http://blog.csdn.net/lyq8479/article/details/17362685
為了防止網頁丟失還是自己保存一份安全一點
人臉檢測API介紹
在Face++網站的“API文檔”中,能夠看到Face++提供的所有API,我們要使用的人臉檢測接口是detect分類下的“/detection/detect”,它能夠檢測出給定圖片(Image)中的所有人臉(Face)的位置和相應的面部屬性,目前面部屬性包括性別(gender)、年齡(age)、種族(race)、微笑程度(smiling)、眼鏡(glass)和姿勢(pose)。
讀者可以在http://cn.faceplusplus.com/uc/doc/home?id=69中了解到人臉檢測接口的詳細信息,該接口的請求地址如下:
- http://apicn.faceplusplus.com/v2/detection/detect?url=URL&api_secret=API_SECRET&api_key=API_KEY
http://apicn.faceplusplus.com/v2/detection/detect?url=URL&api_secret=API_SECRET&api_key=API_KEY
調用上述接口,必須要傳入參數api_key、api_secret和待檢測的圖片。其中,待檢測的圖片可以是URL,也可以是POST方式提交的二進制數據。在微信公眾賬號后台,接收用戶發送的圖片,得到的是圖片的訪問路徑(PicUrl),因此,在本例中,直接使用待檢測圖片的URL是最方便的。調用人臉檢測接口返回的是JSON格式數據如下:
{ "face": [ { "attribute": { "age": { "range": 5, "value": 23 }, "gender": { "confidence": 99.9999, "value": "Female" }, "glass": { "confidence": 99.945, "value": "None" }, "pose": { "pitch_angle": { "value": 17 }, "roll_angle": { "value": 0.735735 }, "yaw_angle": { "value": -2 } }, "race": { "confidence": 99.6121, "value": "Asian" }, "smiling": { "value": 4.86501 } }, "face_id": "17233b4b1b51ac91e391e5afe130eb78", "position": { "center": { "x": 49.4, "y": 37.6 }, "eye_left": { "x": 43.3692, "y": 30.8192 }, "eye_right": { "x": 56.5606, "y": 30.9886 }, "height": 26.8, "mouth_left": { "x": 46.1326, "y": 44.9468 }, "mouth_right": { "x": 54.2592, "y": 44.6282 }, "nose": { "x": 49.9404, "y": 38.8484 }, "width": 26.8 }, "tag": "" } ], "img_height": 500, "img_id": "22fd9efc64c87e00224c33dd8718eec7", "img_width": 500, "session_id": "38047ad0f0b34c7e8c6efb6ba39ed355", "url": "http://cn.faceplusplus.com/wp-content/themes/faceplusplus.zh/assets/img/demo/1.jpg?v=4" }
這里只對本文將要實現的“人臉檢測”功能中主要用到的參數進行說明,參數說明如下:
1)face是一個數組,當一張圖片中包含多張人臉時,所有識別出的人臉信息都在face數組中。
2)age中的value表示估計年齡,range表示誤差范圍。例如,上述結果中value=23,range=5,表示人的真實年齡在18歲至28歲左右。
3)gender中的value表示性別,男性為Male,女性為Female;gender中的confidence表示檢測結果的可信度。
4)race中的value表示人種,黃色人種為Asian,白色人種為White,黑色人種為Black;race中的confidence表示檢測結果的可信度。
5)center表示人臉框中心點坐標,可以將x用於計算人臉的左右順序,即x坐標的值越小,人臉的位置越靠近圖片的左側。
人臉檢測API的使用方法
為了方便開發者調用人臉識別API,Face++團隊提供了基於Objective-C、Java(Android)、Matlab、Ruby、C#等多種語言的開發工具包,讀者可以在Face++網站的“工具下載”版塊下載相關的SDK。在本例中,筆者並不打算使用官方提供的SDK進行開發,主要原因如下:1)人臉檢測API的調用比較簡單,自己寫代碼實現也並不復雜;2)如果使用SDK進行開發,筆者還要花費大量篇幅介紹SDK的使用,這些並不是本文的重點;3)自己寫代碼實現比較靈活。當圖片中有多張人臉時,人臉檢測接口返回的數據是無序的,開發者可以按照實際使用需求進行排序,例如,將圖片中的人臉按照從左至右的順序進行排序。
編程調用人臉檢測API
首先,要對人臉檢測接口返回的結構進行封裝,建立與之對應的Java對象。由於人臉檢測接口返回的參數較多,筆者只是將本例中需要用到的參數抽取出來,封裝成Face對象,對應的代碼如下:
package org.liufeng.course.pojo; /** * Face Model * * @author liufeng * @date 2013-12-18 */ public class Face implements Comparable<Face> { // 被檢測出的每一張人臉都在Face++系統中的標識符 private String faceId; // 年齡估計值 private int ageValue; // 年齡估計值的正負區間 private int ageRange; // 性別:Male/Female private String genderValue; // 性別分析的可信度 private double genderConfidence; // 人種:Asian/White/Black private String raceValue; // 人種分析的可信度 private double raceConfidence; // 微笑程度 private double smilingValue; // 人臉框的中心點坐標 private double centerX; private double centerY; public String getFaceId() { return faceId; } public void setFaceId(String faceId) { this.faceId = faceId; } public int getAgeValue() { return ageValue; } public void setAgeValue(int ageValue) { this.ageValue = ageValue; } public int getAgeRange() { return ageRange; } public void setAgeRange(int ageRange) { this.ageRange = ageRange; } public String getGenderValue() { return genderValue; } public void setGenderValue(String genderValue) { this.genderValue = genderValue; } public double getGenderConfidence() { return genderConfidence; } public void setGenderConfidence(double genderConfidence) { this.genderConfidence = genderConfidence; } public String getRaceValue() { return raceValue; } public void setRaceValue(String raceValue) { this.raceValue = raceValue; } public double getRaceConfidence() { return raceConfidence; } public void setRaceConfidence(double raceConfidence) { this.raceConfidence = raceConfidence; } public double getSmilingValue() { return smilingValue; } public void setSmilingValue(double smilingValue) { this.smilingValue = smilingValue; } public double getCenterX() { return centerX; } public void setCenterX(double centerX) { this.centerX = centerX; } public double getCenterY() { return centerY; } public void setCenterY(double centerY) { this.centerY = centerY; } // 根據人臉中心點坐標從左至右排序 @Override public int compareTo(Face face) { int result = 0; if (this.getCenterX() > face.getCenterX()) result = 1; else result = -1; return result; } }
與普通Java類不同的是,Face類實現了Comparable接口,並實現了該接口的compareTo()方法,這正是Java中對象排序的關鍵所在。112-119行代碼是通過比較每個Face的臉部中心點的橫坐標來決定對象的排序方式,這樣能夠實現檢測出的多個Face按從左至右的先后順序進行排序。
接下來,是人臉檢測API的調用及相關處理邏輯,筆者將這些實現全部封裝在FaceService類中,該類的完整實現如下:
package org.liufeng.course.service; import java.io.BufferedReader; import java.io.InputStream; import java.io.InputStreamReader; import java.net.HttpURLConnection; import java.net.URL; import java.util.ArrayList; import java.util.Collections; import java.util.List; import org.liufeng.course.pojo.Face; import net.sf.json.JSONArray; import net.sf.json.JSONObject; /** * 人臉檢測服務 * * @author liufeng * @date 2013-12-18 */ public class FaceService { /** * 發送http請求 * * @param requestUrl 請求地址 * @return String */ private static String httpRequest(String requestUrl) { StringBuffer buffer = new StringBuffer(); try { URL url = new URL(requestUrl); HttpURLConnection httpUrlConn = (HttpURLConnection) url.openConnection(); httpUrlConn.setDoInput(true); httpUrlConn.setRequestMethod("GET"); httpUrlConn.connect(); // 將返回的輸入流轉換成字符串 InputStream inputStream = httpUrlConn.getInputStream(); InputStreamReader inputStreamReader = new InputStreamReader(inputStream, "utf-8"); BufferedReader bufferedReader = new BufferedReader(inputStreamReader); String str = null; while ((str = bufferedReader.readLine()) != null) { buffer.append(str); } bufferedReader.close(); inputStreamReader.close(); // 釋放資源 inputStream.close(); inputStream = null; httpUrlConn.disconnect(); } catch (Exception e) { e.printStackTrace(); } return buffer.toString(); } /** * 調用Face++ API實現人臉檢測 * * @param picUrl 待檢測圖片的訪問地址 * @return List<Face> 人臉列表 */ private static List<Face> faceDetect(String picUrl) { List<Face> faceList = new ArrayList<Face>(); try { // 拼接Face++人臉檢測的請求地址 String queryUrl = "http://apicn.faceplusplus.com/v2/detection/detect?url=URL&api_secret=API_SECRET&api_key=API_KEY"; // 對URL進行編碼 queryUrl = queryUrl.replace("URL", java.net.URLEncoder.encode(picUrl, "UTF-8")); queryUrl = queryUrl.replace("API_KEY", "替換成自己的API Key"); queryUrl = queryUrl.replace("API_SECRET", "替換成自己的API Secret"); // 調用人臉檢測接口 String json = httpRequest(queryUrl); // 解析返回json中的Face列表 JSONArray jsonArray = JSONObject.fromObject(json).getJSONArray("face"); // 遍歷檢測到的人臉 for (int i = 0; i < jsonArray.size(); i++) { // face JSONObject faceObject = (JSONObject) jsonArray.get(i); // attribute JSONObject attrObject = faceObject.getJSONObject("attribute"); // position JSONObject posObject = faceObject.getJSONObject("position"); Face face = new Face(); face.setFaceId(faceObject.getString("face_id")); face.setAgeValue(attrObject.getJSONObject("age").getInt("value")); face.setAgeRange(attrObject.getJSONObject("age").getInt("range")); face.setGenderValue(genderConvert(attrObject.getJSONObject("gender").getString("value"))); face.setGenderConfidence(attrObject.getJSONObject("gender").getDouble("confidence")); face.setRaceValue(raceConvert(attrObject.getJSONObject("race").getString("value"))); face.setRaceConfidence(attrObject.getJSONObject("race").getDouble("confidence")); face.setSmilingValue(attrObject.getJSONObject("smiling").getDouble("value")); face.setCenterX(posObject.getJSONObject("center").getDouble("x")); face.setCenterY(posObject.getJSONObject("center").getDouble("y")); faceList.add(face); } // 將檢測出的Face按從左至右的順序排序 Collections.sort(faceList); } catch (Exception e) { faceList = null; e.printStackTrace(); } return faceList; } /** * 性別轉換(英文->中文) * * @param gender * @return */ private static String genderConvert(String gender) { String result = "男性"; if ("Male".equals(gender)) result = "男性"; else if ("Female".equals(gender)) result = "女性"; return result; } /** * 人種轉換(英文->中文) * * @param race * @return */ private static String raceConvert(String race) { String result = "黃色"; if ("Asian".equals(race)) result = "黃色"; else if ("White".equals(race)) result = "白色"; else if ("Black".equals(race)) result = "黑色"; return result; } /** * 根據人臉識別結果組裝消息 * * @param faceList 人臉列表 * @return */ private static String makeMessage(List<Face> faceList) { StringBuffer buffer = new StringBuffer(); // 檢測到1張臉 if (1 == faceList.size()) { buffer.append("共檢測到 ").append(faceList.size()).append(" 張人臉").append("\n"); for (Face face : faceList) { buffer.append(face.getRaceValue()).append("人種,"); buffer.append(face.getGenderValue()).append(","); buffer.append(face.getAgeValue()).append("歲左右").append("\n"); } } // 檢測到2-10張臉 else if (faceList.size() > 1 && faceList.size() <= 10) { buffer.append("共檢測到 ").append(faceList.size()).append(" 張人臉,按臉部中心位置從左至右依次為:").append("\n"); for (Face face : faceList) { buffer.append(face.getRaceValue()).append("人種,"); buffer.append(face.getGenderValue()).append(","); buffer.append(face.getAgeValue()).append("歲左右").append("\n"); } } // 檢測到10張臉以上 else if (faceList.size() > 10) { buffer.append("共檢測到 ").append(faceList.size()).append(" 張人臉").append("\n"); // 統計各人種、性別的人數 int asiaMale = 0; int asiaFemale = 0; int whiteMale = 0; int whiteFemale = 0; int blackMale = 0; int blackFemale = 0; for (Face face : faceList) { if ("黃色".equals(face.getRaceValue())) if ("男性".equals(face.getGenderValue())) asiaMale++; else asiaFemale++; else if ("白色".equals(face.getRaceValue())) if ("男性".equals(face.getGenderValue())) whiteMale++; else whiteFemale++; else if ("黑色".equals(face.getRaceValue())) if ("男性".equals(face.getGenderValue())) blackMale++; else blackFemale++; } if (0 != asiaMale || 0 != asiaFemale) buffer.append("黃色人種:").append(asiaMale).append("男").append(asiaFemale).append("女").append("\n"); if (0 != whiteMale || 0 != whiteFemale) buffer.append("白色人種:").append(whiteMale).append("男").append(whiteFemale).append("女").append("\n"); if (0 != blackMale || 0 != blackFemale) buffer.append("黑色人種:").append(blackMale).append("男").append(blackFemale).append("女").append("\n"); } // 移除末尾空格 buffer = new StringBuffer(buffer.substring(0, buffer.lastIndexOf("\n"))); return buffer.toString(); } /** * 提供給外部調用的人臉檢測方法 * * @param picUrl 待檢測圖片的訪問地址 * @return String */ public static String detect(String picUrl) { // 默認回復信息 String result = "未識別到人臉,請換一張清晰的照片再試!"; List<Face> faceList = faceDetect(picUrl); if (null != faceList) { result = makeMessage(faceList); } return result; } public static void main(String[] args) { String picUrl = "http://pic11.nipic.com/20101111/6153002_002722872554_2.jpg"; System.out.println(detect(picUrl)); } }
上述代碼雖然多,但條理很清晰,並不難理解,所以筆者只挑重點的進行講解,主要說明如下:
1)70行:參數url表示圖片的鏈接,由於鏈接中存在特殊字符,作為參數傳遞時必須進行URL編碼。請讀者記住:不管是什么應用,調用什么接口,凡是通過GET傳遞的參數中可能會包含特殊字符,都必須進行URL編碼,除了中文以外,特殊字符還包括等號“=”、與“&”、空格“ ”等。
2)76-97行:使用JSON-lib解析人臉檢測接口返回的JSON數據,並將解析結果存入List中。
3)99行:對集合中的對象進行排序,使用Collections.sort()方法排序的前提是集合中的Face對象實現了Comparable接口。
4)146-203行:組裝返回給用戶的消息內容。考慮到公眾平台的文本消息內容長度有限制,當一張圖片中識別出的人臉過多,則只返回一些匯總信息給用戶。
5)211-219行:detect()方法是public的,提供給其他類調用。筆者可以在本地的開發工具中運行上面的main()方法,測試detect()方法的輸出。
公眾賬號后台的實現
在公眾賬號后台的CoreService類中,需要對用戶發送的消息類型進行判斷,如果是圖片消息,則調用人臉檢測方法進行分析,如果是其他消息,則返回人臉檢測的使用指南。CoreService類的完整代碼如下:
package org.liufeng.course.service; import java.util.Date; import java.util.Map; import javax.servlet.http.HttpServletRequest; import org.liufeng.course.message.resp.TextMessage; import org.liufeng.course.util.MessageUtil; /** * 核心服務類 * * @author liufeng * @date 2013-12-19 */ public class CoreService { /** * 處理微信發來的請求 */ public static String processRequest(HttpServletRequest request) { // 返回給微信服務器的xml消息 String respXml = null; try { // xml請求解析 Map<String, String> requestMap = MessageUtil.parseXml(request); // 發送方帳號(open_id) String fromUserName = requestMap.get("FromUserName"); // 公眾帳號 String toUserName = requestMap.get("ToUserName"); // 消息類型 String msgType = requestMap.get("MsgType"); // 回復文本消息 TextMessage textMessage = new TextMessage(); textMessage.setToUserName(fromUserName); textMessage.setFromUserName(toUserName); textMessage.setCreateTime(new Date().getTime()); textMessage.setMsgType(MessageUtil.RESP_MESSAGE_TYPE_TEXT); // 圖片消息 if (MessageUtil.REQ_MESSAGE_TYPE_IMAGE.equals(msgType)) { // 取得圖片地址 String picUrl = requestMap.get("PicUrl"); // 人臉檢測 String detectResult = FaceService.detect(picUrl); textMessage.setContent(detectResult); } // 其它類型的消息 else textMessage.setContent(getUsage()); respXml = MessageUtil.textMessageToXml(textMessage); } catch (Exception e) { e.printStackTrace(); } return respXml; } /** * 人臉檢測幫助菜單 */ public static String getUsage() { StringBuffer buffer = new StringBuffer(); buffer.append("人臉檢測使用指南").append("\n\n"); buffer.append("發送一張清晰的照片,就能幫你分析出種族、年齡、性別等信息").append("\n"); buffer.append("快來試試你是不是長得太着急"); return buffer.toString(); } }
到這里,人臉檢測應用就全部開發完成了,整個項目的完整結構如下:
運行結果如下:
筆者用自己的相片測試了兩次,測試結果分別是26歲、30歲,這與筆者的實際年齡相差不大,可見,Face++的人臉檢測准確度還是比較高的。為了增加人臉檢測應用的趣味性和娛樂性,筆者忽略了年齡估計值的正負區間。讀者可以充分發揮自己的想像力和創造力,使用Face++ API實現更多實用、有趣的功能。應用開發不是簡單的接口調用!