最近刚做了人脸识别，使用的百度离线，跟大家分享一下。
1.先去申请百度的离线SDK，分别离线采集SDK，离线识别SDK。
有没有看到不少于100字，是不是有点崩溃…不过还好写40多字的时候就可以提交了，提交完成后提示4个审核工作日…其实也就24小时内，我申请完两个小时就审核过了。
授权标识自定义，字符以 - 分隔，结尾android或ios，包名 包名 包名一定要和App打包时的名包名一致填写完毕后
下载安卓-License…具体操作可以看uni-app插件市场
付费的喔插件中已经将采集做完了，需要做识别自己写请求地址和逻辑就好了。
2.识别
申请完离线识别后下载java版本的SDK，下载完后找到
运行LicenseTool.exe，复制设备指纹信息，去百度中激活。激活完之后会有一个激活码。
复制激活码进行激活。准备工作就算做完了~~~~接下来导入开发工具中我用的idea，看一下SDK都有哪些方法.
package com.jni.face;
// import org.opencv.core.Core;
public class Face {
// sdk初始化
public native void sdkInit(boolean idCard);
// sdk销毁（资源释放)
public native void sdkDestroy();
// 判断是否授权
public native boolean isAuth();
// 获取设备指纹 deviceId
public native String getDeviceId();
/*
* 人脸检测（返回检测到的人脸数组） String imgPath 要检测的图片路径 int maxTrackObjNum: 最多要检测的人数，例如设置为1则只检测一个人，如果设置为3则最多tracking 3个人。
*/
public static native TrackFaceInfo[] track(String imgPath, int maxTrackObjNum);
/*
* 人脸检测（返回检测到的人脸数组） byte[] bufs 要检测的图片二进制buf int len 要检测的图片二进制buf长度 int maxTrackObjNum:
* 最多要检测的人数，例如设置为1则只检测一个人，如果设置为3则最多tracking 3个人。
*/
public static native TrackFaceInfo[] trackByBuf(byte[] bufs, int len, int maxTrackObjNum);
public static native TrackFaceInfo[] trackByMat(long matAddr, int maxTrackObjNum);
/*
* 人脸检测（返回检测到的最大人脸） String imgPath 要检测的图片路径 。
*/
public static native TrackFaceInfo trackMax(String imgPath);
// 人脸检测（返回检测到的最大人脸）buf为人脸二进制图片 len为图片大小
public static native TrackFaceInfo trackMaxByBuf(byte[] bufs, int len);
// 人脸检测（返回检测到的最大人脸）matAddr为opencv的视频帧地址
public static native TrackFaceInfo trackMaxByMat(long matAddr);
// 获取人脸属性(传入图片路径)
public static native String faceAttr(String filePath);
// 获取人脸属性(传入二进制图片buffer)
public static native String faceAttrByBuf(byte[] bufs, int len);
// 获取人脸属性(传入opencv视频帧)
public static native String faceAttrByMat(long matAddr);
// 获取人脸属性(传入opencv视频帧和前期检测到的人脸信息，适应于多人脸)
public static native String faceAttrByFace(long matAddr, TrackFaceInfo info);
// 传入图片获取人脸质量
public static native String faceQuality(String filePath);
// 传入二进制图片buffer获取人脸质量
public static native String faceQualityByBuf(byte[] bufs, int len);
// 传入opencv视频帧获取人脸质量
public static native String faceQualityByMat(long matAddr);
// 传入opencv视频帧及检测到人脸信息，适应于多人脸
public static native String faceQualityByFace(long matAddr, TrackFaceInfo info);
// 人脸注册(传图片地址)
public static native String userAdd(String userId, String groupId, String fileName, String userInfo);
// 人脸注册(传二进制图片buf）
public static native String userAddByBuf(String userId, String groupId, byte[] bufs, int bufLen, String userInfo);
// 人脸注册(传特征值）
public static native String userAddByFeature(String userId, String groupId, byte[] feas, int feaLen,
String userInfo);
// 人脸更新
public static native String userUpdate(String userId, String groupId, String fileName, String userInfo);
// 人脸更新(传二进制图片buf）
public static native String userUpdateByBuf(String userId, String groupId, byte[] bufs, int bufLen,
String userInfo);
// 人脸删除
public static native String userFaceDelete(String userId, String groupId, String faceToken);
// 用户删除
public static native String userDelete(String userId, String groupId);
// 组添加
public static native String groupAdd(String groupId);
// 组删除
public static native String groupDelete(String groupId);
// 查询用户信息
public static native String getUserInfo(String userId, String groupId);
// 用户组列表查询
public static native String getUserList(String groupId, int start, int length);
// 组列表查询
public static native String getGroupList(int start, int length);
// 1:1人脸对比(传图片路径)
public static native String match(String image1, String image2);
// 人脸对比（传入opencv视频帧）
public static native String matchByMat(long matAddr1, long matAddr2);
// 1:N人脸识别
public static native String identify(String image, String groupIdList, String userId, int userTopNum);
// 1:N人脸识别(和整个库比较,需要提前调loadDbFace（）)
public static native String identifyDB(String image, int userTopNum);
// 1:N人脸识别(传入opencv视频帧)
public static native String identifyByMat(long matAddr, String groupIdList, String userId, int userTopNum);
// 1:N人脸识别(传入opencv视频帧)(和整个库比较,需要提前调loadDbFace（）)
public static native String identifyByMatDB(long matAddr, int userTopNum);
// 1:N人脸识别(传入二进制图片buf)
public static native String identifyByBuf(byte[] bufs, int bufLen, String groupIdList, String userId,
int userTopNum);
// 1:N人脸识别(传入二进制图片buf)(和整个库比较,需要提前调loadDbFace（）)
public static native String identifyByBufDB(byte[] bufs, int bufLen, int userTopNum);
// 1:N人脸识别(传入特征值feature)
public static native String identifyByFeature(byte[] features, int feaLen, String groupIdList, String userId,
int userTopNum);
// 1:N人脸识别(传入特征值feature)(和整个库比较,需要提前调loadDbFace（）)
public static native String identifyByFeatureDB(byte[] features, int feaLen, int userTopNum);
// 加载数据库人脸库到内存（数据库数据通过userAdd等注册入库）
public static native boolean loadDbFace();
// 以下为人脸参数设置
// 非人脸的置信度阈值，取值范围0~1，取0则认为所有检测出来的结果都是人脸，默认0.5
public static native void setNotFaceThr(float thr);
// 最小人脸尺寸：需要检测到的最小人脸尺寸，比如需要检测到30*30的人脸则设置为30，
// 该尺寸占图像比例越小则检测速度越慢，具体请参考性能指标章节。默认值30
public static native void setMinFaceSize(int size);
// 跟踪到目标后执行检测的时间间隔，单位毫秒，默认300，值越小越会更快发现新目标，但是cpu占用率会提高、处理速度变慢
public static native void setTrackByDetectionInterval(int intervalInMs);
// 未跟踪到目标时的检测间隔，单位毫秒，默认300，值越小越快发现新目标，但是cpu占用率会提高、处理速度变慢
public static native void setDetectInVideoInterval(int intervalInMs);
// 清除跟踪到的人脸信息
public static native void clearTrackedFaces();
// 获取特征值(通过传入图片地址,返回2048个byte）
public static native byte[] getFaceFeature(String image);
// 获取特征值（通过传入opencv视频帧,返回2048个byte)
public static native byte[] getFaceFeatureByMat(long mat);
// 获取特征值（传入二进制图片buf,返回2048个byte）
public static native byte[] getFaceFeatureByBuf(byte[] bufs, int bufLen);
// 获取特征值（传入opencv视频帧和需要获取特征值的人脸信息，适应于多人脸）
public static native byte[] getFaceFeatureByFace(long mat, TrackFaceInfo info);
// 特征值比较
public static native float compareFeature(byte[] f1, int f1Len, byte[] f2, int f2Len);
// 活体
// rgb+ir(可见光+红外双目活体)(传入图片二进制buf)
public static native RgbIrInfo rgbAndIrLivenessCheckByBuf(byte[] rgbBufs, int rgbLen, byte[] irBufs, int irLen);
// rgb+ir(可见光+红外双目活体)(传入opencv视频帧)
public static native RgbIrInfo rgbAndIrLivenessCheckByMat(long rgbAddr, long irAddr);
// rgb+depth(可见光+深度双目活体)(传入图片二进制buf)
public static native RgbDepthInfo rgbAndDepthLivenessCheckByBuf(byte[] rgbBufs, int rgbLen, byte[] depthBufs,
int depthLen);
// rgb+depth(可见光+深度双目活体)(传入opencv视频帧)
public static native RgbDepthInfo rgbAndDepthLivenessCheckByMat(long rgbAddr, long depthAddr);
// 初始化奥比mini摄像头
public static native long newOrbeMini();
// 打开奥比mini摄像头
public static native int openOrbeMini(long camera, long rgbAddr, long depthAddr);
// 释放奥比mini摄像头
public static native void deleteOrbeMini(long addr);
// 初始化奥比deeyea或atlas摄像头（同时适应于deeyea镜头或atlas镜头）
public static native long newOrbeDeeyea();
// 打开奥比deeyea或atlas摄像头（同时适应于deeyea镜头或atlas镜头）
public static native int openOrbeDeeyea(long camera, long rgbAddr, long depthAddr);
// 释放奥比deeyea或atlas摄像头（同时适应于deeyea镜头或atlas镜头）
public static native void deleteOrbeDeeyea(long addr);
// 初始化华杰艾米摄像头
public static native long newHjimi();
// 打开华杰艾米摄像头
public static native boolean openHjimi(long camera, long rgbAddr, long depthAddr);
// 释放华杰艾米摄像头
public static native void deleteHjimi(long addr);
static {
// 加载dll
System.loadLibrary("BaiduFaceApi");
System.loadLibrary("opencv_java320");
}
public static void main(String[] args) {
// sdk初始化
Face api = new Face();
// 初始化sdk
// 若采用证件照模式，请把id_card设为true，否则为false，证件照模式和非证件照模式提取的人脸特征值不同，
// 不能混用
boolean idCard = false;
api.sdkInit(idCard);
// 获取设备指纹
String deviceId = api.getDeviceId();
System.out.println("device id is:" + deviceId);
// 人脸设置
FaceSetting faceSet = new FaceSetting();
faceSet.testFaceSetting();
// 加载数据库到内存（前提是通过了user_add等添加数据到数据库后数据库有数据)
// api.loadDbFace();
// 人脸属性
FaceAttr faceAttr = new FaceAttr();
//faceAttr.testFaceAttr();
// 人脸质量
// FaceQuality faceQual = new FaceQuality();
// faceQual.testFaceQuality();
// 人脸检测
//FaceTrack track = new FaceTrack();
// track.testFaceTrack();
// track.testFaceTrackMax();
// 人脸管理
//FaceManager faceMag = new FaceManager();
// faceMag.testFaceManager();
// 人脸比较
FaceCompare faceCom = new FaceCompare();
faceCom.testFaceCompare();
// 双目活体(rgb+ir和rgb+depth)
//FaceLiveness faceLiveness = new FaceLiveness();
//faceLiveness.testFaceLiveness();
System.out.println("end face");
}
}
里边的方法很齐全啊~~~~
把SDK融合到我们自己的项目，很多坑…
将baiduDaceApi.dll放进项目根目录，
是不是很奇怪，为什么不和Controller放在同一层的…因为百度不让我放…这个这个问题，我纠结了一下午啊，Face中，你用哪个方法就把那个方法copy过来就行。我们是直接使用人脸图片做的识别，没有取特征。
以下代码是将人脸图片，添加人脸库
userAdd参数为（用户id，分组，人脸图片地址，(需是本地)，用户信息）
//初始化
Face.discern();
//将识别人脸图片添加到人脸库
//TODO
//是否需要根据userid反查人脸库
String register = Face.userAdd(jobnumber, "0", filePath2 + '\\' + fileRealName, "");
Face.clearTrackedFaces();
//将返回结果转为JSON判断采集是否成功
JSONObject json = JSONObject.fromObject(register);
int errno = (Integer) json.get("errno");
if (errno != 0) {
resultMsg.setCode("0");
resultMsg.setMsg("失败");
return resultMsg;
}
以下代码是识别
//初始化
Face.discern();
//识别图片地址本地路径,分组，userid为空则全库扫描，识别结果数量
String res = Face.identify(filePath2 + "\\" + fileRealName, "0", "", 1);
//返回结果转JSON
JSONObject json = JSONObject.fromObject(res);
//识别是否成功
int errno = (Integer) json.get("errno");
//0识别成功
if(errno == 0){
//识别度，大于70成功
double score = Double.parseDouble((json.getJSONObject("data").getJSONArray("result").getJSONObject(0).getString("score")));
if(score >= 70){
String jobnumber = json.getJSONObject("data").getJSONArray("result").getJSONObject(0).getString("user_id");
SysUser sysUser = faceInfoService.getUserInfo(jobnumber);
以下是识别完成后的group_id分组id，score就是人脸对比的百分比，user_id,用户id
就写到这吧继续码代码去了，有问题可以联系我，android端的采集还在看，后续还会更新…
1161
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
