智能门禁（6）---调用face++实现人脸检测

最新推荐文章于 2022-02-15 20:39:38 发布
最新推荐文章于 2022-02-15 20:39:38 发布
阅读量605 收藏 2
点赞数
分类专栏： 智能门禁

人脸识别（一）调用face++实现人脸检测

2017年下半年以来，随着iPhoneX的人脸解锁功能把人脸识别这一黑科技带入大家的视野中之后，各种有关人脸识别功能的新闻和报道层出不穷。不仅是对普通群众来说，对我们程序猿来说，百度，微软，阿里等各大公司推出的可供调用的人脸识别api也如雨后春笋一般冒出来。鉴于公司以后业务发展需要，同时也是个人兴趣所致，对调用其他公司api实现人脸识别进行了一定的技术调研，于是调研成果写成几篇博客分享出来，供大家一起交流与学习。 
今天主要来看face++这加公司的人脸识别api，选这家公司作为调研对象主要原因还是这家公司的在人脸识别上还是做得比较好的。支付宝，神州，世纪佳缘，联想都使用了这家公司的人脸识别技术。光从用户上来看实力还是得到承认的。这里把face++的官网贴出来：face++官网。感兴趣的童鞋可以去看一下。话不多说，先来看我用官方例子调用的代码：

package com.example.demo;

import java.io.ByteArrayOutputStream;
import java.io.DataOutputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.net.HttpURLConnection;
import java.net.URL;
import java.net.URLEncoder;
import java.util.HashMap;
import java.util.Iterator;
import java.util.Map;
import java.util.Random;

import javax.net.ssl.SSLException;

public class FacePlus {
public static void main(String[] args) throws Exception{

        File file = new File("C:\\Users\\lenovo\\Desktop\\4034970a304e251f535c3f9ba486c9177f3e532e.jpg");
        byte[] buff = getBytesFromFile(file);
        String url = "https://api-cn.faceplusplus.com/facepp/v3/detect";
        HashMap<String, String> map = new HashMap<>();
        HashMap<String, byte[]> byteMap = new HashMap<>();
        map.put("api_key", "your api key");
        map.put("api_secret", "your api secrect");
        map.put("return_landmark", "1");
        map.put("return_attributes", "gender,age,smiling,headpose,facequality,blur,eyestatus,emotion,ethnicity,beauty,mouthstatus,eyegaze,skinstatus");
        byteMap.put("image_file", buff);
        try{
            byte[] bacd = post(url, map, byteMap);
            String str = new String(bacd);
            System.out.println(str);
        }catch (Exception e) {
            e.printStackTrace();
        }
    }

    private final static int CONNECT_TIME_OUT = 30000;
    private final static int READ_OUT_TIME = 50000;
    private static String boundaryString = getBoundary();
    protected static byte[] post(String url, HashMap<String, String> map, HashMap<String, byte[]> fileMap) throws Exception {
        HttpURLConnection conne;
        URL url1 = new URL(url);
        conne = (HttpURLConnection) url1.openConnection();
        conne.setDoOutput(true);
        conne.setUseCaches(false);
        conne.setRequestMethod("POST");
        conne.setConnectTimeout(CONNECT_TIME_OUT);
        conne.setReadTimeout(READ_OUT_TIME);
        conne.setRequestProperty("accept", "*/*");
        conne.setRequestProperty("Content-Type", "multipart/form-data; boundary=" + boundaryString);
        conne.setRequestProperty("connection", "Keep-Alive");
        conne.setRequestProperty("user-agent", "Mozilla/4.0 (compatible;MSIE 6.0;Windows NT 5.1;SV1)");
        DataOutputStream obos = new DataOutputStream(conne.getOutputStream());
        Iterator iter = map.entrySet().iterator();
        while(iter.hasNext()){
            Map.Entry<String, String> entry = (Map.Entry) iter.next();
            String key = entry.getKey();
            String value = entry.getValue();
            obos.writeBytes("--" + boundaryString + "\r\n");
            obos.writeBytes("Content-Disposition: form-data; name=\"" + key
                    + "\"\r\n");
            obos.writeBytes("\r\n");
            obos.writeBytes(value + "\r\n");
        }
        if(fileMap != null && fileMap.size() > 0){
            Iterator fileIter = fileMap.entrySet().iterator();
            while(fileIter.hasNext()){
                Map.Entry<String, byte[]> fileEntry = (Map.Entry<String, byte[]>) fileIter.next();
                obos.writeBytes("--" + boundaryString + "\r\n");
                obos.writeBytes("Content-Disposition: form-data; name=\"" + fileEntry.getKey()
                        + "\"; filename=\"" + encode(" ") + "\"\r\n");
                obos.writeBytes("\r\n");
                obos.write(fileEntry.getValue());
                obos.writeBytes("\r\n");
            }
        }
        obos.writeBytes("--" + boundaryString + "--" + "\r\n");
        obos.writeBytes("\r\n");
        obos.flush();
        obos.close();
        InputStream ins = null;
        int code = conne.getResponseCode();
        try{
            if(code == 200){
                ins = conne.getInputStream();
            }else{
                ins = conne.getErrorStream();
            }
        }catch (SSLException e){
            e.printStackTrace();
            return new byte[0];
        }
        ByteArrayOutputStream baos = new ByteArrayOutputStream();
        byte[] buff = new byte[4096];
        int len;
        while((len = ins.read(buff)) != -1){
            baos.write(buff, 0, len);
        }
        byte[] bytes = baos.toByteArray();
        ins.close();
        return bytes;
    }
    private static String getBoundary() {
        StringBuilder sb = new StringBuilder();
        Random random = new Random();
        for(int i = 0; i < 32; ++i) {
            sb.append("ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789_-".charAt(random.nextInt("ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789_".length())));
        }
        return sb.toString();
    }
    private static String encode(String value) throws Exception{
        return URLEncoder.encode(value, "UTF-8");
    }

    public static byte[] getBytesFromFile(File f) {
        if (f == null) {
            return null;
        }
        try {
            FileInputStream stream = new FileInputStream(f);
            ByteArrayOutputStream out = new ByteArrayOutputStream(1000);
            byte[] b = new byte[1000];
            int n;
            while ((n = stream.read(b)) != -1)
                out.write(b, 0, n);
            stream.close();
            out.close();
            return out.toByteArray();
        } catch (IOException e) {
        }
        return null;
    }
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71
  • 72
  • 73
  • 74
  • 75
  • 76
  • 77
  • 78
  • 79
  • 80
  • 81
  • 82
  • 83
  • 84
  • 85
  • 86
  • 87
  • 88
  • 89
  • 90
  • 91
  • 92
  • 93
  • 94
  • 95
  • 96
  • 97
  • 98
  • 99
  • 100
  • 101
  • 102
  • 103
  • 104
  • 105
  • 106
  • 107
  • 108
  • 109
  • 110
  • 111
  • 112
  • 113
  • 114
  • 115
  • 116
  • 117
  • 118
  • 119
  • 120
  • 121
  • 122
  • 123
  • 124
  • 125
  • 126
  • 127
  • 128
  • 129
  • 130
  • 131
  • 132
  • 133
  • 134
  • 135
  • 136
  • 137

代码用java写的，首先new一个file，传入你要检测的人脸的路径，然后用io流将它转换为byte数组。将你要传入的参数和图片的byte数组装入两个HashMap中。说一下这里传入的参数，api_key和api_secret这两个参数是你创建的face++账户后给你的。创建账户很简单你只需要去face++的官网用邮箱或者手机号注册一下就行，不需要花钱即可长期免费使用face++的api，只是免费的账号对调用的并发量进行了限制。对于我们初期的调研测试及一些小的需求用例来说，这并不造成任何影响。所以只管去申请一个就行了。后面的参数return_landmark 表示要检测的人脸的关键点，参数设为1表示要检测83个人脸关键点，传2表示要检测106个关键点，传0表示不检测，利用这个我们可以设置人脸检测的严格程度。再往后走，return_attributes 表示返回的检测参数，可选的有gender,age,smiling,headpose,facequality,blur,eyestatus,emotion,ethnicity,beauty,mouthstatus,eyegaze,skinstatus这些参数。分别表示性别，年龄，笑容分析结果，是否佩戴眼镜，人脸姿势，人脸模糊，眼睛状态信息，情绪识别结果，人脸质量判断结果（这个参数很关键），人种分析结果，颜值识别结果，嘴部状态信息，眼球位置与视线方向信息，面部特征识别结果。运行上面这段程序，返回json字符串如下：

{"image_id": "9nXe3gisuOcnPc9aJ7VpWw==", "request_id": "1514123739,b2e92c18-9ac3-4953-9ced-c9887e3ce533", "time_used": 303, "faces": [{"landmark": {"mouth_upper_lip_left_contour2": {"y": 304, "x": 173}, "mouth_upper_lip_left_contour3": {"y": 309, "x": 177}, "mouth_lower_lip_right_contour3": {"y": 321, "x": 209}, "mouth_upper_lip_left_contour1": {"y": 301, "x": 186}, "left_eye_upper_left_quarter": {"y": 200, "x": 140}, "left_eyebrow_lower_middle": {"y": 183, "x": 144}, "contour_chin": {"y": 378, "x": 197}, "left_eyebrow_lower_left_quarter": {"y": 185, "x": 126}, "right_eyebrow_lower_left_quarter": {"y": 187, "x": 238}, "mouth_lower_lip_right_contour1": {"y": 311, "x": 214}, "mouth_lower_lip_left_contour2": {"y": 315, "x": 170}, "left_eye_bottom": {"y": 212, "x": 151}, "mouth_lower_lip_bottom": {"y": 322, "x": 195}, "contour_left9": {"y": 374, "x": 170}, "mouth_lower_lip_top": {"y": 311, "x": 195}, "right_eyebrow_upper_middle": {"y": 176, "x": 257}, "right_eyebrow_left_corner": {"y": 185, "x": 221}, "right_eye_bottom": {"y": 213, "x": 250}, "contour_left7": {"y": 345, "x": 130}, "contour_left6": {"y": 326, "x": 115}, "contour_left5": {"y": 304, "x": 105}, "contour_left4": {"y": 280, "x": 99}, "contour_left3": {"y": 255, "x": 97}, "contour_left2": {"y": 231, "x": 95}, "contour_left1": {"y": 207, "x": 95}, "left_eye_lower_left_quarter": {"y": 210, "x": 140}, "mouth_upper_lip_top": {"y": 303, "x": 195}, "contour_right3": {"y": 260, "x": 297}, "contour_right2": {"y": 237, "x": 301}, "mouth_left_corner": {"y": 308, "x": 160}, "contour_right4": {"y": 283, "x": 293}, "contour_right7": {"y": 346, "x": 262}, "left_eyebrow_left_corner": {"y": 189, "x": 110}, "nose_right": {"y": 270, "x": 226}, "right_eye_upper_right_quarter": {"y": 205, "x": 261}, "nose_tip": {"y": 263, "x": 197}, "contour_right5": {"y": 306, "x": 286}, "nose_contour_lower_middle": {"y": 280, "x": 198}, "right_eye_top": {"y": 202, "x": 249}, "mouth_lower_lip_left_contour3": {"y": 320, "x": 181}, "right_eye_right_corner": {"y": 211, "x": 271}, "right_eye_lower_right_quarter": {"y": 213, "x": 260}, "mouth_upper_lip_right_contour2": {"y": 306, "x": 219}, "right_eyebrow_lower_right_quarter": {"y": 191, "x": 273}, "left_eye_left_corner": {"y": 207, "x": 130}, "mouth_right_corner": {"y": 312, "x": 234}, "mouth_upper_lip_right_contour3": {"y": 311, "x": 214}, "right_eye_lower_left_quarter": {"y": 212, "x": 240}, "left_eyebrow_right_corner": {"y": 184, "x": 181}, "left_eyebrow_lower_right_quarter": {"y": 184, "x": 162}, "right_eye_center": {"y": 209, "x": 250}, "left_eye_upper_right_quarter": {"y": 201, "x": 164}, "mouth_lower_lip_left_contour1": {"y": 310, "x": 178}, "contour_left8": {"y": 361, "x": 148}, "nose_left": {"y": 269, "x": 171}, "right_eyebrow_lower_middle": {"y": 188, "x": 256}, "left_eye_top": {"y": 198, "x": 152}, "left_eye_center": {"y": 206, "x": 152}, "left_eye_lower_right_quarter": {"y": 211, "x": 163}, "nose_contour_right1": {"y": 213, "x": 214}, "contour_right9": {"y": 374, "x": 223}, "right_eye_left_corner": {"y": 210, "x": 230}, "left_eyebrow_upper_left_quarter": {"y": 175, "x": 124}, "left_eye_pupil": {"y": 204, "x": 152}, "right_eyebrow_upper_left_quarter": {"y": 176, "x": 238}, "contour_right8": {"y": 362, "x": 245}, "right_eyebrow_right_corner": {"y": 195, "x": 289}, "right_eye_upper_left_quarter": {"y": 204, "x": 239}, "left_eyebrow_upper_middle": {"y": 171, "x": 144}, "right_eyebrow_upper_right_quarter": {"y": 181, "x": 275}, "nose_contour_left1": {"y": 212, "x": 185}, "nose_contour_left2": {"y": 252, "x": 177}, "mouth_upper_lip_right_contour1": {"y": 302, "x": 204}, "contour_right1": {"y": 213, "x": 302}, "nose_contour_right2": {"y": 253, "x": 220}, "mouth_lower_lip_right_contour2": {"y": 317, "x": 222}, "contour_right6": {"y": 327, "x": 276}, "nose_contour_right3": {"y": 276, "x": 212}, "nose_contour_left3": {"y": 276, "x": 183}, "left_eye_right_corner": {"y": 209, "x": 173}, "left_eyebrow_upper_right_quarter": {"y": 173, "x": 164}, "right_eye_pupil": {"y": 207, "x": 250}, "mouth_upper_lip_bottom": {"y": 310, "x": 195}}, "attributes": {"emotion": {"sadness": 0.0, "neutral": 100.0, "disgust": 0.0, "anger": 0.0, "surprise": 0.0, "fear": 0.0, "happiness": 0.0}, "beauty": {"female_score": 79.73, "male_score": 80.154}, "gender": {"value": "Male"}, "age": {"value": 26}, "mouthstatus": {"close": 100.0, "surgical_mask_or_respirator": 0.0, "open": 0.0, "other_occlusion": 0.0}, "glass": {"value": "None"}, "skinstatus": {"dark_circle": 59.871, "stain": 66.202, "acne": 92.027, "health": 5.441}, "headpose": {"yaw_angle": 5.8753686, "pitch_angle": 7.470607, "roll_angle": 1.2101119}, "blur": {"blurness": {"threshold": 50.0, "value": 0.37}, "motionblur": {"threshold": 50.0, "value": 0.37}, "gaussianblur": {"threshold": 50.0, "value": 0.37}}, "smile": {"threshold": 30.1, "value": 1.27}, "eyestatus": {"left_eye_status": {"normal_glass_eye_open": 0.001, "no_glass_eye_close": 0.0, "occlusion": 0.0, "no_glass_eye_open": 99.999, "normal_glass_eye_close": 0.0, "dark_glasses": 0.0}, "right_eye_status": {"normal_glass_eye_open": 0.012, "no_glass_eye_close": 0.0, "occlusion": 0.0, "no_glass_eye_open": 99.988, "normal_glass_eye_close": 0.0, "dark_glasses": 0.0}}, "facequality": {"threshold": 70.1, "value": 87.66}, "ethnicity": {"value": "White"}, "eyegaze": {"right_eye_gaze": {"position_x_coordinate": 0.47, "vector_z_component": 0.961, "vector_x_component": 0.031, "vector_y_component": -0.274, "position_y_coordinate": 0.451}, "left_eye_gaze": {"position_x_coordinate": 0.507, "vector_z_component": 0.906, "vector_x_component": -0.075, "vector_y_component": -0.417, "position_y_coordinate": 0.429}}}, "face_rectangle": {"width": 207, "top": 169, "left": 95, "height": 207}, "face_token": "7a1d92282a7b6b31bbc65277cba413c2"}]}
  • 1

这时我随便选的一张照片放上去的分析结果，虽然有点乱，不过重要在展示一下调用结果。官网上有一个示例调用结果：

{
    "image_id": "Dd2xUw9S/7yjr0oDHHSL/Q==",
    "request_id": "1470472868,dacf2ff1-ea45-4842-9c07-6e8418cea78b",
    "time_used": 752,
    "faces": [{
        "landmark": {
            "mouth_upper_lip_left_contour2": {
                "y": 185,
                "x": 146
            },
            "contour_chin": {
                "y": 231,
                "x": 137
            },
            .............省略关键点信息 
            "right_eye_pupil": {
                "y": 146,
                "x": 205
            },
            "mouth_upper_lip_bottom": {
                "y": 195,
                "x": 159
            }
        },
        "attributes": {
            "gender": {
                "value": "Female"
            },
            "age": {
                "value": 21
            },
            "glass": {
                "value": "None"
            },
            "headpose": {
                "yaw_angle": -26.625063,
                "pitch_angle": 12.921974,
                "roll_angle": 22.814377
            },
            "smile": {
                "threshold": 30.1,
                "value": 2.566890001296997
            }
        },
        "face_rectangle": {
            "width": 140,
            "top": 89,
            "left": 104,
            "height": 141
        },
        "face_token": "ed319e807e039ae669a4d1af0922a0c8"
    }]
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53

实际上就是带着一大串参数的json字符串。讲完了基本的调用我们先来实现一个简单点的需求：

  • 在web应用中调用摄像头，拍下电脑前人的照片，把照片传到后台调用api再把结果传到前台。

先来实现这个简单的demo吧，后面再讲一讲更复杂的业务。我先用springboot建个项目，如下图：

这里写图片描述

引入关键的web包：

这里写图片描述

然后运行xxxApplication.java类，因为springboot自带tomcat服务器，所以不必将它放在服务器中运行就可以直接启动项目。话说springboot真是好用，又不用写一大堆配置文件，又不需要主动去找一大堆的maven依赖，直接点点点就完了，简直不要太爽。扯远了，先来看看实现效果：

这里写图片描述

一进入页面就调用摄像头将用户的头像显示在页面上（不要在意马赛克），此时，点击拍照结果如下：

这里写图片描述

点击拍照之后，会将用户的照片显示在右侧，同时将照片传入后台解析，调用api将照片传给face++检测，得到检测结果返回给前端并将结果显示在右侧文本框中。ps:由于本人摄像头及现场光线原因，拍出的照片有些模糊造成显示的年龄信息不准确（博主TM哪有45啊！！）。 
接下来把源码贴出来，先看前台网页：

<!DOCTYPE html>    
<html>    
    <head>    
        <meta charset="utf-8">    
        <title>face++</title>    
        <style>  
        video,canvas{  
            border:1px solid gray;  
            width:400px;  
            height:400px;  
            border-radius:50%;  
        }     
        </style>  
    </head>    
    <body>    
       <video autoplay style="position: absolute;left: 1%"></video>  
        <canvas id="myCanvas" style="position: absolute;left: 30%;"></canvas>  
        <button id="capture" style="position: absolute;left: 30%;top: 55%">拍照</button>
        <div id="attr" style="position: absolute;right: 200px">
            性别：<input type="text" id="sex">
            <br><br><br><br><br><br>
            年龄：<input type="text" id="age">
                <br><br><br><br><br><br>
            微笑程度：<input type="text" id="smile">
                <br><br><br><br><br><br>
            开心程度：<input type="text" id="emotion">
                <br><br>
        </div>  
       <script src="http://code.jquery.com/jquery-latest.js"></script>
        <script type="text/javascript">
        function hasUserMedia(){//判断是否支持调用设备api，因为浏览器不同所以判断方式不同哦    
            return !!(navigator.getUserMedia || navigator.webkitGetUserMedia || navigator.mozGetUserMedia || navigator.msGetUserMedia);    
        }    
        if(hasUserMedia()){    
            //alert(navigator.mozGetUserMedia)    
            navigator.getUserMedia = navigator.getUserMedia || navigator.webkitGetUserMedia || navigator.mozGetUserMedia || navigator.msGetUserMedia;    
            var video=document.querySelector("video");    
            var canvas=document.querySelector("canvas");  
            var streaming = false;  
            navigator.getUserMedia({    
                video:true,//开启视频    
                audio:false//先关闭音频，因为会有回响，以后两台电脑通信不会有响声    
            },function(stream){//将视频流交给video    
                video.src=window.URL.createObjectURL(stream);     
                streaming = true;  
            },function(err){    
                console.log("capturing",err)    
            });    
            document.querySelector("#capture").addEventListener("click",function(event){  
                if(streaming){  
                    //alert(video.clientHeight)  
                    //canvas.width = video.clientWidth;  
                    //canvas.height= video.clientHeight;  
                    canvas.width = 800;  
                    canvas.height = 800;  
                    var context = canvas.getContext('2d');  

                    context.drawImage(video,20,20)  

                     var info = {
                            imgString: canvas.toDataURL("image/png")
                        }

                    $.post("/face",info,function(data){
                        console.log(data);

                        $("#sex").val(JSON.stringify(data.faces[0].attributes.gender.value))
                        $("#age").val(JSON.stringify(data.faces[0].attributes.age.value))
                        $("#smile").val(JSON.stringify(data.faces[0].attributes.smile.value))
                        $("#emotion").val(JSON.stringify(data.faces[0].attributes.emotion.happiness))


                    },"json") 


                }  
            })  
        }else{    
            alert("浏览器暂不支持")    
        }   


        </script>   

    </body>    
</html>
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71
  • 72
  • 73
  • 74
  • 75
  • 76
  • 77
  • 78
  • 79
  • 80
  • 81
  • 82
  • 83
  • 84
  • 85
  • 86

前端页面写的简单粗暴了一点，主要是此处重在实现功能，页面以后可以交给前端和UI来优化。前台我采用了webrtc技术去调用摄像头。webrtc可以理解为是一种在浏览器中用javascript调用摄像头并进行流传输的技术，感兴趣的童鞋可以自行百度一下。 
将摄像头采集到的视频放入html5的video标签中，然后使用canvas.toDataURL(“image/png”)将得到某一帧的图片转换为base64编码过的字符串，然后将该字符串用ajax发送到后台，后台代码：

package com.example.demo;

import java.io.ByteArrayOutputStream;
import java.io.DataOutputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.net.HttpURLConnection;
import java.net.URL;
import java.net.URLEncoder;
import java.util.HashMap;
import java.util.Iterator;
import java.util.Map;
import java.util.Random;

import javax.net.ssl.SSLException;

import org.springframework.stereotype.Controller;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.ResponseBody;

import sun.misc.BASE64Decoder;

@Controller
public class TestController {

    @RequestMapping(value="/face")
    @ResponseBody
    public String getFace(String imgString) throws IOException {
        System.out.println(imgString);
        System.out.println(imgString.substring(imgString.indexOf(",")+1));
        byte[] buff = getStringImage(imgString.substring(imgString.indexOf(",")+1));
        String url = "https://api-cn.faceplusplus.com/facepp/v3/detect";
        HashMap<String, String> map = new HashMap<>();
        HashMap<String, byte[]> byteMap = new HashMap<>();
        map.put("api_key", "1ewiKTxhRrctByKOrdrfMC8Nt3BUyi6S");
        map.put("api_secret", "L10UARcTmmQzWlPHytExSgU1JQbPMnz3");
//      map.put("return_landmark", "1");
        map.put("return_attributes", "gender,age,smiling,headpose,facequality,blur,eyestatus,emotion,ethnicity,beauty,mouthstatus,eyegaze,skinstatus");
        byteMap.put("image_file", buff);
        String str =null;
        try{
            byte[] bacd = post(url, map, byteMap);
           str = new String(bacd);
            System.out.println(str);
        }catch (Exception e) {
            e.printStackTrace();
        }

        return str;
    }
    /**
     * Base64字符串转 二进制流
     *
     * @param base64String Base64
     * @return base64String
     * @throws IOException 异常
     */
    public static byte[] getStringImage(String base64String) throws IOException {
        BASE64Decoder decoder = new sun.misc.BASE64Decoder();
        return base64String != null ? decoder.decodeBuffer(base64String) : null;
    }



    private final static int CONNECT_TIME_OUT = 30000;
    private final static int READ_OUT_TIME = 50000;
    private static String boundaryString = getBoundary();
    protected static byte[] post(String url, HashMap<String, String> map, HashMap<String, byte[]> fileMap) throws Exception {
        HttpURLConnection conne;
        URL url1 = new URL(url);
        conne = (HttpURLConnection) url1.openConnection();
        conne.setDoOutput(true);
        conne.setUseCaches(false);
        conne.setRequestMethod("POST");
        conne.setConnectTimeout(CONNECT_TIME_OUT);
        conne.setReadTimeout(READ_OUT_TIME);
        conne.setRequestProperty("accept", "*/*");
        conne.setRequestProperty("Content-Type", "multipart/form-data; boundary=" + boundaryString);
        conne.setRequestProperty("connection", "Keep-Alive");
        conne.setRequestProperty("user-agent", "Mozilla/4.0 (compatible;MSIE 6.0;Windows NT 5.1;SV1)");
        DataOutputStream obos = new DataOutputStream(conne.getOutputStream());
        Iterator iter = map.entrySet().iterator();
        while(iter.hasNext()){
            Map.Entry<String, String> entry = (Map.Entry) iter.next();
            String key = entry.getKey();
            String value = entry.getValue();
            obos.writeBytes("--" + boundaryString + "\r\n");
            obos.writeBytes("Content-Disposition: form-data; name=\"" + key
                    + "\"\r\n");
            obos.writeBytes("\r\n");
            obos.writeBytes(value + "\r\n");
        }
        if(fileMap != null && fileMap.size() > 0){
            Iterator fileIter = fileMap.entrySet().iterator();
            while(fileIter.hasNext()){
                Map.Entry<String, byte[]> fileEntry = (Map.Entry<String, byte[]>) fileIter.next();
                obos.writeBytes("--" + boundaryString + "\r\n");
                obos.writeBytes("Content-Disposition: form-data; name=\"" + fileEntry.getKey()
                        + "\"; filename=\"" + encode(" ") + "\"\r\n");
                obos.writeBytes("\r\n");
                obos.write(fileEntry.getValue());
                obos.writeBytes("\r\n");
            }
        }
        obos.writeBytes("--" + boundaryString + "--" + "\r\n");
        obos.writeBytes("\r\n");
        obos.flush();
        obos.close();
        InputStream ins = null;
        int code = conne.getResponseCode();
        try{
            if(code == 200){
                ins = conne.getInputStream();
            }else{
                ins = conne.getErrorStream();
            }
        }catch (SSLException e){
            e.printStackTrace();
            return new byte[0];
        }
        ByteArrayOutputStream baos = new ByteArrayOutputStream();
        byte[] buff = new byte[4096];
        int len;
        while((len = ins.read(buff)) != -1){
            baos.write(buff, 0, len);
        }
        byte[] bytes = baos.toByteArray();
        ins.close();
        return bytes;
    }
    private static String getBoundary() {
        StringBuilder sb = new StringBuilder();
        Random random = new Random();
        for(int i = 0; i < 32; ++i) {
            sb.append("ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789_-".charAt(random.nextInt("ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789_".length())));
        }
        return sb.toString();
    }
    private static String encode(String value) throws Exception{
        return URLEncoder.encode(value, "UTF-8");
    }

    public static byte[] getBytesFromFile(File f) {
        if (f == null) {
            return null;
        }
        try {
            FileInputStream stream = new FileInputStream(f);
            ByteArrayOutputStream out = new ByteArrayOutputStream(1000);
            byte[] b = new byte[1000];
            int n;
            while ((n = stream.read(b)) != -1)
                out.write(b, 0, n);
            stream.close();
            out.close();
            return out.toByteArray();
        } catch (IOException e) {
        }
        return null;
    }
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71
  • 72
  • 73
  • 74
  • 75
  • 76
  • 77
  • 78
  • 79
  • 80
  • 81
  • 82
  • 83
  • 84
  • 85
  • 86
  • 87
  • 88
  • 89
  • 90
  • 91
  • 92
  • 93
  • 94
  • 95
  • 96
  • 97
  • 98
  • 99
  • 100
  • 101
  • 102
  • 103
  • 104
  • 105
  • 106
  • 107
  • 108
  • 109
  • 110
  • 111
  • 112
  • 113
  • 114
  • 115
  • 116
  • 117
  • 118
  • 119
  • 120
  • 121
  • 122
  • 123
  • 124
  • 125
  • 126
  • 127
  • 128
  • 129
  • 130
  • 131
  • 132
  • 133
  • 134
  • 135
  • 136
  • 137
  • 138
  • 139
  • 140
  • 141
  • 142
  • 143
  • 144
  • 145
  • 146
  • 147
  • 148
  • 149
  • 150
  • 151
  • 152
  • 153
  • 154
  • 155
  • 156
  • 157
  • 158
  • 159
  • 160
  • 161
  • 162
  • 163

这里用BASE64Decoder包将base64编码的图片转换为byte数组，然后后面的程序就和上面的实例一样了，将byte数组传给face++即可。


zhangbijun1230
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
前端人脸识别--两张脸相似度
weixin_34133829的博客
02-23 1369
本文例子主要写的是如何获取两张脸的相似度, 其余例子参考官网, 博主才疏学浅, 如果有错误, 麻烦大佬们多多指点. face-api.js 传送门: github.com/justadudewh… 代码传送门, 安装即用, 顺手点star, 一天好心情, 例子基于face-api.js github.com/TheKiteRunn… 本人csdn地址: blog.csdn.net/c_kite/a...
人脸识别（2）——人脸匹配
maplelistener的博客
10-08 972
import cv2 import face_recognition import matplotlib.pyplot as plt known_image=cv2.imread("disanzhang.jpg") known_image = face_recognition.load_image_file("disanzhang.jpg") unknown_image=cv2.imread("zipai.jpg") unknown_image = face_recognition.load_imag.
face_recognition_py:基于OpenCV视频人脸识别
05-11
face_recognition_py 本项目基于OpenCV使用Haar级联与dlib库进行人脸检测及实时跟踪，应用LBPH算法开发了一个功能相对完整的人脸识别系统。系统采用sqlite3进行序列化数据存储，能够对陌生人脸闯入进行报警，并拥有基于PyQt5设计的GUI实现。 系统预览 核心框架 人脸采集 数据管理 如何运行？ 以下操作基于Anaconda3环境，并在Windows10 x64上测试。 克隆代码 $ git clone https://github.com/winterssy/face_recognition_py.git $ cd face_recognition_py 创建Python虚拟环境 $ conda create -n opencv python=3.6 $ activate opencv 安装OpenCV $ cd modules $ pip install
人脸识别（一）调用face++实现人脸检测。
zoroduyu的博客
12-17 2万+
2017年下半年以来，随着iPhoneX的人脸解锁功能把人脸识别这一黑科技带入大家的视野中之后，各种有关人脸识别功能的新闻和报道层出不穷。不仅是对普通群众来说，对我们程序猿来说，百度，微软，阿里等各大公司推出的可供调用的人脸识别api也如雨后春笋一般冒出来。鉴于公司以后业务发展需要，同时也是个人兴趣所致，对调用其他公司api实现人脸识别进行了一定的技术调研，于是调研成果写成几篇博客分享出来，供大家一
对前端程序员非常友好的人脸检测接口——face-api.js的介绍和demo
capsize的博客
01-15 8029
Javascript编写的人脸检测接口，可以方便地在前端调用，快速实现人脸检测和识别
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）
热门推荐
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......
智能门禁系统（rc-522+蓝牙控制）.zip
06-24
智能门禁系统（rc-522+蓝牙控制）.zip
基于Face++写的一套人脸门禁系统
12-25
基于face++做的人脸识别门禁系统，也已经实现了远程开锁。
基于opencv与face++人脸识别+树莓派的门禁管理系统设计
最新发布
04-19
项目以树莓派model B为主板，编写python程序实现USB摄像头自动拍照（，试图开门者靠近摄像头并让其对自己正脸拍照，程序拍照后调用opencv与face++的API对照片进行人脸识别并与本地权限人照片（拥有开门权限的有两人...
基于STM32实现的智能门禁系统-源码
10-02
基于STM32实现的智能门禁系统_源码
python实现的基于k-NN的人脸识别算法 附完整代码+数据集.rar
02-06
在信息化高速发展的今天，人们对于一个快速的身分验证方法的需求越来越广泛，从智能手机到门禁，人脸识别似乎成为了一个快速且行之有效的认真途径。本文尝试实现一个基于 k-NN 的人脸识别算法，并从中一窥现代人脸...
人脸识别之基于Face-api的使用
weixin_43847799的博客
01-10 3128
Face-api的github地址： 地址一： 原Face-api地址 最后一次commit还是在两年前 地址二： 维护版本地址 “君子性非异也 善假于物也”在原有基础上不断完善 本文将基于VUE讲解face-api的使用及部分方法： 一、使用 1、安装必要的插件 npm i --save face-api.js npm i --save webrtc-adapter 2、加载需要的 models，如算法模型、轮廓模型、表情模型、年龄等 根据项目需要加载不同的模型，不同的模型有一些区别，按需加载可提升
使用face-api.js人脸识别让照片中的人物自动流汗（自动流汗黄豆/差不多得了）
幻日のヨハネ
05-15 2395
前言 face-api.js 是 JavaScript 生态的一个人脸识别库，自带了训练好的 model，上手成本低，识别效果还算不错。 官方项目：justadudewhohacks / face-api.js 话不多说，差不多得了 ???? ，先进行实战。 实战 准备 model 如果你有现成训练好的 model，可以用自己的，如果没有，我们可以用 face-api 已经给我们准备好的，不过这些准备好的 model 放在了他的仓库中，所以需要把他的仓库 clone 到本地： git clone ht
在浏览器中使用tensorflow.js进行人脸识别的JavaScript API
CSDN人工智能头条
07-02 1万+
作者 | Vincent Mühle编译 | 姗姗出品 | 人工智能头条（公众号ID：AI_Thinker）【导读】随着深度学习方法的应用，浏览器调用人脸识别技术已经得...
face php实例,使用face++实现人脸检测
weixin_33517544的博客
03-12 218
face++人脸检测接口地址参数说明:是否必选参数名类型参数说明必选api_keyString调用此API的API Key必选api_secretString调用此API的API Secret必选image_base64Stringbase64 编码的二进制图片数据可选return_landmarkint是否检测并返回人脸关键点,默认为0不检测，1检测返回 83 个人脸关键点，2检测返回 106 ...
从零开始搭建人脸106点关键点检测模型(一）：准备数据集——调用face++ api检测人脸106关键点
jkjj2015的博客
11-22 4893
无聊的发慌打算写个搭建人脸106点关键点检测模型的简易教程，包括数据集准备，模型搭建，训练以及推理测试，保证简单易懂。第一步，就是数据集的准备。我们首先想到的就是开源的人脸关键点数据集300W,WFLW等。但是开源的缺少106点的数据集，所以我们可以调用face++的api标注106关键点作为我们训练的数据集。（虽然不是很准）。 一.下载数据。 我们选用WFLW数据集的图片（商...
python下的face++ 人脸检测API调用及画特征点和人脸框
DUSY的博客
05-05 2258
本文阐述了调用face++ API的方法，及把接收到的特征点绘制在图片上的方法。 python版本：python 3.6 需要的包：opencv # -*- coding: utf-8 -*- """ Created on Tue Apr 17 17:39:08 2018 @author: DSY """ import cv2 import requests import js...
AI实战：深度学习之人脸识别 Face recognition
Zack的博客
05-17 5673
前言 人脸识别是机器视觉最成熟、最热门的领域，近几年，人脸识别已经逐步超过指纹识别成为生物识别的主导技术。 人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。【人脸识别：来源百度百科】 人脸识别系统主要包括四个组成部分，分别为：人脸图像...
Face++以flow的方式实现人脸检测
mjlong123123的专栏
02-15 1284
我们使用人脸检测sdk进行人脸识别的过程大致可以分为下面几个步骤： 加载model文件并初始化接口 获取授权 调用人脸检测获取关键点 通知描画关键点 释放接口资源 这里的步骤3和4在接收到camera数据后反复执行。我们可以把这几个步骤抽象成数据流来进行封装。face++检测人脸后不断地生成人脸坐标数据，所以整个检测过程就是人脸坐标数据生产的过程，这里与flow的概念对应上了。 face++需要通过处理camera数据来获取人脸关键点，所以camera又是face++人脸检测api的数据提供者。
retinaface+arcface实现人脸识别
11-24
结合RetinaFace和ArcFace，可以实现人脸检测和识别的整个流程。首先使用RetinaFace检测人脸，并获取人脸的位置和边界框。然后，将这些人脸区域图像输入ArcFace网络，提取每个人脸的特征向量。接下来，可以使用这些...

“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