如何開發(fā)Java動態(tài)人臉識別

1.環(huán)境搭建

目前成都創(chuàng)新互聯公司已為上千的企業(yè)提供了網站建設、域名、網站空間、綿陽服務器托管、企業(yè)網站設計、甘孜州網站維護等服務，公司將堅持客戶導向、應用為本的策略，正道將秉承"和諧、參與、激情"的文化，與客戶和合作伙伴齊心協力一起成長，共同發(fā)展。

整個項目的結構圖

2.編寫DetectFaceDemo.java,代碼如下：

[java] view plaincopy

package com.njupt.zhb.test;

import org.opencv.core.Core;

import org.opencv.core.Mat;

import org.opencv.core.MatOfRect;

import org.opencv.core.Point;

import org.opencv.core.Rect;

import org.opencv.core.Scalar;

import org.opencv.highgui.Highgui;

import org.opencv.objdetect.CascadeClassifier;

//

// Detects faces in an image, draws boxes around them, and writes the results

// to "faceDetection.png".

//

public class DetectFaceDemo {

public void run() {

System.out.println("\nRunning DetectFaceDemo");

System.out.println(getClass().getResource("lbpcascade_frontalface.xml").getPath());

// Create a face detector from the cascade file in the resources

// directory.

//CascadeClassifier faceDetector = new CascadeClassifier(getClass().getResource("lbpcascade_frontalface.xml").getPath());

//Mat image = Highgui.imread(getClass().getResource("lena.png").getPath());

//注意：源程序的路徑會多打印一個‘/’，因此總是出現如下錯誤

/*

* Detected 0 faces Writing faceDetection.png libpng warning: Image

* width is zero in IHDR libpng warning: Image height is zero in IHDR

* libpng error: Invalid IHDR data

*/

//因此，我們將第一個字符去掉

String xmlfilePath=getClass().getResource("lbpcascade_frontalface.xml").getPath().substring(1);

CascadeClassifier faceDetector = new CascadeClassifier(xmlfilePath);

Mat image = Highgui.imread(getClass().getResource("we.jpg").getPath().substring(1));

// Detect faces in the image.

// MatOfRect is a special container class for Rect.

MatOfRect faceDetections = new MatOfRect();

faceDetector.detectMultiScale(image, faceDetections);

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

// Draw a bounding box around each face.

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

Core.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));

}

// Save the visualized detection.

String filename = "faceDetection.png";

System.out.println(String.format("Writing %s", filename));

Highgui.imwrite(filename, image);

}

}

3.編寫測試類：

[java] view plaincopy

package com.njupt.zhb.test;

public class TestMain {

public static void main(String[] args) {

System.out.println("Hello, OpenCV");

// Load the native library.

System.loadLibrary("opencv_java246");

new DetectFaceDemo().run();

}

}

//運行結果:

//Hello, OpenCV

//

//Running DetectFaceDemo

///E:/eclipse_Jee/workspace/JavaOpenCV246/bin/com/njupt/zhb/test/lbpcascade_frontalface.xml

//Detected 8 faces

//Writing faceDetection.png

java 實現人臉的動漫化 照片用數組存還是image對象？提取人臉的什么特征？人臉處理常用哪些特征？

YOGUAI為保險柜，自動門，考勤等行業(yè)提供人臉識別方案。

隨著計算機網絡和通信技術的發(fā)展，信息安全、知識產權保護和身份認證等問題成了一個重要而緊迫的研究課題。身份認證是保證系統安全的必要前提，在多種不同的安全領域都需要準確的身份認證。傳統的身份證、智能卡、密碼等身份認證方法存在攜帶不便、容易遺失、不可讀或密碼易被破解等諸多問題?；谌四樧R別技術的身份認證方法與傳統的方法相比，具有更好的安全性、可靠性和有效性，因此正越來越受到人們的重視，并逐漸進入社會生活的各個領域。

人臉識別技術具有廣泛的應用前景，可以應用到多種不同的安全領域，因其識別特征的獨特性、惟一性和相對穩(wěn)定性，逐漸成為一非常熱門的研究課題。許多典型的人臉識別算法和應用系統都是針對標準或特定的人臉數據庫，利用庫內人臉進行訓練，并在相同的庫中實現人臉識別。但在軟件保護、計算機安全等特殊應用中，身份認證僅針對單個對象進行人臉識別，現有的人臉識別方法并不能勝任這樣的識別任務。為此，本文針對單對象人臉識別的特點，討論了單對象人臉檢測和識別的關鍵技術，在此基礎上提出了一種單對象人臉識別算法，實驗結果證明了該方法的有效性。

2單對象人臉識別的特點

與典型的人臉識別相比，單對象人臉識別有以下4個方面的特點：

應用領域人臉識別的應用領域很廣，如刑偵破案、證件核對、保安監(jiān)控等，而單對象人臉識別主要應用在軟件保護、計算機安全鎖、特定對象追蹤等領域。

識別系統的目標單對象人臉識別的最終目標是系統必須具有高度的安全性和可靠性，即識別錯誤率趨于0。雖然降低識別錯誤率的同時識別率也會降低，但可以通過提示用戶調整姿態(tài)(如注視攝像頭等)加以改善。

膚色模型由于單對象人臉識別僅針對特定的對象，所以人臉檢測的膚色模型可采用自適應的方法調整膚色范圍。

分類方法單對象人臉識別不存在人臉數據庫，常用的最小距離分類法不能夠正確識別特定的對象，只能用閾值作為判據。因此，閾值的選取十分重要，閾值過大則容易出現錯判，存在安全隱患；而閾值過小又會影響識別效率。

3人臉的檢測和歸一化

人臉檢測是人臉識別的前提。對于給定的圖像，人臉檢測的目的在于判斷圖像中是否存在人臉，如果存在，則返回其位置和空間分布。利用人臉膚色和面部特征，將人臉檢測分為兩個階段：外臉檢測和內臉定位。外臉檢測主要利用人臉膚色進行初步的臉區(qū)檢測，分割出膚色區(qū)域；內臉檢測是在外臉區(qū)域中利用面部幾何特征進行驗證和定位。

3.1外臉檢測

外臉檢測的任務是將待檢圖像中可能的人臉區(qū)域找出來并加以標記，其步驟如下：

(1)根據人類膚色在色彩空間中存在區(qū)域性的特點，將可能為人臉的像素檢測出來。為更好地利用膚色特征，同時選用HSI和YcbCr兩種色彩空間對圖像進行二值化處理，膚色范圍限定在H∈[0，46]，S∈[0.10，0.72]，Cb∈[98，130]，Cr∈[128，170]內。將滿足條件的像素標記為膚色像素，其余的均為非膚色像素。

(2)去噪處理。在以每一個膚色點為中心的5×5鄰域內統計膚色像素的個數，超過半數時中心點保留為膚色，否則認為是非膚色。

(3)將二值圖像中的膚色塊作區(qū)域歸并，并對目標區(qū)域進行比例、結構分析，過濾掉不可能的人臉區(qū)域。目標區(qū)域的高度／寬度比例限定在0.8～2.0。

3.2內臉檢測和定位

將包含眼、眉、鼻和嘴的區(qū)域稱為內臉區(qū)域。內臉區(qū)域能夠很好地表達人臉特征，且不易受背景、頭發(fā)等因素的干擾，因此內臉區(qū)域的檢測和定位對后續(xù)的特征提取和識別至關重要。

在外臉區(qū)域的上半部，對二值圖像進行水平方向和垂直方向的投影，確定兩個包含黑點的矩形區(qū)域作為雙眼的大致區(qū)域。在確定的兩個區(qū)域中，對黑點進行區(qū)域膨脹，可以得到眼睛的基本輪廓和左石眼角，黑點坐標的平均值作為瞳孔的位置。

設左右瞳孔的坐標分別為(Lx，Ly)和(Rx，Ry)，兩個瞳孔之間的距離為d，根據人臉的幾何特征，我們將內臉區(qū)域定義為：寬度=-d×1.6，高度=-d×1.8，左上角坐標為(Lx-d×0.3，(Ly Ry)／2-(-d)×0.3)。實驗表明，該區(qū)域能夠很好地表達人臉特征。

3.3內臉區(qū)域的歸一化

由于各待測圖像中的人臉大小具有很大的隨機性，因此，有必要對內臉區(qū)域進行歸一化操作。人臉歸一化是指對內臉區(qū)域的圖像進行縮放變換，得到統一大小的標準圖像，實驗中，我們規(guī)定標準圖像的大小為128×128。歸一化處理，保證了人臉大小的一致性，體現了人臉在圖像平面內的尺寸不變性。

對歸一化的人臉圖像，采用小波變換與DCT相結合的方法提取人臉特征。首先對人臉圖像進行3層小波分解，取低頻子圖像LL3作為人臉特征提取的對象，從而獲得每幅訓練樣本或測試樣本的低頻子圖像；然后對低頻子圖像進行離散余弦變換(DCT)，DCT系數個數與子圖像的大小相等(即256)，由于圖像DCT變換，能量集中在低頻部分，因此只取其中的136個低頻系數作為特征向量。

5人臉的識別

完成訓練過程并獲得待測樣本的特征后，即可進行人臉識別，本文采用歐氏距離進行分類。

5.1計算樣本與平均臉的歐氏距離

用m和x表示平均臉和樣本的特征向量，則樣本與平均臉的歐氏距離為：

其中mk表示平均臉的第k個特征向量，xk表示待測樣本的第k個特征向量。身份認證時，計算待測樣本與平均臉的歐氏距離，并與特定對象的自適應閾值進行比較，將小于閾值的樣本判為該對象的人臉，即認證通過。

5.2自適應閾值的選取

與典型的人臉識別方法不同，單對象人臉認識沒有人臉數據庫，不能用距離最小作為判據，只能用閾值作為判別依據。閾值的選取應兼顧識別率和識別的準確性，實驗中我們取訓練樣本與平均臉的歐氏距離平均值作為分類閾值，即:

其中，N為訓練樣本數，此值不宜太小；di為第i個樣本與平均臉之間的歐氏距離。

莫士特科技有限公司提供模式識別主板及解決方案。

希望采納

java 人臉識別 問題！

no jniopencv_objdetect in java.library.path

opencv的相應的dll，沒有放到環(huán)境變量PATH 所指的目錄

人臉識別門禁系統Java源代碼

基于彈性模板匹配的人臉表情識別程序。首先針對靜態(tài)表情圖像進行表情圖像的灰度、尺寸歸一化，然后利用Gabor小波變換提取人臉表情特征以構造表情彈性圖，最后提出基于彈性模板匹配及K-近鄰的分類算法實現人臉表情的識別。

java怎么實現人臉識別？

應該可以通過java調用別人的人臉識別的接口,主要是利用圖像處理的技術,識別關鍵點

用OpenCV開發(fā)人臉識別軟件，用Java好還是用C/C++好

C++. 首先OpenCV2和3本身就是用C++編寫的, 用C++可以做到和OpenCV的"無縫對接", OpenCV的C++資料也最多, 其次人臉識別等與圖像相關的代碼需要很高的運行時效率, 而C++的運行時效率遠大于java, 最后, 在人臉識別的計算過程中有協方差矩陣的計算需要很大的內存(空間復雜度O(n^2),n為圖像像素數,本身又是邊長的平方), 所以要有一個內存動態(tài)管理方案, 或者從線性代數上對協方差矩陣的計算進行簡化, 而高級編程語言中只有C和C++這兩種語言才能直接操作內存.