java+opencv如何实现人脸识别功能

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）。

1.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。

从我网盘下载的，忽略这些。

2.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>

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

选择直接opencv安装路径

2.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; /**  * 人脸比对工具类  * @author Litluecat  * @Title: Opencv 图片人脸识别、实时摄像头人脸识别 **/ public class FaceVideo {     private static final Logger log = LoggerFactory.getLogger(FaceVideo.class);     private static final String endImgUrl = "C:\\Users\\lenovo\\Desktop\\";     /**      * opencv的人脸识别xml文件路径      */     private static final String faceDetectorXML2URL = "D:\\Sofeware\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml";     /**      * opencv的人眼识别xml文件路径      */     private static final String eyeDetectorXML2URL = "D:\\Sofeware\\opencv\\sources\\data\\haarcascades\\haarcascade_eye.xml";     /**      * 直方图大小，越大精度越高，运行越慢      */     private static int Matching_Accuracy = 100000;     /**      * 初始化人脸探测器      */     private static CascadeClassifier faceDetector;     /**      * 初始化人眼探测器      */     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);         }     }     /**      * OpenCV-4.1.1 从摄像头实时读取      * @param targetImgUrl 比对身份证图片      * @return: void      * @date: 2019年8月19日 17:20:13      */     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;     }     /**      * OpenCV-4.1.0 人脸识别      * @param image 待处理Mat图片(视频中的某一帧)      * @param targetImgUrl 匹配身份证照片地址      * @return 处理后的图片      */     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;     }     /**      * 人脸截图      * @param img      * @return      */     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;     }     /**      * 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(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;     }     /**      * 灰度化人脸      * @param img      * @return      */     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;

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亿速云，关注亿速云行业资讯频道，更多相关知识等着你来学习!