这篇文章主要介绍SpringBoot集成OpenCV如何实现人脸识别功能,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!前言项目中检测人脸图片是否合法的功能,之前用的是百度的人脸识别接口,由于成本高昂不得不寻求替代方案
这篇文章主要介绍SpringBoot集成OpenCV如何实现人脸识别功能,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!
项目中检测人脸图片是否合法的功能,之前用的是百度的人脸识别接口,由于成本高昂不得不寻求替代方案。
OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉和机器学习软件库,可以运行在linux、windows、Android和Mac OS操作系统上。轻量级而且高效——由一系列 C 函数和少量 c++ 类构成,同时提供了python、Java、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。
由于项目是放在Linux系统中跑的,开发环境是Windows10,所以项目中涉及到opencv的要分两套。
Windows安装opencv
opencv官网下载安装包https://opencv.org/releases/
我这里选择的是4.1.1版本
分别下载了Windows版本和源码
Windows环境下集成
安装opencv,没什么说的,指定一个路径安装即可,注意安装路径不能是中文。
项目中集成的三个关键点。
引入jar依赖
读取OpenCV自带的人脸识别特征XML文件
配置opencv的库文件地址
关键点1:引入jar包
jar包位置在安装路径下的java文件夹中
两种方式引入
方式一:idea添加jar
或者直接在Libraries中添加二者皆可。
方式二:将jar上传至私服,在Maven中引入
我这里是将jar上传至私服,然后引用的。
注意Windows版的jar和Linux中的jar不一样,二者要区分开来
通过Maven配置在不同环境下加载不同的jar
<profiles> <profile> <id>dev</id> <dependencies><!-- 本地引用--><!-- <dependency>--><!-- <groupId>op</groupId>--><!-- <artifactId>opencv</artifactId>--><!-- <version>411</version>--><!-- <scope>system</scope>--><!-- <systemPath>--><!-- ${project.basedir}/src/main/resources/opencv/windows/opencv-411.jar--><!-- </systemPath>--><!-- </dependency>--> <!-- 仓库引用--> <dependency> <!-- 这里改成自己的仓库地址--> <groupId>com.***.cloud.resource</groupId> <artifactId>opencv-window</artifactId> <version>411</version> </dependency> </dependencies> <activation> <activeByDefault>true</activeByDefault> </activation> </profile> <profile> <id>test</id> <dependencies> <dependency> <!-- 这里改成自己的仓库地址--> <groupId>com.***.cloud.resource</groupId> <artifactId>opencv-linux</artifactId> <version>411</version> </dependency> </dependencies> </profile></profiles>
关键点2:配置人脸识别特征XML文件的地址
在bootstrap.yml添加如下参数
# 函数库地址 在 vm optionis中 配置# windows地址: -Djava.library.path=D:\software\opencv\build\java\x64# linux地址: -Djava.library.path=/usr/local/opencv-4.1.1/build/lib/opencv: lib: linuxxmlpath: /usr/local/share/opencv4/haarcascades/haarcascade_frontalface_alt.xml windowxmlpath: D:\software\opencv\sources\data\haarcascades\haarcascade_frontalface_alt.xml
测试的方法中就直接写死了
static CascadeClassifier faceDetector; static { String systemProperties = String.valueOf(System.getProperties()); log.info(systemProperties); System.loadLibrary(Core.NATIVE_LIBRARY_NAME); faceDetector = new CascadeClassifier("D:\\software\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml"); }
注意路径!!
关键点3:配置opencv的库文件地址
-Djava.library.path=D:\software\opencv\build\java\x64
这里其实指向的就是 该目录下的 opencv_java411.dll 文件
(linux的配置见下文)
测试方法
package com.example.opencvdemo.test;import lombok.extern.slf4j.Slf4j;import org.opencv.core.*;import org.opencv.highgui.HighGui;import org.opencv.imGCodecs.Imgcodecs;import org.opencv.imgproc.Imgproc;import org.opencv.objdetect.CascadeClassifier;@Slf4jpublic class FaceVideo { static CascadeClassifier faceDetector; static { String systemProperties = String.valueOf(System.getProperties()); log.info(systemProperties); System.loadLibrary(Core.NATIVE_LIBRARY_NAME); faceDetector = new CascadeClassifier("D:\\software\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml"); } public static void main(String[] args){ // 3- 本地图片人脸识别,识别成功并保存人脸图片到本地 String imgPath = "C:\\Users\\Administrator\\Pictures\\wang.jpg"; face(imgPath); } public static void face(String imgPath) { Mat image = Imgcodecs.imread(imgPath); if (image.empty()) { System.out.println("image 内容不存在!"); return; } // 3 特征匹配 MatOfRect face = new MatOfRect(); faceDetector.detectMultiScale(image, face); // 4 匹配 Rect 矩阵 数组 Rect[] rects = face.toArray(); System.out.println("匹配到 " + rects.length + " 个人脸"); // 5 为每张识别到的人脸画一个圈 int i = 1; for (Rect rect : face.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), 3); imageCut(imgPath, "D:\\pictures\\" + i + ".jpg", rect.x, rect.y, rect.width, rect.height);// 进行图片裁剪 i++; } // 6 展示图片 HighGui.imshow("人脸识别", image); HighGui.waiTKEy(0); } 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(width, height); 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)); }}
注意!Mat image = Imgcodecs.imread(imgPath);
imgPath中不能带有中文! opencv安装路径中如果有中文的话就会报错。
集成到springboot
package com.example.opencvdemo.util;import com.example.opencvdemo.exception.PublicException;import com.example.opencvdemo.result.ErrorCode;import com.Google.common.primitives.Bytes;import lombok.extern.slf4j.Slf4j;import org.opencv.core.*;import org.opencv.imgcodecs.Imgcodecs;import org.opencv.objdetect.CascadeClassifier;import org.springframework.beans.factory.annotation.Value;import org.springframework.boot.CommandLineRunner;import org.springframework.stereotype.Component;import java.io.*;import java.net.URL;import java.net.URLConnection;import java.util.ArrayList;import java.util.List;@Component@Slf4jpublic class OpenCvUtils implements CommandLineRunner { @Value("${opencv.lib.linuxxmlpath}") private String linuxXmlPath; @Value("${opencv.lib.windowxmlpath}") private String windowXmlPath; static CascadeClassifier faceDetector; private static final boolean IS_WINDOWS = System.getProperty("os.name").toLowerCase().contains("win"); public static void checkFace(String pictureUrl) throws Exception {// //将在线图片保存为本地图片// String imgPath = saveLocal(pictureUrl);// //本地图片// File file = new File(imgPath);// FileInputStream fileInputStream = new FileInputStream(file);// ByteArrayOutputStream out = new ByteArrayOutputStream();// byte[] localBuff = new byte[fileInputStream.available()];// fileInputStream.read(localBuff);// out.write(localBuff);// log.info("本地图片:"+localBuff.length); //在线图片 URL url = new URL(pictureUrl); URLConnection uc = url.openConnection(); InputStream inputStream = uc.getInputStream(); ByteArrayOutputStream swapStream = new ByteArrayOutputStream(); byte[] buff = new byte[1024]; int rc; while ((rc = inputStream.read(buff, 0, 1024)) > 0) { swapStream.write(buff, 0, rc); } byte[] urlBuff = swapStream.toByteArray(); log.info("在线图片:"+urlBuff.length); List<Byte> bs = new ArrayList<>(); bs.addAll(Bytes.asList(urlBuff)); log.info("buffer长度"+bs.size()); // Mat image = Converters.vector_char_to_Mat(bs);// Mat image = Converters.vector_uchar_to_Mat(bs); // Mat image = Imgcodecs.imread(imgPath); Mat image = Imgcodecs.imdecode(new MatOfByte(urlBuff), Imgcodecs.IMREAD_UNCHANGED); if (image.empty()) { log.error("image 内容不存在!"); return; } // 3 特征匹配 MatOfRect face = new MatOfRect(); faceDetector.detectMultiScale(image, face); // 4 匹配 Rect 矩阵 数组 Rect[] rects = face.toArray(); System.out.println("匹配到 " + rects.length + " 个人脸");// delFile(imgPath); if (rects.length == 0) { throw new PublicException(ErrorCode.A0430.getCode(), "没有监测到人脸"); } else if (rects.length > 1) { throw new PublicException(ErrorCode.A0430.getCode(), "检测到图片有多张人脸,请重新上传"); } } public static String saveLocal(String pictureUrl) throws IOException { URL url = new URL(pictureUrl); URLConnection uc = url.openConnection(); InputStream inputStream = uc.getInputStream(); String[] value = pictureUrl.split("/"); String firstFilePath = "D:\\pictures\\"; if (!IS_WINDOWS) { firstFilePath = "/tmp/tmp-picture/"; } String fileName = firstFilePath + value[value.length - 1]; FileOutputStream out = new FileOutputStream(fileName); int j = 0; while ((j = inputStream.read()) != -1) { out.write(j); } inputStream.close(); return fileName; } @Override public void run(String... args){ String systemProperties = String.valueOf(System.getProperties()); log.info(systemProperties); System.loadLibrary(Core.NATIVE_LIBRARY_NAME); String path = ""; //如果是window系统取出路径开头的/ if (IS_WINDOWS) { path = windowXmlPath; }else{ path = linuxXmlPath; } faceDetector = new CascadeClassifier(path); log.info("==========初始化人脸探测器成功==========="); }}
OpenCV 提供的 api 是直接根据路径读取图片的,所以最开始的时候我是把图片保存到本地在读取才成功的,但是这种方式太憨了点,在实际生产环境中,大部分情况下都是直接读取网络图片。在内存就完成图片和 opencv 的 Mat 对象的转换。这里代码中已经解决了url地址图片转化的问题。
这里附上解决该问题的博客 传送门
Linux平台须要咱们手动编译,下载opencv-4.1.1.zip,解压到/user/local目录下,而后编译
yum install ant gcc gtk2-devel pkgconfig zlib-devel
安装unzip命令
yum install -y unzip zip
解压命令
unzip opencv-4.1.1.zip
yum groupinstall "Development Tools"
安装cmake
查看cmake当前版本
cmake --version
yum -y install wget
下载获得cmake-3.9.2源码
wget Https://cmake.org/files/v3.9/cmake-3.9.2.tar.gz
解压、安装新版本
tar -xvf cmake-3.9.2.tar.gzcd cmake-3.9.2./configuresudo make && make install
cd /usr/local/opencv-4.1.1mkdir buildcd buildcmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -DBUILD_TESTS=OFF ..make -j8sudo make install
对应的jar和.so文件在
/usr/local/share/java/opencv4/
人脸识别特征XML文件的地址
/usr/local/share/opencv4/haarcascades/haarcascade_frontalface_alt.xml
jar 启动命令添加Vm options
nohup java -jar -Djava.library.path=/usr/local/opencv-4.1.1/build/lib/ opencv-demo-1.0.jar > logs/opencv-demo-1.0.log 2>&1 &
项目代码已上传至github,可通过WEB接口测试,也可用main方法测试。
以上是“springboot集成opencv如何实现人脸识别功能”这篇文章的所有内容,感谢各位的阅读!希望分享的内容对大家有帮助,更多相关知识,欢迎关注编程网精选频道!
--结束END--
本文标题: springboot集成opencv如何实现人脸识别功能
本文链接: https://www.lsjlt.com/news/279937.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
下载Word文档到电脑,方便收藏和打印~
2024-04-28
2024-04-28
2024-04-28
2024-04-28
2024-04-28
2024-04-27
2024-04-27
2024-04-27
2024-04-27
2024-04-27
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
0