（8）seetaface6 JNI之人脸相似度1:1(包含戴口罩人脸相似度)计算

项目地址

seetaface6SDK地址

前期准备

1. 下载项目
2. 下载seetaface6 模型文件: 模型文件1 （code：ngne），模型文件2 （code: t6j0）
3. 配置模型文件到项目中，运行Test

人脸特征相似度介绍

1. 特征提取过程可以分为两个步骤：1. 根据人脸5个关键点裁剪出人脸区域；2. 将人脸区域输入特征提取网络提取特征。
   这两个步骤可以分开调用，也可以独立调用。
2. 特征长度是不同模型可能不同的，要使用faceRecognizer.GetExtractFeatureSize()方法获取当前使用模型提取的特征长度。
3. 相似度的范围是[0, 1]，但是需要注意的是，如果是直接用內积计算的话，因为特征中存在复数，所以计算出的相似度可能为负数。识别器内部会将负数映射到0。
4. 在一些特殊的情况下，需要将特征提取分开两步进行，比如前端裁剪处理图片，服务器进行特征提取和对比。
5. 戴口罩人脸相似度计算需要切换成 face_recognizer_mask.csta模型
6. 下面代码中，一张图片中可能有多个人脸（也可能没有人脸），这里演示用图片至少包含一个人脸，且只取第一个。

人脸特征模型介绍

模型	模型说明	备注
face_recognizer.csta	高精度人脸识别人脸向量特征提取模型，建议阈值：0.62	返回1024长度向量特征
face_recognizer_mask.csta	戴口罩人脸向量特征提取模型，建议阈值：0.48	返回512长度向量特征
face_recognizer_light.csta	轻量级人脸向量特征提取模型，建议阈值：0.55	返回512长度向量特征

人脸特征相似度代码

package com.seeta.sdk.proxy;

import com.seeta.proxy.FaceDetectorProxy;
import com.seeta.proxy.FaceLandmarkerProxy;
import com.seeta.proxy.FaceRecognizerProxy;
import com.seeta.pool.SeetaConfSetting;
import com.seeta.sdk.*;
import com.seeta.sdk.util.LoadNativeCore;
import com.seeta.sdk.util.SeetafaceUtil;

/**
 * 人脸特征相似度 1：1
 * 人脸相似度计算
 */
public class FaceRecognizerProxyTest {


	static {
		LoadNativeCore.LOAD_NATIVE(SeetaDevice.SEETA_DEVICE_AUTO);
	}

	//模型文件夹路径
	public static String CSTA_PATH = "E:\\models";

	// 拼接模型路径
	public static String[] detector_cstas = {CSTA_PATH + "/face_detector.csta"};

	// 人脸关键点定位模型路径拼接
	public static String[] landmarker_cstas = {CSTA_PATH + "/face_landmarker_pts5.csta"};

	//高精度人脸特征提取模型，1024维
	public static String[] recognizer_cstas = {CSTA_PATH + "/face_recognizer.csta"};

	public static String fileName = "E:\\111.jpg";
	public static String fileName2 = "E:\\222.jpg";


	public static void main(String[] args) {

		//人脸识别检测器对象池配置，可以配置对象的个数哦
		SeetaConfSetting detectorPoolSetting = new SeetaConfSetting(
				new SeetaModelSetting(0, detector_cstas, SeetaDevice.SEETA_DEVICE_AUTO));
		//人脸检测器对象池代理 ， spring boot可以用FaceDetectorProxy来配置Bean
		FaceDetectorProxy faceDetectorProxy = new FaceDetectorProxy(detectorPoolSetting);

		//人脸关键点定位器对象池配置
		SeetaConfSetting faceLandmarkerPoolSetting = new SeetaConfSetting(
				new SeetaModelSetting(0, landmarker_cstas, SeetaDevice.SEETA_DEVICE_AUTO));
		//人脸关键点定位器对象池代理 ， spring boot可以用FaceLandmarkerProxy来配置Bean
		FaceLandmarkerProxy faceLandmarkerProxy = new FaceLandmarkerProxy(faceLandmarkerPoolSetting);

		SeetaConfSetting faceRecognizerPoolSetting = new SeetaConfSetting(
				new SeetaModelSetting(0, recognizer_cstas, SeetaDevice.SEETA_DEVICE_AUTO));
		//人脸特征提取器，人脸特征相似度计算器
		FaceRecognizerProxy faceRecognizerProxy = new FaceRecognizerProxy(faceRecognizerPoolSetting);

		SeetaImageData image1 = SeetafaceUtil.toSeetaImageData(fileName);
		SeetaImageData image2 = SeetafaceUtil.toSeetaImageData(fileName2);

		try {
			//照片1
			SeetaRect[] detects1 = faceDetectorProxy.detect(image1);
			//detects1[0] 图片中可能有多个人脸（也可能没有人脸），这里演示只取第一个
			SeetaPointF[] pointFS1 = faceLandmarkerProxy.mark(image1, detects1[0]);
			//向量特征数组
			float[] features1 = faceRecognizerProxy.extract(image1, pointFS1);

			//照片2
			SeetaRect[] detects2 = faceDetectorProxy.detect(image2);
			//detects1[0] 图片中可能有多个人脸（也可能没有人脸），这里演示只取第一个
			SeetaPointF[] pointFS2 = faceLandmarkerProxy.mark(image2, detects2[0]);
			//向量特征数组
			float[] features2 = faceRecognizerProxy.extract(image2, pointFS2);

			//对比向量特征数组
			if (features1 != null && features2 != null) {
				float calculateSimilarity = faceRecognizerProxy.cosineSimilarity(features1, features2);
				System.out.printf("第相似度:%f\n", calculateSimilarity);
			}
		} catch (Exception e) {
			e.printStackTrace();
		}
	}
}

输出结果

1. float: 分数

结果：0.776509

总结

1. 人脸识别过程复杂，但这个代码简单。
2. 精度高，这边的模型都是中科院商业开源的，比起社区的模型，用到的训练集多很多。
3. 功能齐全 ：
人脸检测和关键点定位
人脸特征提取和对比
人脸特征提取
人脸特征对比
活体检测
人脸跟踪
质量评估
年龄识别
性别识别
口罩检测
口罩人脸识别
眼睛状态检测

不懂seetaface6SDK的可以先看gitee项目哦