随着机器学习的兴起，越来越多的应用逐步步入机器学习与传统应用的结合，来提高系统的智能化，优化用户体验。本篇内容使用H5的audio，结合websocket,facenet来达到通过人脸识别实时验证登陆用户。基本数据流程为
h5(面部图像抓取)–>websocket(面部图片信息)–>图片数据转具体图片–>kafka通知—–>图片面部信息提取—->人脸图片分类/人脸识别/人脸分类训练——>登陆验证
为了完成对应的需求，首先系统可以分解为三部分。
一、基于h5人脸采集和基于websocket的消息订阅，消息推送服务
二、用户验证系统
三、基于facenet的机器学习人脸分类/识别系统。
以上内容我们使用三部分系统来实现
1,基于springcloud做h5的面部信息抓取，websocket消息订阅推送服务
2,基于facenet的python应用用于人脸抓取，分类，训练，识别
3,统一用户登录系统
总体效果如图
（一）人脸信息展示前端
（二）人脸图像数据提取-前端js使用timer每500毫秒抓取人脸数据，暂时抓取120张图片
（三）进行人脸图片识别分类-facenet进行分类建立
（四）绑定人脸数据-facenet进行分类训练
（五）实时人脸识别-js前端timer每1-2秒抓取图片信息送到facenet，进行图片人脸识别并返回最佳结果
接下去我们会一步步进入代码实现阶段（未完待续）
来源URL：https://blog.csdn.net/weixin_36440541/article/details/80375520