FACE++學習二、獲得face屬性


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:

 

  1. 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!


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM