func为实现人脸相关 需要zi料+ 绿色徽【vip1024b】

接口

image存放的为测试用图片

tmp为测试使用输出图片。

lib里包含opencv的使用jar包和本地dll库。

工程导入完成之后，需要配置对应的jar包以及修改JDK。

IDEA的话通过file->Project Structure进行设置。选中加号，选择外部jar包引用。选择工程里lib目录下的openCV343.jar。

之后重新编译。看是否报错。没有报错的话项目导入成功

2、代码实现

---

1、DetectFace

package com.facedetect.func;

import org.opencv.core.*;

import org.opencv.imgcodecs.Imgcodecs;

import org.opencv.imgproc.Imgproc;

import org.opencv.objdetect.CascadeClassifier;

/**

• @Auther: DarkKing

• @Date: 2019/10/2 11:06

• @Description:

*/

public class DetectFace {

//定义程序的基础路径

private String basePath =System.getProperty(“user.dir”);

//人眼识别分类器路径

private String eyeConfigPath=basePath+“\src\com\facedetect\config\haarcascade_eye_tree_eyeglasses.xml”;

//人脸识别分类器路径

private String faceConfigPath=basePath+“\src\com\facedetect\config\haarcascade_frontalface_alt2.xml”;

static{

// 载入opencv的库

String opencvpath = System.getProperty(“user.dir”) + “\libs\x64\”;

String opencvDllName = opencvpath + Core.NATIVE_LIBRARY_NAME + “.dll”;

System.load(opencvDllName);

}

/**

• opencv实现人脸识别

• @param imagePath

• @param outFile

• @throws Exception

*/

public void detectFace(String imagePath, String outFile) throws Exception

{

System.out.println("Running DetectFace …,config path is "+faceConfigPath);

String basePath =System.getProperty(“user.dir”);

String path= basePath+ “\src\com\facedetect\tmp\”;

// 从配置文件lbpcascade_frontalface.xml中创建一个人脸识别器，该文件位于opencv安装目录中,为了方便从安装方便放到了程序路径里

CascadeClassifier faceDetector = new CascadeClassifier(faceConfigPath);

//创建图片处理对象

Mat image = Imgcodecs.imread(imagePath);

// 在图片中检测人脸

MatOfRect faceDetections = new MatOfRect();

//多条件结果检测

faceDetector.detectMultiScale(image, faceDetections);

System.out.println(String.format(“Detected %s faces”, faceDetections.toArray().length));

//检测结果集

Rect[] rects = faceDetections.toArray();

// 在每一个识别出来的人脸周围画出一个方框

for (int i = 0; i < rects.length; i++) {

Rect rect = rects[i];

Imgproc.rectangle(image, new Point(rect.x-2, rect.y-2),

new Point(rect.x + rect.width, rect.y + rect.height),

new Scalar(0, 255, 0));

Mat copy = new Mat(image,rect);

Mat temp = new Mat();

copy.copyTo(temp);

//输出图片

Imgcodecs.imwrite(path+i+“.png”, temp);

}

Imgcodecs.imwrite(outFile, image);

System.out.println(String.format(“人脸识别成功，人脸图片文件为： %s”, outFile));

}

/**

• opencv实现人眼识别

• @param imagePath

• @param outFile

• @throws Exception

*/

public void detectEye(String imagePath, String outFile) throws Exception {

System.out.println("Running DetectFace …,config path is "+eyeConfigPath);

CascadeClassifier eyeDetector = new CascadeClassifier(

eyeConfigPath);

Mat image = Imgcodecs.imread(imagePath); //读取图片

// 在图片中检测人脸

MatOfRect faceDetections = new MatOfRect();

eyeDetector.detectMultiScale(image, faceDetections, 2.0,1,1,new Size(20,20),new Size(20,20));

System.out.println(String.format(“Detected %s eyes”, faceDetections.toArray().length));

Rect[] rects = faceDetections.toArray();

if(rects != null && rects.length <2){

throw new RuntimeException(“不是一双眼睛”);

}

Rect eyea = rects[0];

Rect eyeb = rects[1];

System.out.println("a-中心坐标 " + eyea.x + " and " + eyea.y);

System.out.println("b-中心坐标 " + eyeb.x + " and " + eyeb.y);

//获取两个人眼的角度

double dy=(eyeb.y-eyea.y);

double dx=(eyeb.x-eyea.x);

double len=Math.sqrt(dxdx+dydy);

System.out.println("dx is "+dx);

System.out.println("dy is "+dy);

System.out.println("len is "+len);

double angle=Math.atan2(Math.abs(dy),Math.abs(dx))*180.0/Math.PI;

System.out.println("angle is "+angle);

for(Rect rect:faceDetections.toArray()) {

Imgproc.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x

• rect.width, rect.y + rect.height), new Scalar(0, 255, 0));

}

Imgcodecs.imwrite(outFile, image);

System.out.println(String.format(“人眼识别成功，人眼图片文件为： %s”, outFile));

}

}

该函数主要实现了两个方法，一个是人脸检测，一个是人眼检测。方法都差不多。主要是加载的分类器不同。以及结果集的过滤。其中重要的一个方法时是MatOfRect的detectMultiScale方法。该方法共有7个参数。含义如下。

• **参数1：**image–待检测图片，一般为灰度图像加快检测速度；

• **参数2：**objects–被检测物体的矩形框向量组；

• **参数3：**scaleFactor–表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;

• **参数4：**minNeighbors–表示构成检测目标的相邻矩形的最小个数(默认为3个)。        如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。       如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，        这种设定值一般用在用户自定义对检测结果的组合程序上；

• **参数5：**flags–要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为          CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，       因此这些区    域通常不会是人脸所在区域；

• **参数6、7：**minSize和maxSize用来限制得到的目标区域的范围。

2、ImageUtils

package com.facedetect.func;

import org.opencv.core.Mat;

import org.opencv.core.Rect;

import org.opencv.core.Size;

import org.opencv.imgcodecs.Imgcodecs;

import org.opencv.imgproc.Imgproc;

import javax.imageio.ImageIO;

import javax.swing.*;

import java.awt.*;

import java.awt.image.BufferedImage;

import java.io.File;

import java.io.IOException;

/**

• @Auther: DarkKing

• @Date: 2019/10/2 11:12

• @Description:

*/

public class ImageUtils {

/**

• 裁剪图片并重新装换大小

• @param imagePath

• @param posX

• @param posY

• @param width

• @param height

• @param outFile

*/

public static void imageCut(String imagePath,String outFile, int posX,int posY,int width,int height ){

//原始图像

Mat image = Imgcodecs.imread(imagePath);

//截取的区域：参数,坐标X,坐标Y,截图宽度,截图长度

Rect rect = new Rect(posX,posY,width,height);

//两句效果一样

Mat sub = image.submat(rect); //Mat sub = new Mat(image,rect);

Mat mat = new Mat();

Size size = new Size(300, 300);

Imgproc.resize(sub, mat, size);//将人脸进行截图并保存

Imgcodecs.imwrite(outFile, mat);

System.out.println(String.format(“图片裁切成功，裁切后图片文件为： %s”, outFile));

}

/**

• @param imagePath

• @param outFile

*/

public static void setAlpha(String imagePath, String outFile) {

/**

• 增加测试项

• 读取图片，绘制成半透明

*/

try {

ImageIcon imageIcon = new ImageIcon(imagePath);

BufferedImage bufferedImage = new BufferedImage(imageIcon.getIconWidth(),

imageIcon.getIconHeight(), BufferedImage.TYPE_4BYTE_ABGR);

Graphics2D g2D = (Graphics2D) bufferedImage.getGraphics();

g2D.drawImage(imageIcon.getImage(), 0, 0, imageIcon.getImageObserver());

//循环每一个像素点，改变像素点的Alpha值

int alpha = 100;

for (int j1 = bufferedImage.getMinY(); j1 < bufferedImage.getHeight(); j1++) {

for (int j2 = bufferedImage.getMinX(); j2 < bufferedImage.getWidth(); j2++) {

int rgb = bufferedImage.getRGB(j2, j1);

rgb = ( (alpha + 1) << 24) | (rgb & 0x00ffffff);

bufferedImage.setRGB(j2, j1, rgb);

}

}

g2D.drawImage(bufferedImage, 0, 0, imageIcon.getImageObserver());

分享

首先分享一份学习大纲，内容较多，涵盖了互联网行业所有的流行以及核心技术，以截图形式分享：

（亿级流量性能调优实战+一线大厂分布式实战+架构师筑基必备技能+设计思想开源框架解读+性能直线提升架构技术+高效存储让项目性能起飞+分布式扩展到微服务架构…实在是太多了）

其次分享一些技术知识，以截图形式分享一部分：

Tomcat架构解析：

算法训练+高分宝典：

Spring Cloud+Docker微服务实战：

最后分享一波面试资料：

切莫死记硬背，小心面试官直接让你出门右拐

1000道互联网Java面试题：

Java高级架构面试知识整理：

涵盖了互联网行业所有的流行以及核心技术，以截图形式分享：**

（亿级流量性能调优实战+一线大厂分布式实战+架构师筑基必备技能+设计思想开源框架解读+性能直线提升架构技术+高效存储让项目性能起飞+分布式扩展到微服务架构…实在是太多了）

其次分享一些技术知识，以截图形式分享一部分：

Tomcat架构解析：

[外链图片转存中…(img-oaWxXvHZ-1710354900988)]

算法训练+高分宝典：

[外链图片转存中…(img-WCeOLMZh-1710354900989)]

Spring Cloud+Docker微服务实战：

[外链图片转存中…(img-kii5EoY9-1710354900989)]

最后分享一波面试资料：

切莫死记硬背，小心面试官直接让你出门右拐

1000道互联网Java面试题：

[外链图片转存中…(img-O4fnndkG-1710354900990)]

Java高级架构面试知识整理：

[外链图片转存中…(img-oVARwsaV-1710354900990)]