golang微信公众平台之人脸识别

maxc1017

　　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
　　

　　

　　
1348831860
　　

　　

　　
1234567890123456
　　

　　

　　


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
textContent
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
　　

　　

　　
12345678
　　

　　

　　
0
　　

　　

　　

　　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

textContent
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>
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)>
var f>
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=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>　　
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！"
　　
}
　　
}