利用摄像头每一秒截图一次图像。然后计算2次图像之间的相似度。

如果相似度低于98%就会报警。

var video = document.getElementsByClassName('inputvideo')[0];
video.innerHTML = "<video class='input_video' id='camera' autoplay width='640px' height='380px'></video>";const videoElement = document.getElementById('camera');// 获取用户媒体设备（摄像头）
navigator.mediaDevices.getUserMedia({ video: true }).then(function (stream) {videoElement.srcObject = stream;}).catch(function (error) {console.error('获取摄像头失败:', error);});var canvas = document.getElementsByClassName('outputcanvas')[0];
canvas.innerHTML = "<canvas class='output_canvas' width='640px' height='480px'></canvas>";var canvasElement = document.getElementsByClassName('output_canvas')[0];
var canvasCtx = canvasElement.getContext('2d');// 设置 canvas 尺寸与视频流尺寸一致
canvasElement.width = 64;
canvasElement.height = 64;
var last = 0function captureFrame() {// 捕获图像并绘制到画布canvasCtx.drawImage(videoElement, 0, 0, canvasElement.width, canvasElement.height);// 获取绘制后的图像数据const imageData = canvasCtx.getImageData(0, 0, canvasElement.width, canvasElement.height);// 压缩图像并将其绘制到目标画布上const compressedImageDataPromise = compressImgFromImageData(imageData);// 处理压缩后的图像数据compressedImageDataPromise.then(function (compressedData) {// 在这里可以使用 compressedData 进行进一步的操作，例如上传或显示在页面上// 清空画布canvasCtx.clearRect(0, 0, canvasElement.width, canvasElement.height);// 转换为灰度图像const grayscaleImageData = createGrayscale(compressedData);// 获取哈希指纹const hashFingerprint = getHashFingerprint(grayscaleImageData);// 判断 last 是否等于 hashFingerprintif (last !== 0) {if (last === hashFingerprint) {console.log('你没动');} else {// console.log('你动了' + last);// 计算汉明距离const distance = hammingDistance(last, hashFingerprint);// 计算相似度百分比const similarityPercentage = (1 - distance / (hashFingerprint.length * 2)) * 100;// console.log('汉明距离:', distance);const baifenbi=similarityPercentage.toFixed(2);console.log('相似度百分比:', baifenbi + '%');if (baifenbi<98){_funcCb (true, {param1: true})}_funcCb (true, {param2: baifenbi})}}last = hashFingerprint// console.log('哈希指纹:', hashFingerprint);// 在画布上绘制灰度图像canvasCtx.putImageData(grayscaleImageData, 0, 0);});
}// 每隔一段时间捕获一帧
setInterval(captureFrame, 1000); // 1 帧每秒// 定义压缩图像的函数
function compressImgFromImageData(imageData) {const canvas = document.createElement('canvas');const ctx = canvas.getContext('2d');const imgWidth = 64; // 设置压缩后的宽度canvas.width = imgWidth;canvas.height = imgWidth;// 将图像数据绘制到临时 canvas 上ctx.putImageData(imageData, 0, 0);// 获取压缩后的图像数据return new Promise((resolve, reject) => {const imgData = ctx.getImageData(0, 0, imgWidth, imgWidth);resolve(imgData);});
}// createGrayscale 函数已经在之前的代码中定义
// 根据 RGBA 数组生成 ImageData
function createImgData(dataDetail) {const canvas = document.createElement('canvas');const ctx = canvas.getContext('2d');const imgWidth = Math.sqrt(dataDetail.length / 4);const newImageData = ctx.createImageData(imgWidth, imgWidth);for (let i = 0; i < dataDetail.length; i += 4) {let R = dataDetail[i];let G = dataDetail[i + 1];let B = dataDetail[i + 2];let Alpha = dataDetail[i + 3];newImageData.data[i] = R;newImageData.data[i + 1] = G;newImageData.data[i + 2] = B;newImageData.data[i + 3] = Alpha;}return newImageData;
}// 创建灰度图像
function createGrayscale(imgData) {const newData = Array(imgData.data.length).fill(0);imgData.data.forEach((_data, index) => {if ((index + 1) % 4 === 0) {const R = imgData.data[index - 3];const G = imgData.data[index - 2];const B = imgData.data[index - 1];const gray = ~~((R + G + B) / 3);newData[index - 3] = gray;newData[index - 2] = gray;newData[index - 1] = gray;newData[index] = 255; // Alpha 值固定为255}});return createImgData(newData);
}// 获取图像的哈希指纹
function getHashFingerprint(imgData) {const grayList = imgData.data.reduce((pre, cur, index) => {if ((index + 1) % 4 === 0) {pre.push(imgData.data[index - 1]);}return pre;}, []);const length = grayList.length;const grayAverage = grayList.reduce((pre, next) => pre + next, 0) / length;return grayList.map(gray => (gray >= grayAverage ? 1 : 0)).join('');
}// 计算汉明距离
function hammingDistance(hash1, hash2) {if (hash1.length !== hash2.length) {throw new Error('Hashes must have the same length');}let distance = 0;for (let i = 0; i < hash1.length; i++) {if (hash1[i] !== hash2[i]) {distance++;}}return distance;
}

原理是看了有一篇文章

利用 JS 实现多种图片相似度算法

首先降低图片分辨率

然后使用指纹提取

在“平均哈希算法”中，若灰度图的某个像素的灰度值大于平均值，则视为1，否则为0。把这部分信息组合起来就是图片的指纹。由于我们已经拿到了灰度图的 ImageData 对象，要提取指纹也就变得很容易了：

最后用汉明距离计算相似度

摘一段维基百科关于“汉明距离”的描述：

在信息论中，两个等长字符串之间的汉明距离（英语：Hamming distance）是两个字符串对应位置的不同字符的个数。换句话说，它就是将一个字符串变换成另外一个字符串所需要替换的字符个数。

例如：

• 1011101与1001001之间的汉明距离是2。
• 2143896与2233796之间的汉明距离是3。
• "toned"与"roses"之间的汉明距离是3。

体验地址

不许动