我用 UniApp + 腾讯云 IAI 做了一个"明星脸比对"小程序，零后台延迟
最近花了些时间做了一个微信小程序——明星脸比对。用户上传一张照片，AI 就能找出和你最像的明星。
这个项目有点意思，因为它采用了一个不太常见的架构：前端直调腾讯云 IAI，云函数只存密钥，API 签名在前端完成。没有后台中转，零额外延迟。
今天就来聊聊这个项目的开发过程和一些技术取舍。
为什么做这个项目
想法其实很简单：大家都好奇自己长得像哪个明星。市面上类似的小程序不少，但大多需要把图片传到自己的服务器，经过后台处理后再调用 AI 服务。这样不仅慢，还增加了服务器成本。
我就在想，能不能让前端直接调用腾讯云的人脸识别服务？这样既快又省钱。
技术栈选择
前端用了 UniApp + Vue.js，目标是微信小程序。选择 UniApp 是因为一套代码可以跑多端，虽然这次只做小程序，但以后扩展方便。
人脸识别用的是腾讯云 IAI（人脸搜索 3.0） 。这个服务支持在指定人员库中搜索相似人脸，返回 Top K 结果和相似度分数，正好符合需求。
后台用 Flask (Python) ，但注意，这个后台不是小程序运行必需的。它只用于批量管理人员库数据——添加明星、删除明星、初始化人员库等。小程序本身不经过这个后台。
核心架构：前端直调
这是整个项目最关键的设计决策。
传统做法是：用户上传图片 → 传到自己的服务器 → 服务器调用腾讯云 API → 返回结果。多了一跳，延迟增加，服务器还要承担转发成本。
我的做法是：用户上传图片 → 前端完成 TC3-HMAC-SHA256 签名 → 直接调用腾讯云 IAI SearchFaces 接口 → 返回结果。
云函数在这里只做一件事：安全地存储腾讯云密钥。前端通过云函数获取临时密钥，然后在前端完成 API 签名。这样既保证了密钥安全，又实现了零中转延迟。
图片处理流程
前端处理图片的流程需要仔细设计：
- 用户选择图片：支持拍照和相册选择，优先使用
uni.chooseMedia，兼容降级到uni.chooseImage。 - 图片压缩：这是关键一步。人脸图片不需要太高分辨率，压缩到 800px 以内可以大幅减少传输时间。先用
uni.compressImage做质量压缩，如果图片过大再用 canvas 做尺寸压缩。 - 上传到云存储：压缩后的图片上传到 uniCloud 云存储，获取永久 URL。这个 URL 用于结果页展示和分享功能。
- 转 base64：读取压缩后的图片文件，转换为 base64 编码，用于调用人脸搜索接口。
- 调用云函数：通过 uniCloud 云函数进行人脸检测和搜索。云函数内部完成签名和 API 调用。
人员库管理
腾讯云 IAI 的人脸搜索需要在指定的人员库中进行。所以第一步是建立一个明星人员库。
后台提供了完整的 CRUD 接口：
- 创建人员库
- 批量添加明星（从 JSON 文件导入）
- 搜索人脸
- 删除明星/人员库
初始化脚本 add_stars.py 会读取 data/new_cloud/ 目录下的所有 JSON 文件，批量导入到腾讯云人员库。每个明星数据包含 person_id、name、gender、url（照片 URL）等信息。
还有一个爬虫脚本 scrape_category.py，可以从网站抓取明星数据，自动生成 JSON 文件。
积分系统设计
小程序做了一个简单的积分系统：
- 每次比对消耗 5 积分
- 分享给好友可获得 5 积分
- 观看视频广告可获得 5 积分
这个设计有两个目的：一是控制 API 调用频率（腾讯云按次计费），二是通过分享实现自然增长。
积分查询和扣除通过后端 API 完成，前端只负责展示和触发。
结果展示
结果页的设计花了些心思：
- 对比展示：左边是用户上传的照片，右边是最匹配的明星，中间用 VS 图标连接，视觉冲击力强。
- 相似度进度条：把腾讯云返回的分数转换成百分比，用渐变色进度条展示，直观易懂。
- 其他相似明星：除了最匹配的一个，还展示 Top 2-5 的其他候选，增加趣味性。
- 分享优化：分享时带上用户照片作为封面，标题显示"我和 XX 相似度 XX%"，吸引点击。
踩过的坑
开发过程中遇到几个值得注意的问题：
1. 图片压缩比例问题
一开始用 canvas 压缩图片时，没有保持原始宽高比，导致人脸变形，识别率大幅下降。后来改为先获取图片信息，计算缩放比例，再用 canvas 等比例绘制。
2. 云函数调用失败
前端直接调用腾讯云 API 时，签名算法容易出错。TC3-HMAC-SHA256 签名需要严格按照腾讯云文档的步骤来，包括 CanonicalRequest、StringToSign 等。建议先用官方 SDK 测试，确认签名逻辑正确后再移植到前端。
3. 人员库初始化
批量导入明星数据时，API 有频率限制。一开始没有加延迟，导致部分请求被限流。后来在每次请求后加了 0.3-0.5 秒的间隔，问题解决。
项目结构
mingxing_face/
├── admin/ # 后台管理（仅用于初始化/管理人员库）
│ ├── app.py # Flask 管理服务
│ ├── config.py # 腾讯云 API 配置
│ ├── tencent_iai.py # 腾讯云 IAI SDK 封装
│ ├── add_stars.py # 一键初始化 IAI 人员库
│ ├── scrape_category.py # 明星数据爬取脚本
│ └── data/ # 明星数据与图片
│
├── star_face_uniapp/ # UniApp 前端（微信小程序）
│ ├── pages/index/index.vue # 首页：拍照/选图 → 人脸搜索
│ └── pages/result/result.vue # 结果页：展示 Top5 相似明星
│ └── uniCloud/ # 云函数（仅存储密钥）
总结
这个项目的核心价值在于架构简化。通过前端直调云服务，省去了中间服务器层，降低了延迟和成本。
当然，这种架构也有局限：
- 前端签名逻辑暴露了部分实现细节（虽然密钥是安全的）
- 不适合需要复杂业务逻辑的场景
- 云函数的冷启动时间仍然会影响首次调用速度
但对于这种"上传-处理-返回"的简单场景，前端直调是一个值得考虑的方案。
项目代码已经开源，如果你也感兴趣，可以看看完整实现。欢迎提 issue 或 PR。
技术栈：UniApp + Vue.js | 腾讯云 IAI | uniCloud | Flask | Python
适用场景：人脸识别、图片比对、AI 趣味应用
