCV的基本架构(如下图)。
前端没有问题，在浏览器中用html5技术调用摄像头，使用video和canvas标签配合各种dom进行渲染。值得一提的是，因为这里有大量的图像数据交互传递，所以需要建立websocket来与后端服务器进行交互。
后端的话，其实我开始使用的是PHP技术，但是发现openCV的安装略纠结，于是乎转投微软阵营。这里我使用了framework4.5+EmguCV，微软在frameworks4.5中已经集成了websocket的服务端套字，我们可以很方便地使用它，差不多就和之前版本中写Ajax的处理文件一样方便。关于EmguCV,其实就是OpenCV在c#中的再封装，可以访问OpenCV相关网站获取更多信息。
接下来，我们快速地浏览下关键代码。
html部分：
<div>
<div id='frame' style="position:relative;">
<video style='position:absolute;top:0px;left:0px;z-index:2;' id="live" width="320" height="240" autoplay ></video>
<canvas style='position:absolute;top:242px;left:0px; z-index:170;' width="320" id="canvasFace" height="240" ></canvas>
<canvas style='position:absolute;top:242px;left:0px; z-index:11;' width="320" id="canvas" height="240" ></canvas>
</div>
</div>
这里主要起作用的DOM是1个video标签和2个Canvas标签。Video标签主要用来获取摄像头的数据流，两个Canvas标签分别用来绘制Video中的内容和计算出来的头像的位置。
Javascript部分：
$(function(){
var video = $('#live').get()[0],
canvas = $('#canvas'),
ctx=canvas.get()[0].getContext('2d'),
canvasFace =$('#canvasFace'),
ctx2= canvasFace.get()[0].getContext('2d'),
canSend=true;
ctx2.strokeStyle="#EEEE00";
ctx2.fillStyle='rgba(0,0,0,0.0)';
ctx2.lineWidth=3;
navigator.webkitGetUserMedia({ "video": true },function(stream){
video.src = webkitURL.createObjectURL(stream);
startWS();
},function(err){
console.log('err');
});
//x,y,w,h
var _draw =function(pArr){
var _obj = $.fromJson(pArr);
ctx2.clearRect(0,0,320,240);
if($.isArray(_obj)){
for(var i=0,l=_obj.length;i<l;i++ ){
ctx2.strokeRect(_obj[i].X,_obj[i].Y,_obj[i].W,_obj[i].H);
}
}
};
var startWS=function(){
var ws = new WebSocket("ws://10.168.1.1/Cloud/WSHandler.ashx");
ws.onopen = function(){
console.log('Opened WS!');
};
ws.onmessage=function(msg){
_draw(msg.data);
canSend = true;
};
ws.onclose=function(msg){
console.log('socket close!');
};
var timer = setInterval(function(){
ctx.drawImage(video,0,0,320,240);
if(ws.readyState == WebSocket.OPEN && canSend){
canSend = false;
var data =canvas.get()[0].toDataURL('image/jpeg',1.0),
newblob = dataURItoBlob(data);
ws.send(newblob);
}
},60);
};
});
这段JS代码中，大家需要注意替换ws文件的地址。至于Canvas绘图，websocket，Camera调用等细节，在后续文章中会有详解。
可以看到websocket在向服务器提交数据时候，需要对DataURL的数据进行封装，下面就附上这个函数（与早期版本不同）。
dataURItoBlob函数：
function dataURItoBlob(dataURI) {
var byteString = atob(dataURI.split(',')[1]),
mimeString = dataURI.split(',')[0].split(':')[1].split(';')[0],
ab = new ArrayBuffer(byteString.length),
ia = new Uint8Array(ab);
for (var i = 0; i < byteString.length; i++) {
ia[i] = byteString.charCodeAt(i);
}
return new Blob([ab],{type: mimeString});
}
前端的代码大致就这样了，后端Coding前，先大致说下怎么部署EmguCV。假设我们把解压好的EmguCV文件夹拷贝到了C盘，那么环境变量Path为C:\Emgu\emgucv-windows-universal-cuda 2.9.0.1922\bin;在新建项目的时候，还需要把用到的DLL等文件拷贝到项目的输出目录。
后端代码：
using System;
using System.Collections.Generic;
using System.Linq;
using System.Net.WebSockets;
using System.Text;
using System.Threading;
using System.Threading.Tasks;
using System.Web;
using System.Web.WebSockets;
using Emgu.CV;
using Emgu.CV.Structure;
using Emgu.Util;
using Emgu.CV.CvEnum;
using Emgu.CV.GPU;
using System.IO;
using System.Drawing;
using System.Drawing.Imaging; namespace Cloud
{
public class WSHandler : IHttpHandler
{
private static HaarCascade haar;
private static string hasLocation;
private static string phy;
private int _maxBufferSize = * ; public void ProcessRequest(HttpContext context)
{
if (context.IsWebSocketRequest)
{
phy = context.Request.PhysicalApplicationPath;
hasLocation = context.Request.PhysicalApplicationPath + "haarcascade_frontalface_alt2.xml";
context.AcceptWebSocketRequest(ProcessWSChat);
}
} private async Task ProcessWSChat(AspNetWebSocketContext context)
{
try
{
WebSocket socket = context.WebSocket;
haar = new HaarCascade(hasLocation); byte[] receiveBuffer = new byte[_maxBufferSize];
ArraySegment<byte> buffer = new ArraySegment<byte>(receiveBuffer); while (socket.State == WebSocketState.Open)
{
WebSocketReceiveResult result = await socket.ReceiveAsync(buffer, CancellationToken.None); //.ConfigureAwait(continueOnCapturedContext: false); if (result.MessageType == WebSocketMessageType.Close)
{
await socket.CloseAsync(
result.CloseStatus.GetValueOrDefault(),
result.CloseStatusDescription,
CancellationToken.None);
break;
} int offset = result.Count; while (result.EndOfMessage == false)
{
result = await socket.ReceiveAsync(new ArraySegment<byte>(receiveBuffer, offset, _maxBufferSize - offset), CancellationToken.None);
offset += result.Count;
} if (result.MessageType == WebSocketMessageType.Binary && offset!=)
{ ArraySegment<byte> newbuff = new ArraySegment<byte>(Encoding.UTF8.GetBytes(FaceDetection(receiveBuffer, offset)));
await socket.SendAsync(newbuff, WebSocketMessageType.Text, true, CancellationToken.None); } }
}
catch (Exception e) {
var err = e.Message;
}
} private static string FaceDetection(byte[] data,int plength)
{
StringBuilder sb = new StringBuilder();
sb.Append("["); Image<Bgr, byte> nextFrame = new Image<Bgr, byte>(ByteToBitmap(data, plength)); if (nextFrame != null)
{
Image<Gray, Byte> grayframe = nextFrame.Convert<Gray, Byte>();
var faces = grayframe.DetectHaarCascade(
haar, 1.4, ,
HAAR_DETECTION_TYPE.DO_CANNY_PRUNING,
new Size(nextFrame.Width / , nextFrame.Height / )
)[]; foreach (var face in faces)
{
sb.AppendFormat("{{X:{0},Y:{1},W:{2},H:{3}}},",face.rect.X, face.rect.Y,face.rect.Width,face.rect.Height);
} if (sb[sb.Length - ] == ',') {
sb.Remove(sb.Length-,);
}
} sb.Append("]"); return sb.ToString();
} private int _ii = ; private static byte[] BitmapToByte(Bitmap b)
{
MemoryStream ms = new MemoryStream();
//b.Save(ms, System.Drawing.Imaging.ImageFormat.Bmp);
byte[] bytes = ms.GetBuffer();
ms.Close();
return bytes;
}
private static Bitmap ByteToBitmap(byte[] datas,int pLength)
{
MemoryStream ms1 = new MemoryStream(datas, , pLength);
Bitmap bm = (Bitmap)Bitmap.FromStream(ms1); //
bm.Save(phy + "test", ImageFormat.Bmp); ms1.Close();
return bm;
} public bool IsReusable
{
get
{
return false;
}
}
}
}
这里有几点需要注意：
1）因为我们websocket传输的是图片，数据流较大，一般需要轮训多次接收。
2）如果你用的图片较大，还需要修改接收图片的数组的尺寸。
3）你需要一个xml文件用来人脸识别，EmguCV已经内置，也可以自己去网上找。
人脸识别Demo的关键代码基本就都在这里了，关于各个技术的实现细节，我会在之后的同系列文章中一一阐述。
转发请注明出处 http://www.cnblogs.com/Arthus/p/3804037.html