2.2 人脸五官分析的环境配置

v2 版中使用微信平台市场上优图的方案，具体代码在 taro/src/utils/image-analyze-face.js 内。

本文知识点

腾讯云人脸五官分析的调用方法
腾讯云人工智能服务介绍

腾讯云上除了有基本的域名、云服务器、云数据库以外，还有非常多的人工智能服务，这些服务都是有免费额度的，比如我所使用的人脸识别每个月就有10000次调用额度，还支持按量付费。关键是，这些功能都可以用 tencentcloud-sdk-nodejs 来直接调用。

在 tencentcloud-sdk-nodejs 中给出了详细的使用方法，而我这里把我的配置思路来讲解一下，把其中的一些细节优化点给写出来。

人脸五官分析的配置及调用

环境配置步骤大致为

申请安全凭证，即 SecretID 和 SecretKey，链接
将安全凭证放在config.js文件中
在主要功能里面调用安全凭证，并按照 tencentcloud-sdk-nodejs 给出的示例代码来编写功能

配置安全密钥

将关键性配置抽离出来，在 .gitignore 将该文件忽略

// cloud/functions/analyze-face/config.js
module.exports = {
  SecretId: '',
  SecretKey: ''
}

封装云函数：人脸五官分析

将人脸五官分析的主要源码给简单分析一下

对请求图片进行五官定位（也称人脸关键点定位），计算构成人脸轮廓的 90 个点，包括眉毛（左右各 8 点）、眼睛（左右各 8 点）、鼻子（13 点）、嘴巴（22 点）、脸型轮廓（21 点）、眼珠[或瞳孔]（2点）。

// cloud/functions/analyze-face/index.js

const tencentcloud = require('tencentcloud-sdk-nodejs')
const config = require('./config')
const status = require('./status')

// 腾讯云的 SecretId 和 SecretKey
let secretId = config.SecretId || ''
let secretKey = config.SecretKey || ''


const IaIClient = tencentcloud.iai.v20180301.Client;
const models = tencentcloud.iai.v20180301.Models;

const Credential = tencentcloud.common.Credential;
const ClientProfile = tencentcloud.common.ClientProfile;
const HttpProfile = tencentcloud.common.HttpProfile;

let httpProfile = new HttpProfile();
// 设置endpoint，对应的是具体产品所在的接口位置
httpProfile.endpoint = "iai.tencentcloudapi.com";
let clientProfile = new ClientProfile();

/*
推荐使用 V3 鉴权。当内容超过 1M 时，必须使用 V3 签名鉴权。https://cloud.tencent.com/document/product/1093/39964
*/
clientProfile.signMethod = "TC3-HMAC-SHA256";
clientProfile.httpProfile = httpProfile;

// 实例化一个认证对象，入参需要传入腾讯云账户secretId，secretKey
let cred = new Credential(secretId, secretKey);

// 实例化要请求产品(以cvm为例)的client对象
let client = new IaIClient(cred, "ap-shanghai", clientProfile);


const analyzeFace = (Image) => {
  let faceReq = new models.DetectFaceRequest()

  let query_string = JSON.stringify({
    Image
  })
  // 传入json参数
  faceReq.from_json_string(query_string);

  return new Promise((resolve, reject) => {
    // 通过client对象调用想要访问的接口，需要传入请求对象以及响应回调函数
    client.AnalyzeFace(faceReq, function (error, response) {
      // 请求异常返回，打印异常信息
      if (error) {
        const { code = '' } = error
        console.log('code :', code);

        resolve({
          data: {},
          time: new Date(),
          status: -10086,
          // 在 status 中将错误码中做一个中英文对应，以方便调用者查看
          message: 'AnalyzeFace '+ status.FACE_CODE[code] + Image || code || '图片解析失败'
        })
        return
      }
      console.log('AnalyzeFace response :', response)
      // 请求正常返回，打印response对象
      resolve({
        data: response,
        time: new Date(),
        status: 0,
        message: ''
      })
    })
  });
}

module.exports = {
  analyzeFace
}

在云函数主入口调用

云函数主入口，调用analyzeFace功能

// cloud/functions/analyze-face/index.js
const reqFace = require('./req-iai-face').analyzeFace


exports.main = async (event) => {
  const { fileID = '', base64Main = '' } = event

  return analyzeFace(base64Main)
}

其实，在小程序审核时，图片上传或分析时，都是要求鉴别黄暴类的，所以，我这里还尝试使用了微信小程序开放能力的的imgSecCheck来完整这个目标，但发现所支持的图片体积大约为100Kb（官方标注500Kb），后来又换用了腾讯云所提供的类似功能。

腾讯云人工智能的特色功能

五官识别

体验网址：https://ai.qq.com/product/face.shtml#shape

其实，启发我做这个小程序的是这两个文章，《「圣诞特辑」纯前端实现人脸识别自动佩戴圣诞帽》和《我要戴口罩 – 为微信、微博等社交网络头像戴口罩》。

因为新冠病毒疫情蔓延，而戴口罩就是一个必备的预防措施啦。那怎样才能创新呢，我在使用“我要戴口罩”小程序过程中发现，口罩的位置是手动移动的，我就想如何自动戴过去呢，正好先前看到的“自动识别戴圣诞帽”，那我来一个戴口罩就好了。

在“自动佩戴圣诞帽”中，使用的方案是纯前端的 face-api，想放到小程序中就会有如下几个小问题：

face-api 的识别模型有 5M 大小还多，即使纯前端加载，也显得比较大。而小程序的 canvas 与 web 网页中的还是有差异的，没法直接用 face-api。
face-api 放在 nodejs 上加载，还需要配合tensorflow和canvas模拟。实际实现后发现，图片识别过程还是比较慢的（图片上传后、获取图片内容、识别五官位置、返回五官数据），容易让接口请求发生超时的情况。

在使用腾讯云的过程中，我就发现，腾讯云的人工智能大类目下居然有人脸识别功能，细致推究发现里面有“五官分析”，其返回的数据跟face-api返回的数据格式还是非常像的，“人脸识别”的每月免费额度 10000 次，当时就让我开心了一大把。

当然，使用过程中非常大的坑就是，我的实现过程是需要上传 1M 以上大小的图片，而“五官分析”签名方法需要TC3-HMAC-SHA256，官方提供 npm 版本tencentcloud-sdk-nodejs是不支持这个签名方法的，需要从官方 GitHub库的signature3分支上下载对应的代码。

人脸识别

体验网址：https://ai.qq.com/product/face.shtml#detect

检测给定图片中的人脸（Face）的位置、相应的面部属性和人脸质量信息，位置包括 (x，y，w，h)，面部属性包括性别（gender）、年龄（age）、表情（expression）、魅力（beauty）、眼镜（glass）、发型（hair）、口罩（mask）和姿态 (pitch，roll，yaw)，人脸质量信息包括整体质量分（score）、模糊分（sharpness）、光照分（brightness）和五官遮挡分（completeness）。

简单来说就是识别出人脸主要位置，以及给出相应的测评分数。

Hi头像