文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

java+opencv如何实现人脸识别功能

2023-06-15 00:50

关注

这篇文章主要介绍了java+opencv如何实现人脸识别功能,具有一定借鉴价值,感兴趣的朋友可以参考下,希望大家阅读完这篇文章之后大有收获,下面让小编带着大家一起了解一下。

Java的特点有哪些

Java的特点有哪些1.Java语言作为静态面向对象编程语言的代表,实现了面向对象理论,允许程序员以优雅的思维方式进行复杂的编程。2.Java具有简单性、面向对象、分布式、安全性、平台独立与可移植性、动态性等特点。3.使用Java可以编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序等。

背景:最近需要用到人脸识别,但又不花钱使用现有的第三方人脸识别接口,为此使用opencv结合java进行人脸识别(ps:opencv是开源的,使用它来做人脸识别存在一定的误差,效果一般)。

安装opencv
官网地址:https://opencv.org/ , 由于官网下载速度是真的慢

百度网盘:

链接: https://pan.baidu.com/s/1RpsP-I7v8pP2dkqALDw7FQ

提取码: pq7v

如果是官网下载,就无脑安装就行了,安装完毕后。

将图一的两个文件复制到图二中。

java+opencv如何实现人脸识别功能
java+opencv如何实现人脸识别功能

从我网盘下载的,忽略这些。

在项目中引入pom依赖

<!-- opencv + javacv + ffmpeg-->        <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>        <!-- 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>

导入库依赖
File --> Project Structure,点击Modules,选择需要使用opencv.jar的项目。

java+opencv如何实现人脸识别功能
java+opencv如何实现人脸识别功能

选择直接opencv安装路径

java+opencv如何实现人脸识别功能
java+opencv如何实现人脸识别功能

java代码demo

package org.Litluecat.utils;import org.apache.commons.lang.StringUtils;import org.opencv.core.*;import org.opencv.highgui.HighGui;import org.opencv.highgui.ImageWindow;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 org.slf4j.Logger;import org.slf4j.LoggerFactory;import java.util.Arrays;public class FaceVideo {    private static final Logger log = LoggerFactory.getLogger(FaceVideo.class);    private static final String endImgUrl = "C:\\Users\\lenovo\\Desktop\\";        private static final String faceDetectorXML2URL = "D:\\Sofeware\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml";        private static final String eyeDetectorXML2URL = "D:\\Sofeware\\opencv\\sources\\data\\haarcascades\\haarcascade_eye.xml";        private static int Matching_Accuracy = 100000;        private static CascadeClassifier faceDetector;        private static CascadeClassifier eyeDetector;    private static int i=0;    static {        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);        faceDetector = new CascadeClassifier(faceDetectorXML2URL);        eyeDetector = new CascadeClassifier(eyeDetectorXML2URL);    }    public static void main(String[] args) {        log.info("开始人脸匹配");        long begin = System.currentTimeMillis();        // 1- 从摄像头实时人脸识别,识别成功保存图片到本地        try{            getVideoFromCamera(endImgUrl + "2.jpg");            //仅用于强制抛异常,从而关闭GUI界面            Thread.sleep(1000);            int err = 1/0;                 // 2- 比对本地2张图的人脸相似度 (越接近1越相似)//            double compareHist = FaceVideo.compare_image(endImgUrl + "test1.jpg" , endImgUrl + "face.jpg");//            log.info("匹配度:{}",compareHist);//            if (compareHist > 0.72) {//                log.info("人脸匹配");//            } else {//                log.info("人脸不匹配");//            }        }catch (Exception e){            log.info("开始强制关闭");            log.info("人脸匹配结束,总耗时:{}ms",(System.currentTimeMillis()-begin));            System.exit(0);        }    }        public static void getVideoFromCamera(String targetImgUrl) {        //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;        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, targetImgUrl));                //窗口延迟等待100ms,返回退出按键                index = HighGui.waitKey(100);                //当退出按键为Esc时,退出窗口                if (index == 27) {                    break;                }            }        }else{            log.info("摄像头未开启");        }        //该窗口销毁不生效,该方法存在问题        HighGui.destroyAllWindows();        capture.release();        return;    }        public static Mat getFace(Mat image, String targetImgUrl) {        MatOfRect face = new MatOfRect();        faceDetector.detectMultiScale(image, face);        Rect[] rects=face.toArray();        log.info("匹配到 "+rects.length+" 个人脸");        if(rects != null && rects.length >= 1) {            i++;            if(i==3) {                // 获取匹配成功第3次的照片                Imgcodecs.imwrite(endImgUrl + "face.jpg", image);                FaceVideoThread faceVideoThread = new FaceVideoThread(targetImgUrl , endImgUrl + "face.jpg");                new Thread(faceVideoThread,"人脸比对线程").start();            }        }        return image;    }        public static String face2Img(String img) {        String faceImg = null;        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()) {            faceImg = img+"_.jpg";            // 进行图片裁剪            imageCut(img, faceImg, rect.x, rect.y, rect.width, rect.height);        }        if(null == faceImg){            log.info("face2Img未识别出该图像中的人脸,img={}",img);        }        return faceImg;    }        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(Matching_Accuracy);        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;    }        public static Mat conv_Mat(String img) {        if(StringUtils.isBlank(img)){            return null;        }        Mat image0 = Imgcodecs.imread(img);        Mat image1 = new Mat();        //Mat image2 = new Mat();        // 灰度化        Imgproc.cvtColor(image0, image1, Imgproc.COLOR_BGR2GRAY);        //直方均匀        //Imgproc.equalizeHist(image1, image2);        // 探测人脸        MatOfRect faceDetections = new MatOfRect();        faceDetector.detectMultiScale(image1, faceDetections);        //探测人眼//        MatOfRect eyeDetections = new MatOfRect();//        eyeDetector.detectMultiScale(image1, eyeDetections);        // rect中人脸图片的范围        Mat face = null;        for (Rect rect : faceDetections.toArray()) {            //给图片上画框框 参数1是图片 参数2是矩形 参数3是颜色 参数四是画出来的线条大小            //Imgproc.rectangle(image0,rect,new Scalar(0,0,255),2);            //输出图片            //Imgcodecs.imwrite(img+"_.jpg",image0);            face = new Mat(image1, rect);        }        if(null == face){            log.info("conv_Mat未识别出该图像中的人脸,img={}",img);        }        return face;    }}

这边的人脸识别是另外其线程进行比对,代码如下。

package org.Litluecat.utils;import org.slf4j.Logger;import org.slf4j.LoggerFactory;public class FaceVideoThread implements Runnable{    private static final Logger log = LoggerFactory.getLogger(FaceVideoThread.class);    private String oneImgUrl = null;    private String otherImgUrl = null;    public FaceVideoThread(String oneImgUrl, String otherImgUrl){        this.oneImgUrl = oneImgUrl;        this.otherImgUrl = otherImgUrl;    }    @Override    public void run() {        try {            double compareHist = FaceVideo.compare_image(oneImgUrl , otherImgUrl);            log.info("匹配度:{}",compareHist);            if (compareHist > 0.72) {                log.info("人脸匹配");            } else {                log.info("人脸不匹配");            }        } catch (Exception e) {            e.printStackTrace();        }    }}

提醒:如果运行异常,请添加你opencv的安装地址-Djava.library.path=D:\Sofeware\opencv\build\java\x64;

java+opencv如何实现人脸识别功能

感谢你能够认真阅读完这篇文章,希望小编分享的“java+opencv如何实现人脸识别功能”这篇文章对大家有帮助,同时也希望大家多多支持编程网,关注编程网行业资讯频道,更多相关知识等着你来学习!

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯