Face++ 人脸检测、注册以及训练(1)

最新推荐文章于 2023-02-12 10:00:00 发布
最新推荐文章于 2023-02-12 10:00:00 发布
阅读量2.5k 收藏 1
点赞数 2
分类专栏： face++ 文章标签： face++ get 人脸检测 人脸训练
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Dolphix/article/details/51779019
版权

Face++ 人脸检测、注册以及训练(1)

@Author : Dolphix.J Qing

1 引言 

  • 人脸检测

检测给定图片(Image)中的所有人脸(Face)的位置和相应的面部属性

    • 目前面部属性包括性别(gender), 年龄(age), 种族(race), 微笑程度(smiling), 眼镜(glass)和姿势(pose)

若结果的face_id没有被加入任何faceset/person之中，则在72小时之后过期被自动清除。

  • 人脸训练

针对verify功能对一个person进行训练。请注意:

    • 在一个person内进行verify之前，必须先对该person进行Train
    • 当一个person内的数据被修改后(例如增删Person相关的Face等)，为使这些修改生效，person应当被重新Train
    • Train所花费的时间较长, 因此该调用是异步的，仅返回session_id。
    • 训练的结果可以通过/info/get_session查询。当训练完成时，返回值中将包含{"success": true}

2  系统摄像头操作

调用Android系统摄像头，对人脸进行采集。其中有以下几个地方需要注意：

  1. 开设前置摄像头
  2. 设置指定存储位置
  3. 对图片进行压缩（这样可以避免不必要的流量消耗，同时也提高响应速度）
其中，系统摄像头使用如下，主要包括调用摄像头并获取结果全过程（absPath为存储路径）。 

 /**
     * 开启系统相机
     */
    private void openSysCamera(){
        if (savePrepare()){
            //开启系统相机
            Intent camera = new Intent(MediaStore.ACTION_IMAGE_CAPTURE);
            camera.putExtra("camerasensortype", 2); // 调用前置摄像头
            camera.putExtra(MediaStore.EXTRA_OUTPUT, Uri.fromFile(new File(absPath,"tmp.jpg")));
            startActivityForResult(camera, EventUtil.SYS_CAMERA);
        }
    }

    @Override
    protected void onActivityResult(int requestCode, int resultCode, Intent data) {
        super.onActivityResult(requestCode, resultCode, data);
        if (requestCode == EventUtil.SYS_CAMERA && resultCode == Activity.RESULT_OK){
            Log.i(TAG,"Camera finish!");
            //保持原图比例压缩，并保存为tmp2.jpg
            b = FileUtil.compressBySize(jpegName,500,500);
            face.setImageBitmap(b);
            FileUtil.saveBitmap(b,absPath+"tmp2.jpg");
            if (CommonUtil.isNetWorkConnected(getApplicationContext())){
                //人脸检测
                detectFace();
            }else{
                Toast.makeText(getApplicationContext(),"无法检测，网络可能存在问题!",Toast.LENGTH_SHORT).show();
            }
        }else if (requestCode == EventUtil.SYS_CAMERA && resultCode == Activity.RESULT_CANCELED){
            finish();
        }
    }

图片压缩，压缩时主要放缩比例，同时留意API平台对图片的尺寸要求。

/**
	 * 压缩图片尺寸
	 * @param pathName
	 * @param targetWidth
	 * @param targetHeight
     * @return
     */
	public static Bitmap compressBySize(String pathName, int targetWidth,int targetHeight) {
		BitmapFactory.Options opts = new BitmapFactory.Options();
		opts.inJustDecodeBounds = true;// 不去真的解析图片，只是获取图片的头部信息，包含宽高等；
		Bitmap bitmap = BitmapFactory.decodeFile(pathName, opts);
		// 得到图片的宽度、高度；
		float imgWidth = opts.outWidth;
		float imgHeight = opts.outHeight;
		// 分别计算图片宽度、高度与目标宽度、高度的比例；取大于等于该比例的最小整数；
		int widthRatio = (int) Math.ceil(imgWidth / (float) targetWidth);
		int heightRatio = (int) Math.ceil(imgHeight / (float) targetHeight);
		opts.inSampleSize = 1;
		if (widthRatio > 1 || heightRatio > 1) {
			if (widthRatio > heightRatio) {
				opts.inSampleSize = widthRatio;
			} else {
				opts.inSampleSize = heightRatio;
			}
		}
		//设置好缩放比例后，加载图片进内容；
		opts.inJustDecodeBounds = false;
		bitmap = BitmapFactory.decodeFile(pathName, opts);
		return bitmap;
	}

图片保存至SD卡，此操作时注意添加相应权限。

/**
	 * 保存Bitmap到sdcard
	 * @param b
	 * @return 图片绝对路径
	 */
	public static String saveBitmap(Bitmap b, String jpegName){
		File tmp = new File(jpegName);
		if (tmp.exists()){
			tmp.delete();
		}
		try {
			FileOutputStream fout = new FileOutputStream(jpegName);
			BufferedOutputStream bos = new BufferedOutputStream(fout);
			//压缩50%
			b.compress(Bitmap.CompressFormat.JPEG, 50, bos);
			bos.flush();
			bos.close();
		} catch (IOException e) {
			e.printStackTrace();
		}
		return jpegName;
	}

3 人脸检测、注册及训练

主要流程代码如下，其中缺失代码为GET/POST请求，格式构造可以参考

Face++ 人脸检测之POST[img](0)

 /**
     * 检测人脸
     */
    private void detectFace(){

        new Thread(new Runnable(){
            @Override
            public void run() {
                PlatformDetect.detect(new File(absPath+"tmp2.jpg"));
            }
        }).start();
    }

    /**
     * 人脸检测，回调
     */
    private class DetectCallback implements PlatformDetect.DetectCallback{

        @Override
        public void detectResult(JSONObject rst) {
            if (null == rst){
                return;
            }
            Log.i(TAG, "detectResult: "+rst.toString());
            try {
                if (!rst.has("error")){
                    //找出所有人脸
                    final int count = rst.getJSONArray("face").length();
                    if (count > 0){
                        Log.i(TAG, "detectResult: 存在人脸");
                        jsonObject = rst;
                        //取得face_id
                        FaceInfo.face_id = rst.getJSONArray("face").getJSONObject(0).getString("face_id");
                        if (CommonUtil.isNetWorkConnected(getApplicationContext())) {
                            //人脸识别
                            addFace();
                        }
                        //开始根据数据绘制位置、坐标
                        handler.sendEmptyMessage(EventUtil.FACE_DRAW_DETECT_DATA);
                        return;
                    }
                }
                //不存在人脸
                handler.sendEmptyMessage(EventUtil.NOT_EXIST_FACE);

            } catch (JSONException e) {
                e.printStackTrace();
            }
        }
    }
    /**
     * 添加人脸
     */
    private void addFace(){

        new Thread(new Runnable(){
            @Override
            public void run() {
                requestPlatform();
            }
        }).start();
    }

    /**
     * 请求Face++平台服务
     */
    private void requestPlatform(){
        Log.i(TAG, "requestPlatform: ");
        try {
            boolean b = true;
            int t = 0;
            if (null == user){
                Log.i(TAG, "requestPlatform: null == user");
                return;
            }
            while (b && t < 3) {
                if (!user.equals("vcrobot") && CommonUtil.isNetWorkConnected(getApplicationContext())) {
                    //添加人脸
                    String result = NetTask.doGet(FacePerson.addFace(FaceInfo.face_id, user));
                    Log.i(TAG, "run: addFace "+result);
                    JSONObject jsonObject = new JSONObject(result);
                    if (jsonObject.has("error") || !jsonObject.getBoolean("success")) {
                        //添加失败，创建用户
                        result = NetTask.doGet(FacePerson.create("vcrobot",user,"vcr"));
                        Log.i(TAG, "run: create person "+result);
                        jsonObject = new JSONObject(result);
                        if (jsonObject.has("error") || jsonObject.getInt("added_group") <= 0){
                            //group不存在，创建group
                            result = NetTask.doGet(FaceGroup.create("vcrobot","vcr"));
                            jsonObject = new JSONObject(result);
                            Log.i(TAG, "run: create group "+result);
                            if (!jsonObject.has("error")){
                                Log.i(TAG, "requestPlatform: Group create success!");
                            }
                        }else{
                            Log.i(TAG, "requestPlatform: Person create success!");
                        }
                    }else{
                        b = false;
                        handler.sendEmptyMessage(EventUtil.FACE_ADD_SUCCESS);
                        Log.i(TAG, "requestPlatform: Add face success!");
                    }
                }
                ++t;
            }
            if (b){
                handler.sendEmptyMessage(EventUtil.FACE_ADD_FAIL);
            }
        }catch (Exception e){
            e.printStackTrace();
        }
    }

    /**
     * 针对verify功能对一个person进行训练。
     */
    private void trainFace(){
        new Thread(new Runnable(){
            @Override
            public void run() {
                if (CommonUtil.isNetWorkConnected(getApplicationContext())){
                    PlatformTrain.train(user);
                }
            }
        }).start();
    }


    /**
     * 人脸训练，回调
     */
    private class TrainCallback implements PlatformTrain.TrainCallback{
        @Override
        public void trainResult(JSONObject rst) {
            Log.i(TAG, "trainResult: "+rst);
            try{
                if (!rst.has("error")){
                    //相应请求的session标识符，可用于结果查询
                    sessionID = rst.getString("session_id");
                    handler.sendEmptyMessage(EventUtil.FACE_TRAIN_FINISH);
                }else{
                    //人脸训练出错
                    handler.sendEmptyMessage(EventUtil.FACE_TRAIN_ERR);
                }

            }catch (Exception e){
                e.printStackTrace();
            }
        }
    }

最后，给出GET函数。具体URL自行构造。

/**
     * doGet发送网络请求
     * @param url
     * @return
     */
    public static String doGet(String url) {
        Log.i(TAG, "doGet: "+url);
        try{
            HttpClient httpClient = new DefaultHttpClient();
            HttpGet httpGet = new HttpGet(url);
            HttpResponse httpResponse = httpClient.execute(httpGet);
//            if (httpResponse.getStatusLine().getStatusCode() == HttpStatus.SC_OK) {
                HttpEntity httpEntity = httpResponse.getEntity();
                InputStream inputStream = httpEntity.getContent();
                BufferedReader bufferedReader = new BufferedReader(new InputStreamReader(inputStream));
                String line = null;
                StringBuffer stringBuffer = new StringBuffer();
                while (null != (line = bufferedReader.readLine())) {
                    stringBuffer.append(line);
                }
                return stringBuffer.toString();
//            }
        }catch (Exception e){e.printStackTrace();}

        return null;
    }


原文作者：Dolphix.J Qing
Dolphix
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
人脸检测-yolov7 face detection with landmark-优质项目源码+训练+推理.zip
01-26
yolo 人脸检测_yolov7 face detection with landmark_优质项目源码+训练+推理
Android使用Face++架构包实现人脸识别
James先生的博客
03-30 2万+
今天给大家带来一个通过使用Face++来实现人脸识别的功能 我们先去这个Face++官网看看：http://www.faceplusplus.com.cn 我们点开案例可以看到众多我们熟知的软件都是使用的这个公司所提供的SDK 然后我们点击开发者中心中的开发工具与sdk下载我们所需要的sdk 之后再点击我的应用中的创建应用之后他会给我们两个密钥
face++人脸识别接口实现原理（一）
热门推荐
孔祥月的博客
07-19 4万+
背景：市面上，能够提供人脸识别解决方案的公司主要有，百度，科大讯飞，旷世face++,还有已经被facebook收购的face.com。这里涉及到的是旷世科技的人脸识别技术。旷世科技人脸识别技术，在国内得到了很广泛运用，其中最有名是，支付宝的刷脸验证登录技术，以及蚂蚁金服的刷脸验证技术。需求：在安卓平台上，开发一app,这个app可以：（1）提取人脸特征，包括这个人表情（微笑，惊讶，平静，生气），年
使用 face++ API 实现人脸识别，刷脸登陆和活体检测（张张嘴，眨眨眼）
艺俊的博客
01-10 3万+
简述 最近需要用到人脸识别功能，于是就上网找了下人脸识别的 API，最后找到了 face++ 于是就想着用 face++ 的 api 来做一个刷脸登陆的 Demo 实现思路 注册时，前台通过浏览器调用摄像头，配合 viedo 和 canvas 标签截取人脸，转成 base64 传到后台并保存到数据库中；登陆时将登陆时的人脸和注册实时保存的人脸作比较 效果 先看下做出来的效果 功能主要是： 注册录......
python 人脸识别活体检测_人脸识别 -- 活体检测(张嘴摇头识别)
weixin_39707725的博客
12-06 1764
一：简介最近项目在做了身份证银行卡识别之后，开始实现人脸识别和活体识别，其中人脸识别包括人脸入库、人脸查找、人脸1：N对比、人脸N:N对比，另外活体识别运用在安全登录功能。大家都熟知的支付宝使用face++ 的服务来实现人脸识别，在实际项目中使用了讯飞的人脸识别SDK进行二次封装来实现活体识别。主要实现了张嘴和摇头两个活体动作的识别。据我所知，讯飞的服务是基于face++,识别率还是很高，并且iO...
人脸识别--活体检测(眨眼检测)
NeoWorld
06-11 2万+
人脸识别在现在很多的项目中都有应用,最常见的就属此次315曝光的支付宝刷脸登录,当然支付宝也出来做了澄清,我们还是需要相信科技的.支付宝的刷脸可谓是相当成熟了.下面我们来简单的分析一下支付宝的刷脸登录流程. * 1.前端采集人脸* 前端采集人脸的过程其实就是采集一张带有人脸的图像,然后我们对这个图像进行base64编码之后传给后台服务,后台服务去做人脸的识别,或者验证,如果这样的话,前端做起来其
H5利用face++和腾讯云慧眼实现活体检测（人脸识别）的流程总结
博哥的二进制世界
05-26 3452
H5利用face++和腾讯云慧眼paas模式实现活体检测（人脸识别）的流程总结背景paas模式活体检测流程（以数字模式的活体检测为例）saas模式活体检测流程 背景 随着当前业务安全以及风控的要求，在做一些业务特别是涉及金融领域的业务，需要对用户进行OCR身份证上传识别，活体检测辨别真人，以规避风险和风控评估。 再说说为何不使用face++或者腾讯云慧眼的saas模式，因为saas模式集合了身份证OCR，银行卡OCR，活体检测于一体，不可拆分，自定义空间不多，因此我们公司使用的多是paas模式，借用face
人脸识别 -- 活体检测(张嘴摇头识别)
WLANQY的博客
02-12 1141
最近项目在做了身份证银行卡识别之后，开始实现人脸识别和活体识别，其中人脸识别包括人脸入库、人脸查找、人脸1：N对比、人脸N:N对比，另外活体识别运用在安全登录功能。大家都熟知的支付宝使用face++ 的服务来实现人脸识别，在实际项目中使用了讯飞的人脸识别SDK进行二次封装来实现活体识别。主要实现了张嘴和摇头两个活体动作的识别。据我所知，讯飞的服务是基于face++,识别率还是很高，并且iOS和Android都对应有封装好的SDK。
人脸检测数据集widerface
02-02
WIDER FACE数据集是人脸检测的基准数据集 (benchmark)，包括了32203张图片和393703个label，内含在尺度、姿态和遮挡方面具有高度可变性的面孔。WIDER FACE数据集根据事件场景的类型分为61个类别，对于每个事件类别，...
FaceDetection：用于存储由qml和c ++编写的人脸检测项目
02-11
基于OpenCV与QML的人脸检测与抠图程序Qt项目文件名称：OpenPhoto程序概述采用的是OpenCv里的DNN模块中已训练好的残差网络模型来检测人脸。使用QML绘制程序界面。虽然该程序并没有完善得很好，但作为一个_学习样例_还...
python+dlib活体检测
03-23
基于python+dlib实现的活体检测，参照了眨眼检测的代码，原理是取人脸68个特征点之中的几个点，计算它们之间的欧氏距离比率，达到特定阈值就通过，检测步骤:左转头，右转头，张张嘴
人脸活体识别
09-17
人脸检测的活体识别，使用虹膜反光技术来进行甄别。代码文档齐全
HTML5 的人脸识别活体认证实例
02-10
HTML5 的人脸识别活体认证实例，将其部署到TOMCAT下运行index.html即可使用
face++ 身份证识别demo
08-21
face++ 身份证识别demo，智能识别身份证，驾驶证等，还有活体检测
yolov8口罩和人脸检测训练权重+8000人脸口罩数据集+详细教程
04-10
yolov8口罩和人脸检测，训练好的权重，可以直接使用，并附有8000左右数据集，数据集目录已经配置好，yolo格式(txt)的标签，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8等算法可以直接...
Pytorch人脸检测训练代码 RetinaFace 使用widerface数据集 包含已训练模型
08-07
# Pytorch人脸检测训练代码 RetinaFace 使用widerface数据集 包含已训练模型 1. 人脸检测SOTA算法RetinaFace模型代码实现； 2. 包含训练集网盘下载链接，在./data/widerface/download文件中复制链接下载并解压到./...
ChatGPT4.0知识问答、DALL-E生成AI图片、Code Copilot辅助编程，打开新世界的大门.txt
04-30
ChatGPT4.0知识问答、DALL-E生成AI图片、Code Copilot辅助编程，打开新世界的大门
基于matlab实现DOA 估计和自适应波束形成.rar
最新发布
04-30
基于matlab实现DOA 估计和自适应波束形成.rar
基于C++的线程安全容器。.zip
04-30
基于C++的线程安全容器。.zip
利用pytorch实现retinaface+arcface人脸识别项目
10-06
利用pytorch实现retinaface arcface人脸识别项目可以分为以下几个步骤。 首先，我们需要安装pytorch和相关的依赖库，例如numpy、opencv等。 其次，我们需要获取训练所需的数据集。可以使用已有的人脸数据库，如LFW或MS-Celeb-1M。如果需要自己采集数据集，可以使用摄像头获取人脸图像。同时，还需要标注数据集，即为每张人脸图像添加标签，用于后续的训练。 接着，我们需要训练retinaface模型。retinaface是一种使用单阶段多任务级联网络实现的人脸检测模型，它可以同时检测人脸的位置和关键点。我们可以使用已有的retinaface模型进行微调，或者从头开始训练一个retinaface模型。 然后，我们需要训练arcface模型。arcface是一种使用全连接网络实现的人脸识别模型，它可以将人脸图像映射到一个高维特征空间，并计算人脸之间的相似度。我们可以使用已有的arcface模型进行微调，或者从头开始训练一个arcface模型。 最后，我们可以使用训练好的retinaface和arcface模型进行人脸识别。首先，使用retinaface模型检测人脸并提取关键点。然后，使用arcface模型将提取的人脸特征与已有的标签进行比对，得到相似度结果。最后，根据相似度结果进行人脸识别。 需要注意的是，在实现retinaface arcface人脸识别项目时，我们还需要进行数据预处理、数据增强、模型评估等工作，并进行超参数的选择和调优，以提高识别的准确性和性能。 总结来说，利用pytorch实现retinaface arcface人脸识别项目需要进行数据集获取和标注、训练retinaface模型、训练arcface模型以及人脸识别的实现等多个步骤，通过这个过程可以实现准确性较高的人脸识别系统。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值