BFSS

 一、项目概述 应“广大”粉丝的强烈要求，今天我们使用虹软人脸识别（Linux Pro版）来实现微信小程序（以下简称小程序）中的人脸登录功能。 虹软(ArcSoft)是计算机视觉行业领先的算法服务提供商及解决方案供应商。公司业务遍布全球，在杭州、上海、南京、深圳、台北、硅谷、东京、都柏林等地设有商业与研发基地。其最新发布的Linux Pro引擎除支持人脸检测、人脸跟踪、人脸对比、人脸质量检测等基础功能外，还支持高并发百万人脸库的高效识别，并提供了两个全新的高精度模型，最重要的是支持离线私有化部署~ 前排提示，阅读本篇文章需要有一点点的小程序开发知识或前端开发知识。 在之前的文章中，我们实现了一个在Spring Boot中集成虹软人脸识别的项目，在本篇文章中，我们将继续使用这个项目作为后端服务（前后端分离的好处就是一个后端可以适配多个前端）。当然，为了适配微信小程序，这里也对代码进行了少许修改和BUG修复，在下文中我会一一指出改动之处，如果你已经看过我的上一篇文章，那么阅读本篇文章将会非常轻松，如果你还没有阅读过，可以先粗略阅读一下来了解后端的整体思路，上一篇文章地址如下： 在Spring Boot项目中集成虹软Linux Pro SDK实现人脸1：N对比服务（极简版，快速上手） 下面开始本篇文章的正式内容。 在当下，人脸登录已经是一个普通到不能再普通的功能，在一些安全校验严格的情况下，必须要保证是本人在登录，要实现这一点，一般会在密码或验证码登录后再进行一次人脸识别来确保。在我们日常使用微信小程序的过程中，也会经常遇到即使输入了正确的账号密码，也要进行人脸识别的情况，这并非是多此一举，而是为我们的数据安全提供了更强的保护。 人脸登录的高层级思路并不复杂，在使用人脸登录前，我们首先要使用其他方式进行人脸注册，比如用户注册时采集人脸，或者后台批量录入人脸等，并根据注册照提取人脸特征，之后将人脸特征和其他信息进行持久化保存（比如存入数据库）；当用户进行登录时，我们再获取到采集照，同样进行人脸检测和特征提取，最后将采集照的特征数据和注册照的特征数据进行对比搜索，来判断正在登录的人是否是之前已经录入过信息的人。 这里借用上一篇文章的流程图： 以上流程中的人脸检测和人脸特征提取部分均在服务端完成，本文中的小程序仅实现了流程中获取采集照的部分，而注册的部分依然复用上一篇文...