好吧，其實整個都是建立在face++的基礎上的，沒有任何技術含量，我只是個勤勞的搬運工。
所能實現的就是簡單的，你發送一個圖片過來，如果里面是一個人，則告訴你分析出來的年齡、性別；如果是兩個人，就告訴你，這兩個人眉毛、眼睛、鼻子、嘴巴及整體的相似度。
微信公眾平台，怎么說呢，還是傳統的一問一答的形式，你發個信息過來，我收到了處理下，再給你回饋一條信息，就是這么簡單。
簡單的你來我往
先說信息互傳的問題，微信公眾平台是post過來一個xml，服務器端打包一個xml發回去。
從最簡單的，直接把用戶信息返回去搞起吧。
文本消息
<xml> <ToUserName><![CDATA[toUser]]></ToUserName> <FromUserName><![CDATA[fromUser]]></FromUserName> <CreateTime>1348831860</CreateTime> <MsgType><![CDATA[text]]></MsgType> <Content><![CDATA[this is a test]]></Content> <MsgId>1234567890123456</MsgId> </xml>
| 參數 | 描述 |
| ToUserName | 開發者微信號 |
| FromUserName | 發送方帳號（一個OpenID） |
| CreateTime | 消息創建時間 （整型） |
| MsgType | text |
| Content | 文本消息內容 |
| MsgId | 消息id，64位整型 |
相應的數據結構也就自然出來了：
type Request struct{ ToUserName string FromUserName string CreateTime time.Duration MsgType string Content string MsgId int }
將輸入的xml解碼：
func decodeRequest(data []byte)(req *Request,err error){ req=&Request{} err=xml.Unmarshal(data,req) return }
雖然微信服務器是用post方式傳遞的數據，不過實際還通過url傳遞過來了三個參數：signature,timestamp,nonce.
這三個參數可以驗證消息是否微信服務器發送過來的。
取post過來的數據：
func Action(w http.ResponseWriter,r *http.Request){ postedMsg,err:=ioutil.ReadAll(r.Body) if err!=nil{ log.Fatal(err) } r.Body.Close() msg,err:=decodeRequest(postedMsg) ... }
接下來就是回復信息
回復文本消息
<xml> <ToUserName><![CDATA[toUser]]></ToUserName> <FromUserName><![CDATA[fromUser]]></FromUserName> <CreateTime>12345678</CreateTime> <MsgType><![CDATA[text]]></MsgType> <Content><![CDATA[content]]></Content> <FuncFlag>0</FuncFlag> </xml>
| 參數 |
描述 |
| ToUserName | 接收方帳號（收到的OpenID） |
| FromUserName |
開發者微信號 |
| CreateTime | 消息創建時間 |
| MsgType |
text |
| Content | 回復的消息內容,長度不超過2048字節 |
| FuncFlag | 位0x0001被標志時，星標剛收到的消息 |
簡單封裝下：
type Response struct{ XMLName xml.Name `xml:"xml"` ToUserName string FromUserName string CreateTime time.Duration MsgType string Content string FuncFlag int } func encodeResponse(resp Response)(data []byte,err error){ resp.CreateTime=time.Second data,err=xml.Marshal(resp) return }
將數據發送回去的代碼：
var resp Response resp.ToUserName=msg.FromUserName resp.FromUserName=msg.ToUserName resp.MsgType="text" resp.Content=msg.Content resp.FuncFlag=0 respData,err:=encodeResponse(resp) fmt.Fprintf(w,string(respData))
人臉識別
這個怎么說，就是用戶通過微信發送照片，照片是存到微信服務器的，微信給我發一個圖片url，我再把這個url轉給face++，face++將分析結果給我發回來，我再把這些數據簡單處理下，反饋給微信用戶（當然，中間還隔了層微信服務器）。
整個過程中，我所做的就是簡單的json數據處理，什么高端的圖像處理什么的都跟我不沾邊，哈哈~
首先當然是到http://cn.faceplusplus.com/注冊，獲取API_SECRET、API_KEY。
而后推薦看文檔，http://cn.faceplusplus.com/dev/getting-started/api2info/，當然直接跟着我來一遍也行。
先來個人臉檢測吧，檢測出性別、年齡、種族。
看了示例文檔后，發現detect調用后返回的json的結構表示出來大概是這樣：
type Faceslice struct{ Face []struct{ Attribute struct{ Age struct{ Range float64 Value float64 } Gender struct{ Confidence float64 Value string } Race struct{ Confidence float64 Vaule string } } Face_id string Position struct{ Center struct{ X float64 Y float64 } Eye_left struct{ X float64 Y float64 } Eye_right struct{ X float64 Y float64 } Height float64 Mouth_left struct{ X float64 Y float64 } Mouth_right struct{ X float64 Y float64 } Nose struct{ X float64 Y float64 } Width float64 } Tag string } Img_height int Img_id string Img_width int Session_id string url string }
解析json數據：
func DecodeDetect(data []byte) Faceslice{ var f Faceslice json.Unmarshal(data,&f) return f }
接着還是來寫個get函數吧：
func get(url string)(b []byte,err error){ res,e:=http.Get(url) if e!=nil{ err=e return } data,e:=ioutil.ReadAll(res.Body) if e!=nil{ err=e return } res.Body.Close() return data,nil }
調用face++接口並返回相應的數據：
const apiurl="https://apicn.faceplusplus.com" func DetectionDetect(picurl string)detection.Faceslice{ url:=apiurl+"/v2/detection/detect?url="+picurl+"&api_secret="+apisecret+"&api_key="+apikey tmp,_:=get(url) return detection.DecodeDetect(tmp) }
剛剛上面的示例只是簡單考慮了文本信息，現在要傳遞的是圖片信息，所以做個簡單的修改：
type Request struct{ ToUserName string FromUserName string CreateTime time.Duration MsgType string Content string PicUrl string MsgId int }
Action函數里也該有所修改，判定下msg.MsgType，如果是text，則跟剛才一樣處理，如果是image，則有新的處理方法。
我一個就做了兩個簡單的處理，一個是年齡、性別、種族，還有就是如果照片里是兩個人，則給出五官及整體的相似度值。
相似度的代碼直接放下面吧：
package recognition import( "encoding/json" ) type Compare struct{ Component_similarity struct{ Eye float64 Mouth float64 Nose float64 Eyebrow float64 } Session_id string Similarity float64 } func DecodeCompare(data []byte)Compare{ var c Compare json.Unmarshal(data,&c) return c }
func RecognitionCompare(face1id,face2id string)recognition.Compare{ url:=apiurl+"/v2/recognition/compare?api_secret="+apisecret+"&api_key="+ apikey+"&face_id2="+face2id+"&face_id1="+face1id tmp,_:= get(url) return recognition.DecodeCompare(tmp) }
判定圖片里有幾個人，一個人輸出性別、年齡，兩個人輸出相似度，三個及以上，暫未判定：
if msg.MsgType=="image"{ var faceslice detection.Faceslice faceslice=facepp.DetectionDetect(msg.PicUrl) switch len(faceslice.Face){ case 0: resp.Content="請上傳有臉的人物照片！" case 1: attribute:=faceslice.Face[0].Attribute age:=attribute.Age gender:=attribute.Gender var faceGender string if gender.Value=="Male"{ faceGender="男" }else{ faceGender="女" } faceAgeValue:=fmt.Sprintf("%d",int(age.Value)) faceAgeRange:=fmt.Sprintf("%d",int(age.Range)) resp.Content="性別："+faceGender+"\n"+"年齡："+faceAgeValue+"(±"+faceAgeRange+")" case 2: face1id:=faceslice.Face[0].Face_id face2id:=faceslice.Face[1].Face_id var compare recognition.Compare compare=facepp.RecognitionCompare(face1id,face2id) resp.Content="眼睛相似度："+fmt.Sprintf("%f",compare.Component_similarity.Eye)+"\n"+"嘴巴相似度："+fmt.Sprintf("%f",compare.Component_similarity.Mouth)+"\n"+"鼻子相似度："+fmt.Sprintf("%f",compare.Component_similarity.Nos e)+"\n"+"眉毛相似度："+fmt.Sprintf("%f",compare.Component_similarity.Eyebrow)+"\n"+"整體相似度："+fmt.Sprintf("%f",compare.Similarity) default: resp.Content="照片里人物太多了，暫不分析！" } }