前言
当前很多博客实现人脸识别的大部分都是调用云厂家的接口，如百度，阿里云。以及我们乐橙开放平台也支持人脸识别等人工智能服务。这些都比较简单，会接开放平台，走接口请求基本上都掌握了。缺点就是有限制，收费。
那么有没有方法自己搭建一个呢?当然有,这里采用最常见的OpenCV来做吧
一.下载并配置OpenCV
1、opencv下载
打开opencv官网https://opencv.org/releases/。下载opencv。我使用的是4.5.4版本。本地为windows.按照自己的需求进行下载。
这里推荐使用我发现的一个网页下载https://www.raoyunsoft.com/wordpress/index.php/2020/03/09/opencvdownload/
2.安装
没什么好主意的,按照步骤就可以了
二.创建一个Maven项目
pom.xml:
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<groupId>face</groupId>
<artifactId>face</artifactId>
<version>0.0.1-SNAPSHOT</version>
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>2.0.4.RELEASE</version>
</parent>
<!-- opencv + javacv + ffmpeg-->
<dependencies>
<dependency>
<groupId>org.bytedeco.javacpp-presets</groupId>
<artifactId>ffmpeg</artifactId>
<version>4.1-1.4.4</version>
</dependency>
<dependency>
<groupId>org.bytedeco</groupId>
<artifactId>javacv</artifactId>
<version>1.4.4</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.bytedeco.javacpp-presets/ffmpeg-platform -->
<dependency>
<groupId>org.bytedeco.javacpp-presets</groupId>
<artifactId>ffmpeg-platform</artifactId>
<version>4.1-1.4.4</version>
</dependency>
<dependency>
<groupId>commons-io</groupId>
<artifactId>commons-io</artifactId>
<version>2.4</version>
</dependency>
<!-- 视频摄像头 -->
<!-- https://mvnrepository.com/artifact/org.bytedeco/javacv-platform -->
<dependency>
<groupId>org.bytedeco</groupId>
<artifactId>javacv-platform</artifactId>
<version>1.4.4</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.bytedeco.javacpp-presets/opencv-platform -->
<dependency>
<groupId>org.bytedeco.javacpp-presets</groupId>
<artifactId>opencv-platform</artifactId>
<version>4.0.1-1.4.4</version>
</dependency>
</dependencies>
</project>
接着需要配置OpenCV
第一步:
复制\opencv\build\bin中的opencv_videoio_ffmpeg454_64.dll
到\opencv\build\java\x64中
像这样:
第二步:
在idea中配置构建路径,jar包在\opencv\build\java中
注意这里需要编辑一下
一定要改此项!
将\opencv\build\java\x64设为本机库位置
ok,那配置现在也就完成了
三.主程序
注意记得将faceDetector设为自己opencv\sources\data\haarcascades\haarcascade_frontalface_alt.xml
的位置
package face;
import org.opencv.core.*;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import org.opencv.objdetect.CascadeClassifier;
import org.opencv.videoio.VideoCapture;
import org.opencv.videoio.VideoWriter;
import org.opencv.videoio.Videoio;
import java.util.Arrays;
/**
*
* @Title: Opencv 图片人脸识别、实时摄像头人脸识别、视频文件人脸识别
* @Description: OpenCV-4.1.1 测试文件
* @date: 2019年8月19日 17:17:48
* @version: V-1.0.0
*
*/
public class FaceVideo {
// 初始化人脸探测器
static CascadeClassifier faceDetector;
static int i=0;
static {
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
faceDetector = new CascadeClassifier("---\\openCV\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml");
}
public static void main(String[] args) {
// 1- 从摄像头实时人脸识别，识别成功保存图片到本地
//getVideoFromCamera();
// 2- 从本地视频文件中识别人脸
getVideoFromFile();
// 3- 本地图片人脸识别，识别成功并保存人脸图片到本地
//face();
// 4- 比对本地2张图的人脸相似度 （越接近1越相似）
String basePicPath = "D:\\Documents\\Pictures\\";
double compareHist = compare_image(basePicPath + "fc.jpg", basePicPath + "fc_1.jpg");
System.out.println(compareHist);
if (compareHist > 0.72) {
System.out.println("人脸匹配");
} else {
System.out.println("人脸不匹配");
}
}
/**
* OpenCV-4.1.1 从摄像头实时读取
* @return: void
* @date: 2019年8月19日 17:20:13
*/
public static void getVideoFromCamera() {
//1 如果要从摄像头获取视频 则要在 VideoCapture 的构造方法写 0
VideoCapture capture=new VideoCapture(0);
Mat video=new Mat();
int index=0;
System.out.println("摄像头识别");
if (capture.isOpened()) {
while(i<3) {// 匹配成功3次退出
capture.read(video);
HighGui.imshow("实时人脸识别", getFace(video));
index=HighGui.waitKey(100);
if (index==27) {
capture.release();
break;
}
}
}else{
System.out.println("摄像头未开启");
}
try {
capture.release();
Thread.sleep(1000);
System.exit(0);
} catch (InterruptedException e) {
e.printStackTrace();
}
return;
}
/**
* OpenCV-4.1.1 从视频文件中读取
* @return: void
* @date: 2019年8月19日 17:20:20
*/
public static void getVideoFromFile() {
VideoCapture capture=new VideoCapture();
capture.open("D:\\video\\素材\\bandicam 2022-04-09 21-59-55-196.mp4");//1 读取视频文件的路径
if(!capture.isOpened()){
System.out.println("读取视频文件失败！");
return;
}
Mat video=new Mat();
int index=0;
while(capture.isOpened()) {
capture.read(video);//2 视频文件的视频写入 Mat video 中
HighGui.imshow("本地视频识别人脸", getFace(video));//3 显示图像
index=HighGui.waitKey(100);//4 获取键盘输入
if(index==27) {//5 如果是 Esc 则退出
capture.release();
return;
}
}
}
/**
* OpenCV-4.1.1 人脸识别
* @date: 2019年8月19日 17:19:36
* @param image 待处理Mat图片(视频中的某一帧)
* @return 处理后的图片
*/
public static Mat getFace(Mat image) {
// 1 读取OpenCV自带的人脸识别特征XML文件(faceDetector)
// CascadeClassifier facebook=new CascadeClassifier("D:\\Sofeware\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml");
// 2 特征匹配类
MatOfRect face = new MatOfRect();
// 3 特征匹配
faceDetector.detectMultiScale(image, face);
Rect[] rects=face.toArray();
System.out.println("匹配到 "+rects.length+" 个人脸");
if(rects != null && rects.length >= 1) {
// 4 为每张识别到的人脸画一个圈
for (int i = 0; i < rects.length; i++) {
Imgproc.rectangle(image, new Point(rects[i].x, rects[i].y), new Point(rects[i].x + rects[i].width, rects[i].y + rects[i].height), new Scalar(0, 255, 0));
Imgproc.putText(image, "Human", new Point(rects[i].x, rects[i].y), Imgproc.FONT_HERSHEY_SCRIPT_SIMPLEX, 1.0, new Scalar(0, 255, 0), 1, Imgproc.LINE_AA, false);
//Mat dst=image.clone();
//Imgproc.resize(image, image, new Size(300,300));
}
i++;
if(i==3) {// 获取匹配成功第10次的照片
Imgcodecs.imwrite("D:\\Documents\\Pictures\\" + "face.png", image);
}
}
return image;
}
/**
* OpenCV-4.1.1 图片人脸识别
* @return: void
* @date: 2019年5月7日12:16:55
*/
public static void face() {
// 1 读取OpenCV自带的人脸识别特征XML文件
//OpenCV 图像识别库一般位于 opencv\sources\data 下面
// CascadeClassifier facebook=new CascadeClassifier("D:\\Sofeware\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml");
// 2 读取测试图片
String imgPath = "D:\\Documents\\Pictures\\he.jpg";
Mat image=Imgcodecs.imread(imgPath);
if(image.empty()){
System.out.println("image 内容不存在！");
return;
}
// 3 特征匹配
MatOfRect face = new MatOfRect();
faceDetector.detectMultiScale(image, face);
// 4 匹配 Rect 矩阵 数组
Rect[] rects=face.toArray();
System.out.println("匹配到 "+rects.length+" 个人脸");
// 5 为每张识别到的人脸画一个圈
int i =1 ;
for (Rect rect : face.toArray()) {
Imgproc.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height),
new Scalar(0, 255, 0), 3);
imageCut(imgPath, "D:\\Documents\\Pictures\\"+i+".jpg", rect.x, rect.y, rect.width, rect.height);// 进行图片裁剪
i++;
}
// 6 展示图片
HighGui.imshow("人脸识别", image);
HighGui.waitKey(0);
}
/**
* 裁剪人脸
* @param imagePath
* @param outFile
* @param posX
* @param posY
* @param width
* @param height
*/
public static void imageCut(String imagePath, String outFile, int posX, int posY, int width, int height) {
// 原始图像
Mat image = Imgcodecs.imread(imagePath);
// 截取的区域：参数,坐标X,坐标Y,截图宽度,截图长度
Rect rect = new Rect(posX, posY, width, height);
// 两句效果一样
Mat sub = image.submat(rect); // Mat sub = new Mat(image,rect);
Mat mat = new Mat();
Size size = new Size(width, height);
Imgproc.resize(sub, mat, size);// 将人脸进行截图并保存
Imgcodecs.imwrite(outFile, mat);
System.out.println(String.format("图片裁切成功，裁切后图片文件为： %s", outFile));
}
/**
* 人脸比对
* @param img_1
* @param img_2
* @return
*/
public static double compare_image(String img_1, String img_2) {
Mat mat_1 = conv_Mat(img_1);
Mat mat_2 = conv_Mat(img_2);
Mat hist_1 = new Mat();
Mat hist_2 = new Mat();
//颜色范围
MatOfFloat ranges = new MatOfFloat(0f, 256f);
//直方图大小， 越大匹配越精确 (越慢)
MatOfInt histSize = new MatOfInt(1000);
Imgproc.calcHist(Arrays.asList(mat_1), new MatOfInt(0), new Mat(), hist_1, histSize, ranges);
Imgproc.calcHist(Arrays.asList(mat_2), new MatOfInt(0), new Mat(), hist_2, histSize, ranges);
// CORREL 相关系数
double res = Imgproc.compareHist(hist_1, hist_2, Imgproc.CV_COMP_CORREL);
return res;
}
/**
* 灰度化人脸
* @param img
* @return
*/
public static Mat conv_Mat(String img) {
Mat image0 = Imgcodecs.imread(img);
Mat image1 = new Mat();
// 灰度化
Imgproc.cvtColor(image0, image1, Imgproc.COLOR_BGR2GRAY);
// 探测人脸
MatOfRect faceDetections = new MatOfRect();
faceDetector.detectMultiScale(image1, faceDetections);
// rect中人脸图片的范围
for (Rect rect : faceDetections.toArray()) {
Mat face = new Mat(image1, rect);
return face;
}
return null;
}
/**
* OpenCV-4.1.1 将摄像头拍摄的视频写入本地
* @return: void
* @date: 2019年8月19日 17:20:48
*/
public static void writeVideo() {
//1 如果要从摄像头获取视频 则要在 VideoCapture 的构造方法写 0
VideoCapture capture=new VideoCapture(0);
Mat video=new Mat();
int index=0;
Size size=new Size(capture.get(Videoio.CAP_PROP_FRAME_WIDTH),capture.get(Videoio.CAP_PROP_FRAME_HEIGHT));
VideoWriter writer=new VideoWriter("D:/a.mp4",VideoWriter.fourcc('D', 'I', 'V', 'X'), 15.0,size, true);
while(capture.isOpened()) {
capture.read(video);//2 将摄像头的视频写入 Mat video 中
writer.write(video);
HighGui.imshow("像头获取视频", video);//3 显示图像
index=HighGui.waitKey(100);//4 获取键盘输入
if(index==27) {//5 如果是 Esc 则退出
capture.release();
writer.release();
return;
}
}
}
}
效果图:
若是觉得这篇文章还不错的话,点一个免费的赞吧~
2387
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
