Spring Boot中基于Google Cloud Vision API的人脸认证对比问题求助

你当前使用的是Google Cloud Vision API的**标签检测（Label Detection）**功能，获取的是面部部位的描述标签（比如Forehead、Glasses），这类数据属于图像语义标注，无法用于精准的人脸身份对比——不同人脸可能拥有相同的标签属性，但并非同一个人。

人脸认证的核心是获取人脸的特征向量（Face Descriptor），这是一串唯一标识人脸的浮点数组，通过计算两个特征向量的相似度来判定是否为同一人。你需要改用Vision API的**人脸检测（Face Detection）**功能，获取可用于对比的特征数据。

步骤1：修改API调用，获取人脸特征向量 #

在Spring Boot项目中，调用Vision API的人脸检测接口，提取FaceAnnotation中的faceDescriptor（特征向量）：

1.1 添加Maven依赖 #

<dependency>
    <groupId>com.google.cloud</groupId>
    <artifactId>google-cloud-vision</artifactId>
    <version>2.32.0</version>
</dependency>

1.2 编写人脸检测服务类 #

import com.google.cloud.vision.v1.*;
import com.google.protobuf.ByteString;
import java.io.FileInputStream;
import java.io.IOException;
import java.util.List;

public class FaceDetectionService {
    public List<FaceAnnotation> detectFaces(String imagePath) throws IOException {
        try (ImageAnnotatorClient client = ImageAnnotatorClient.create()) {
            ByteString imgBytes = ByteString.readFrom(new FileInputStream(imagePath));
            Image image = Image.newBuilder().setContent(imgBytes).build();
            Feature feature = Feature.newBuilder().setType(Feature.Type.FACE_DETECTION).build();
            AnnotateImageRequest request = AnnotateImageRequest.newBuilder()
                    .addFeatures(feature)
                    .setImage(image)
                    .build();
            BatchAnnotateImagesResponse response = client.batchAnnotateImages(List.of(request));
            return response.getResponses(0).getFaceAnnotationsList();
        }
    }
}

1.3 提取并存储特征向量 #

import java.util.Arrays;

// 检测人脸并提取特征向量
FaceDetectionService detectionService = new FaceDetectionService();
List<FaceAnnotation> faces = detectionService.detectFaces("path/to/user-face.jpg");

// 假设图片中只有一张人脸，取第一个结果
if (!faces.isEmpty()) {
    FaceAnnotation face = faces.get(0);
    // 将特征向量转换为浮点数组
    float[] faceDescriptor = face.getFaceDescriptorList()
            .stream()
            .mapToFloat(Float::floatValue)
            .toArray();
    
    // 将特征向量存入数据库：可以转为逗号分隔的字符串，或用数据库数组类型（如PostgreSQL的float[]）
    String descriptorStr = String.join(",", Arrays.stream(faceDescriptor)
            .mapToObj(String::valueOf)
            .toArray(String[]::new));
    // 执行数据库存储操作...
}

步骤2：人脸对比实现 #

对需要认证的新图片，同样提取特征向量，然后计算两个向量的余弦相似度，通过阈值判断是否为同一人：

2.1 余弦相似度计算方法 #

public double calculateCosineSimilarity(float[] vec1, float[] vec2) {
    double dotProduct = 0.0;
    double norm1 = 0.0;
    double norm2 = 0.0;
    
    for (int i = 0; i < vec1.length; i++) {
        dotProduct += vec1[i] * vec2[i];
        norm1 += Math.pow(vec1[i], 2);
        norm2 += Math.pow(vec2[i], 2);
    }
    
    // 避免除零异常
    if (norm1 == 0 || norm2 == 0) {
        return 0.0;
    }
    return dotProduct / (Math.sqrt(norm1) * Math.sqrt(norm2));
}

2.2 认证逻辑 #

// 从数据库读取存储的特征向量并转为float数组
String storedDescriptorStr = ...; // 数据库读取结果
float[] storedDescriptor = Arrays.stream(storedDescriptorStr.split(","))
        .mapToFloat(Float::parseFloat)
        .toArray();

// 提取新上传图片的特征向量
float[] newDescriptor = ...; // 同步骤1.3的提取逻辑

// 计算相似度
double similarity = calculateCosineSimilarity(storedDescriptor, newDescriptor);

// 设定阈值（建议0.85-0.9，可根据测试调整）
if (similarity >= 0.85) {
    // 人脸认证通过
} else {
    // 人脸认证失败
}

注意事项 #

• 确保上传图片中仅包含单张人脸，若存在多张人脸，需添加逻辑筛选目标人脸（如取面积最大的人脸）
• 相似度阈值需根据实际场景测试调整，平衡误判率与通过率
• 数据库存储时优先使用数组类型字段（如PostgreSQL的float[]），比字符串存储更高效
• 确认GCP账号已启用Cloud Vision API，且JSON密钥文件权限配置正确

内容的提问来源于stack exchange，提问作者Himanshu Saxena