先来看看识别效果。人脸识别的思路就是视频中的人脸识别。说白了就是图片的识别，因为视频的每一帧都是一张图片，我们只需要对每一帧图片的人脸进行识别，就可以实现视频的人脸识别。大致思路是：截取视频中的图片，然后发送给服务器进行识别，并将识别结果（坐标和宽高）回传给前端，由前端进行标注。现在开始第一步：我们需要从视频中抓取图片，那么现在有三个问题，1.如何从视频中抓取图片；2、截图的频率是多少？3、如何将图片传到服务器？回答第一个问题：使用Canvas的toDataURL方法。该方法可以将视频画面实时转换为Base64图像编码，高效便捷。回答第二个问题：当画面的帧率高于每秒10-12帧左右时，人眼会认为是连贯的。那么我们先取一个低值，每隔100毫秒截屏一次，回答第三个问题：你用Ajax吗？当然，但不完全正确。对于这种前后端频繁传输数据的情况，使用Websocket是最好的选择。前后端我们选择socket.io来实现第二步：Node端识别图片。在图像识别领域，opencv是标准方案，但是opencv是用C++写的，也有Java和Python接口，但是没有JS接口，难道就没有办法了吗？当然不是，一些大神已经导出了Node版本，叫做node-opencv，node-opencv并没有重写opencv，而是在Node层调用C++层的cv，最后在C++中运行。安装opencv和node-opencv可以比作之前的文章——Mac下安装node-opencv，这个东西比较难安装，折腾了好久才安装使用node-opencv识别图片中的人脸，核心代码如下：//importopencvconstcv=require('opencv')//fileName是我们前端Base64传递给后端生成真实图片的地址//cv.FACE_CASCADE参数是训练集，因为人脸只是cv的一个应用领域，还可以识别汽车、动物、植物、建筑等物体，你通过什么训练集，他就识别什么cv.readImage(fileName,function(err,im){im.detectObject(cv.FACE_CASCADE,{},function(err,faces){//为什么是复数？因为一张图片中可能有多个人脸，每个人脸有四个值:x/y/width/height,这四个console.log(faces)的基本值})})确定了坐标和宽高后，就可以通过websocket把这些信息传递给前端，前端显示具体的技术细节。请移步Github：人脸识别源码
