用多维表格和n8n，做了个没啥用的人脸识别应用 | 详细教程解读

最近写了不少多维表格和自动化工作流的教程和文章，今天突发奇想到能不能用多维表格做一个人脸识别的小功能。起因是朋友聊到说，他们公司搞活动拍了几百张照片，然后她需要在里面找出来某领导的照片，只能一个一个找。

我心想自己又何尝不是，平时看电影想知道里面的演员是谁，也不知道如何做。

比如这样，你知道她是谁吗？

其实办法有很多，但作为经常搞多维表格和自动化工作流的人来说，就不免想用这些工具来试试看。虽然麻烦，但也算有点乐趣。

所以今天就介绍下，如何用多维表格+n8n工作流+百度人脸识别，做一个自己的人脸识别小应用。

比如我们上面的照片上传到多维表格里，就可以自动识别到她是谁。

实现流程

如果我们要用手头上的工具来实现的话，首先要考虑整个的实现流程

大概的逻辑是：在多维表格上传照片 —定时触发工作流 — 获取照片链接 — 调用百度人脸识别API — 获取识别结果 — 将结果同步到多维表格

接下来我们详细说说配置方法。

配置方法

（一）准备工作

工具：n8n+多维表格+百度云人脸识别（都是免费或基础版够用）

n8n和多维表格就不说了

这里说下百度云人脸识别的准备工作

我们需要注册人脸识别的服务

①访问百度AI开放平台https://ai.baidu.com/并注册

②进入控制台，创建应用，选择”人脸识别”服务

③记录 API Key 和 Secret Key

④最后我们就需要创建人脸库了

它这个结构是人脸库 – 用户组 – 用户 ，然后在用户底下去上传照片。

比如我建了001和002两个用户，分别在里面去上传他们各自的照片。

这个很重要，因为我们去识别人脸，首先一定要有一个库，你上传的照片，是去这个库里进行对比，找出最匹配的人返回给你。

所以我们要把这个库维护好。

比如这样：

我们还可以再多找找，丰富丰富人脸库，比如这样。

准备工作做完后，我们说下接下来的配置方法和步骤。

（一） 新建多维表格

我们希望把照片上传到多维表格里，然后把识别结果也展示在多维表格中。

所以我们要先创建一个表格。

表格不用太复杂，配置一个附件字段，然后给一个识别分数和对应的用户id字段即可。

比如这样，先简单一点。

第一行就是我识别出来的结果，照片就是我上传到多维表格的照片，userid是识别到百度人脸库里匹配的用户组的id，score就是匹配的分数。

用大白话说就是，我上传的这个照片，应该就是001这个人，相似度有79.28%。

（二）创建n8n流程

这一步，主要是对我们在多维表格上传的图片，通过百度人脸识别API去进行识别，最后把识别结果返回到多维表格里。

这里我想了一下，最好的方式其实是我把照片上传到表格，然后点一个按钮或什么动作，自动触发工作流来获取。

但是在这里我没有找到这种触发的办法，所以就试着用n8n定时跑流程来运行吧。

大概的逻辑就是：定时触发工作流 — 找到多维表格中识别结果为空的行 — 循环这些空行 — 获取照片字段信息，得到照片链接 — 下载照片 — 将照片转为base64格式 — 调用百度1:N搜索API — 获取识别结果 — 将结果同步到多维表格 –结束

1、获取多维表格记录

首先我们要获取到多维表格的记录，使用查询记录的接口。

在查询前，先获取飞书token

获取token的方式之前讲过不少次，这次就不细说了。

接着我们调用查询记录接口（官方接口文档：https://open.feishu.cn/document/docs/bitable-v1/app-table-record/search）

这里的几个配置字段说明下：

①Method：post

②URL：https://open.feishu.cn/open-apis/bitable/v1/apps/:app_token/tables/:table_id/records/search 注意把:app_token和:table_id换成表格的token和id值

③header

  • Authorization：Bearer {{ $json.tenant_access_token }} 也就是我们上个节点获取的token值。
  • Content-Type:application/json; charset=utf-8

④body：选择json格式


{
  "view_id": "vewnTTowMW",
  "field_names": [
    "识别结果" , 
    "照片"
  ],
  "sort": [
    {
      "field_name": "识别结果",
      "desc": true
    }
  ],
  "filter": {
    "conjunction": "and",
    "conditions": [
      {
        "field_name": "识别结果",
        "operator": "isEmpty",
                 "value": [
          
        ]
      }
    ]
  },
  "automatic_fields": false
}

简单来说这个意思就是获取到表格vewnTTowMW这个视图下识别结果为空的记录里的识别结果和照片两个字段的值。

通过这个节点，我们就获取到了表格里的url字段值。

（就是它了）

2、循环

因为可能有多个行，所以我们加一个循环节点，每个行依次去识别照片

3、获取字段

这个步骤的目的，是为了把图片链接和record_id这两个字段提取出来给后面用

4、下载图片

这个步骤，就是根据图片链接，用http节点，把图片下载下来。

这个下载不是下载到电脑里，你可以理解为是下到你的服务器里。

URL就是我们上个节点的url字段。

header里注意把飞书的token值加上

最后的Response这里说明下，要选择file的格式

5、图片转为base64格式

我们给到人脸识别的图片，一定是要转成base64的格式才行。

所以，这个步骤，我们用一个code节点，用个简单的脚本进行转化

// 简化版 - 直接从binary读取并转换
const imageBinary = items[0].binary.imageFile;

// 转换为base64
const base64Image = imageBinary.data;

// 如果已经是data URL格式，去掉前缀
let finalBase64 = base64Image;
if (base64Image.startsWith('data:')) {
  finalBase64 = base64Image.split(',')[1];
}

return [{
  json: {
    ...items[0].json,
    base64Image: finalBase64,
    imageInfo: {
      fileName: imageBinary.fileName,
      mimeType: imageBinary.mimeType,
      fileSize: imageBinary.fileSize
    }
  }
}];

6、调用百度人脸识别API

好了，终于到关键的步骤了。

我们要去进行人脸识别了。

这一步也需要两个节点：获取token和调用识别接口（类似之前飞书多维表格的对接）

（1）获取token

①Method：post

②URL：https://aip.baidubce.com/oauth/2.0/token

③Query Parameters

  • grant_type：client_credentials
  • client_id：申请的应用的id值
  • client_secret：申请的应用的secret值

④header

Content-Type：application/x-www-form-urlencoded

（2）调用人脸1：N搜索接口（https://cloud.baidu.com/doc/FACE/s/Gk37c1uzc）

①Method：post

②URL：https://aip.baidubce.com/rest/2.0/face/v3/search

③Query Parameters

  • access_token：上个节点获取到的token值

④Header

Content-Type：application/json

⑤body

josn格式

{
  "image": "{{ $node['图片转Base64'].json['base64Image'] }}",
  "image_type": "BASE64",
  "group_id_list": "1",
  "quality_control": "NORMAL",
  "liveness_control": "NORMAL",
  "max_user_num": 5,
  "max_face_num": 10
}

运行，红框里就是输出的结果

人脸识别接口用我们上传的照片，在人脸库里进行查找，同时输出了和库里照片的匹配值。值越大就说明越相似。

7、获取结果并同步到多维表格

好了，我们需要把结果中，score最大的值拿到并同步到多维表格里

首先我们先把值提取出来

这里用一个code节点

主要就是把id值和score拿到

const apiResult = items[0].json;

// 检查API是否成功
if (apiResult.error_code !== 0) {
  throw new Error(`百度API错误: ${apiResult.error_msg}`);
}

// 获取用户列表
const userList = apiResult.result.user_list;

if (!userList || userList.length === 0) {
  // 没有匹配结果
  return [{
    json: {
      topUserId: "未识别",
      topScore: 0,
      topSimilarity: "0%",
      hasMatch: false,
      matchCount: 0
    }
  }];
}

// 找到score最高的用户
const topUser = userList.reduce((max, user) => 
  user.score > max.score ? user : max
);

return [{
  json: {
    topUserId: topUser.user_id,
    topScore: topUser.score,
    topSimilarity: `${topUser.score.toFixed(2)}%`,
    groupId: topUser.group_id,
    hasMatch: true,
    matchCount: userList.length,
    faceToken: apiResult.result.face_token
  }
}];

接着我们就调用多维表格的更新记录接口（https://open.feishu.cn/document/server-docs/docs/bitable-v1/app-table-record/update），把userid和score同步回多维表格

运行后，你就会获取到图片的匹配值和对应的id值了。

一开始我们说了，在人脸库建了001和002两个用户，虽然都对应着人，但是只看id也不知道是谁

我上传个照片，识别完，说这是001，那和没识别也没啥区别。

所以我们就在多维表格再建一个信息表，把id值和真实姓名维护上。

然后在表单查找引用字段自动匹配就好。

我们还可以在表里加上AI字段， 当匹配到人脸时，除了展示人名，还可以把这个人的基础信息都用AI进行总结。

但是…好吧，似乎豆包帮你18禁了，并不能输出你需要的内容。

好了，讲到这，你就可以完成全流程的跑通了。

虽然最后做完，我发现看起来好像没什么卵用，很多搜索引擎其实可以通过人脸直接搜他的相关资料。

不过，如果是需要维护自己公司或者内部团队的人脸库呢？

所以，其实这个需求还可以再拓展一下。

举个简单的例子，比如我们在公司经常会拍一些活动照片，有时候照片非常多，但你还需要在里面找到有XXX姓名的照片，这就非常费时费力了。

这种场景下，我们就可以考虑用简单的自动化来提效。

比如我们只需把照片拖进云盘，然后自动触发人脸识别动作流，最后在多维表格生成带人脸标签的照片库。你只需要搜XXX姓名，就能看到所有包含他的照片。

这么看来 ，多维表格+自动化工作流+AI，其实大大降低了我们实现需求的成本，也提高了实现的效率。

Related Posts

评论区已关闭。

滚动至顶部