技术教程 编程代码 Java版人脸检测详解下篇：编码 正文

Java版人脸检测详解下篇：编码

2023-07-29,,

欢迎访问我的GitHub

https://github.com/zq2599/blog_demos

内容：所有原创文章分类汇总及配套源码，涉及Java、Docker、Kubernetes、DevOPS等；

本篇概览

如果您看过《三分钟极速体验：Java版人脸检测》一文，甚至动手实际操作过，您应该会对背后的技术细节感兴趣，开发这样一个应用，咱们总共要做以下三件事：

    准备好docker基础镜像
    开发java应用
    将java应用打包成package文件，集成到基础镜像中，得到最终的java应用镜像

对于准备好docker基础镜像这项工作，咱们在前文《Java版人脸检测详解上篇：运行环境的Docker镜像(CentOS+JDK+OpenCV)》已经完成了，接下来要做的就是开发java应用并将其做成docker镜像

版本信息

这个java应用的涉及的版本信息如下：

    springboot：2.4.8
    javacpp：1.4.3
    javacv：1.4.3

源码下载

本篇实战中的完整源码可在GitHub下载到，地址和链接信息如下表所示(https://github.com/zq2599/blog_demos)：

名称 链接 备注
项目主页 https://github.com/zq2599/blog_demos 该项目在GitHub上的主页
git仓库地址(https) https://github.com/zq2599/blog_demos.git 该项目源码的仓库地址，https协议
git仓库地址(ssh) git@github.com:zq2599/blog_demos.git 该项目源码的仓库地址，ssh协议

这个git项目中有多个文件夹，本篇的源码在javacv-tutorials文件夹下，如下图红框所示：

编码

为了统一管理源码和jar依赖，项目采用了maven父子结构，父工程名为javacv-tutorials，其pom.xml如下，可见主要是定义了一些jar的版本：

<?xml version="1.0" encoding="UTF-8"?>

<project xmlns="http://maven.apache.org/POM/4.0.0"

         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">

    <modelVersion>4.0.0</modelVersion>

    <groupId>com.bolingcavalry</groupId>

    <artifactId>javacv-tutorials</artifactId>

    <packaging>pom</packaging>

    <version>1.0-SNAPSHOT</version>

    <modules>

        <module>face-detect-demo</module>

    </modules>

    <properties>

        <java.version>1.8</java.version>

        <maven.compiler.source>8</maven.compiler.source>

        <maven.compiler.target>8</maven.compiler.target>

        <maven-compiler-plugin.version>3.6.1</maven-compiler-plugin.version>

        <springboot.version>2.4.8</springboot.version>

        <!-- javacpp当前版本 -->

        <javacpp.version>1.4.3</javacpp.version>

        <!-- opencv版本 -->

        <opencv.version>3.4.3</opencv.version>

        <!-- ffmpeg版本 -->

        <ffmpeg.version>4.0.2</ffmpeg.version>

    </properties>

    <dependencyManagement>

        <dependencies>

            <dependency>

                <groupId>org.projectlombok</groupId>

                <artifactId>lombok</artifactId>

                <version>1.18.18</version>

            </dependency>

            <dependency>

                <groupId>org.bytedeco</groupId>

                <artifactId>javacv-platform</artifactId>

                <version>${javacpp.version}</version>

            </dependency>

            <dependency>

                <groupId>org.bytedeco</groupId>

                <artifactId>javacv</artifactId>

                <version>${javacpp.version}</version>

            </dependency>

            <!-- javacpp -->

            <dependency>

                <groupId>org.bytedeco</groupId>

                <artifactId>javacpp</artifactId>

                <version>${javacpp.version}</version>

            </dependency>

            <!-- ffmpeg -->

            <dependency>

                <groupId>org.bytedeco.javacpp-presets</groupId>

                <artifactId>ffmpeg-platform</artifactId>

                <version>${ffmpeg.version}-${javacpp.version}</version>

            </dependency>

            <dependency>

                <groupId>org.bytedeco.javacpp-presets</groupId>

                <artifactId>ffmpeg</artifactId>

                <version>${ffmpeg.version}-${javacpp.version}</version>

            </dependency>

        </dependencies>

    </dependencyManagement>

</project>

在javacv-tutorials下面新建名为face-detect-demo的子工程，这里面是咱们今天要开发的应用，其pom.xml如下：

<?xml version="1.0" encoding="UTF-8"?>

<project xmlns="http://maven.apache.org/POM/4.0.0"

         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">

    <parent>

        <artifactId>javacv-tutorials</artifactId>

        <groupId>com.bolingcavalry</groupId>

        <version>1.0-SNAPSHOT</version>

    </parent>

    <modelVersion>4.0.0</modelVersion>

    <artifactId>face-detect-demo</artifactId>

    <packaging>jar</packaging>

    <dependencyManagement>

        <dependencies>

            <dependency>

                <groupId>org.springframework.boot</groupId>

                <artifactId>spring-boot-dependencies</artifactId>

                <version>${springboot.version}</version>

                <type>pom</type>

                <scope>import</scope>

            </dependency>

        </dependencies>

    </dependencyManagement>

    <dependencies>

        <!--FreeMarker模板视图依赖-->

        <dependency>

            <groupId>org.springframework.boot</groupId>

            <artifactId>spring-boot-starter-freemarker</artifactId>

        </dependency>

        <dependency>

            <groupId>org.springframework.boot</groupId>

            <artifactId>spring-boot-starter-web</artifactId>

        </dependency>

        <dependency>

            <groupId>org.projectlombok</groupId>

            <artifactId>lombok</artifactId>

        </dependency>

        <dependency>

            <groupId>org.springframework.boot</groupId>

            <artifactId>spring-boot-starter-test</artifactId>

            <scope>test</scope>

        </dependency>

        <dependency>

            <groupId>org.bytedeco</groupId>

            <artifactId>javacv-platform</artifactId>

        </dependency>

        <dependency>

            <groupId>org.bytedeco</groupId>

            <artifactId>javacv</artifactId>

        </dependency>

        <!-- javacpp -->

        <dependency>

            <groupId>org.bytedeco</groupId>

            <artifactId>javacpp</artifactId>

        </dependency>

        <!-- ffmpeg -->

        <dependency>

            <groupId>org.bytedeco.javacpp-presets</groupId>

            <artifactId>ffmpeg-platform</artifactId>

        </dependency>

        <dependency>

            <groupId>org.bytedeco.javacpp-presets</groupId>

            <artifactId>ffmpeg</artifactId>

        </dependency>

    </dependencies>

    <build>

        <plugins>

            <!-- 如果父工程不是springboot，就要用以下方式使用插件，才能生成正常的jar -->

            <plugin>

                <groupId>org.springframework.boot</groupId>

                <artifactId>spring-boot-maven-plugin</artifactId>

                <configuration>

                    <mainClass>com.bolingcavalry.facedetect.FaceDetectApplication</mainClass>

                </configuration>

                <executions>

                    <execution>

                        <goals>

                            <goal>repackage</goal>

                        </goals>

                    </execution>

                </executions>

            </plugin>

        </plugins>

    </build>

</project>

配置文件如下，要重点关注前段模板、文件上传大小、模型文件目录等配置：

### FreeMarker 配置

spring.freemarker.allow-request-override=false

#Enable template caching.启用模板缓存。

spring.freemarker.cache=false

spring.freemarker.check-template-location=true

spring.freemarker.charset=UTF-8

spring.freemarker.content-type=text/html

spring.freemarker.expose-request-attributes=false

spring.freemarker.expose-session-attributes=false

spring.freemarker.expose-spring-macro-helpers=false

#设置面板后缀

spring.freemarker.suffix=.ftl

# 设置单个文件最大内存

spring.servlet.multipart.max-file-size=100MB

# 设置所有文件最大内存

spring.servlet.multipart.max-request-size=1000MB

# 自定义文件上传路径

web.upload-path=/app/images

# 模型路径

opencv.model-path=/app/model/haarcascade_frontalface_default.xml

前端页面文件只有一个index.ftl，请原谅欣宸不入流的前端水平，前端只有一个页面，可以提交页面，同时也是展示处理结果的页面：

<!DOCTYPE html>

<head>

    <meta charset="UTF-8" />

    <title>图片上传Demo</title>

</head>

<body>

<h1 >图片上传Demo</h1>

<form action="fileUpload" method="post" enctype="multipart/form-data">

    <p>选择检测文件: <input type="file" name="fileName"/></p>

    <p>周围检测数量: <input type="number" value="32" name="minneighbors"/></p>

    <p><input type="submit" value="提交"/></p>

</form>

<#--判断是否上传文件-->

<#if msg??>

    <span>${msg}</span><br><br>

<#else >

    <span>${msg!("文件未上传")}</span><br>

</#if>

<#--显示图片，一定要在img中的src发请求给controller，否则直接跳转是乱码-->

<#if fileName??>

<#--<img src="/show?fileName=${fileName}" style="width: 100px"/>-->

<img src="/show?fileName=${fileName}"/>

<#else>

<#--<img src="/show" style="width: 200px"/>-->

</#if>

</body>

</html>

再来看后台代码，先是最常见的应用启动类：

package com.bolingcavalry.facedetect;

import org.springframework.boot.SpringApplication;

import org.springframework.boot.autoconfigure.SpringBootApplication;

@SpringBootApplication

public class FaceDetectApplication {

    public static void main(String[] args) {

        SpringApplication.run(FaceDetectApplication.class, args);

    }

}

前端上传图片后，后端要做哪些处理呢？先不贴代码，咱们把后端要做的事情捋一遍，如下图：

接下来是最核心的业务类UploadController.java，web接口和业务逻辑处理都在这里面，是按照上图的流程顺序执行的，有几处要注意的地方稍后会提到：

package com.bolingcavalry.facedetect.controller;

import lombok.extern.slf4j.Slf4j;

import org.springframework.beans.factory.annotation.Autowired;

import org.springframework.beans.factory.annotation.Value;

import org.springframework.core.io.ResourceLoader;

import org.springframework.http.ResponseEntity;

import org.springframework.stereotype.Controller;

import org.springframework.web.bind.annotation.RequestMapping;

import org.springframework.web.bind.annotation.RequestParam;

import org.springframework.web.multipart.MultipartFile;

import java.io.File;

import java.io.IOException;

import java.util.Map;

import org.opencv.core.*;

import org.opencv.imgcodecs.Imgcodecs;

import org.opencv.imgproc.Imgproc;

import org.opencv.objdetect.CascadeClassifier;

import java.util.UUID;

import static org.bytedeco.javacpp.opencv_objdetect.CV_HAAR_DO_CANNY_PRUNING;

@Controller

@Slf4j

public class UploadController {

    static {

        // 加载 动态链接库

        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

    }

    private final ResourceLoader resourceLoader;

    @Autowired

    public UploadController(ResourceLoader resourceLoader) {

        this.resourceLoader = resourceLoader;

    }

    @Value("${web.upload-path}")

    private String uploadPath;

    @Value("${opencv.model-path}")

    private String modelPath;

    /**

     * 跳转到文件上传页面

     * @return

     */

    @RequestMapping("index")

    public String toUpload(){

        return "index";

    }

    /**

     * 上次文件到指定目录

     * @param file 文件

     * @param path 文件存放路径

     * @param fileName 源文件名

     * @return

     */

    private static boolean upload(MultipartFile file, String path, String fileName){

        //使用原文件名

        String realPath = path + "/" + fileName;

        File dest = new File(realPath);

        //判断文件父目录是否存在

        if(!dest.getParentFile().exists()){

            dest.getParentFile().mkdir();

        }

        try {

            //保存文件

            file.transferTo(dest);

            return true;

        } catch (IllegalStateException e) {

            // TODO Auto-generated catch block

            e.printStackTrace();

            return false;

        } catch (IOException e) {

            // TODO Auto-generated catch block

            e.printStackTrace();

            return false;

        }

    }

    /**

     *

     * @param file 要上传的文件

     * @return

     */

    @RequestMapping("fileUpload")

    public String upload(@RequestParam("fileName") MultipartFile file, @RequestParam("minneighbors") int minneighbors, Map<String, Object> map){

        log.info("file [{}], size [{}], minneighbors [{}]", file.getOriginalFilename(), file.getSize(), minneighbors);

        String originalFileName = file.getOriginalFilename();

        if (!upload(file, uploadPath, originalFileName)){

            map.put("msg", "上传失败！");

            return "forward:/index";

        }

        String realPath = uploadPath + "/" + originalFileName;

        Mat srcImg = Imgcodecs.imread(realPath);

        // 目标灰色图像

        Mat dstGrayImg = new Mat();

        // 转换灰色

        Imgproc.cvtColor(srcImg, dstGrayImg, Imgproc.COLOR_BGR2GRAY);

        // OpenCv人脸识别分类器

        CascadeClassifier classifier = new CascadeClassifier(modelPath);

        // 用来存放人脸矩形

        MatOfRect faceRect = new MatOfRect();

        // 特征检测点的最小尺寸

        Size minSize = new Size(32, 32);

        // 图像缩放比例,可以理解为相机的X倍镜

        double scaleFactor = 1.2;

        // 执行人脸检测

        classifier.detectMultiScale(dstGrayImg, faceRect, scaleFactor, minneighbors, CV_HAAR_DO_CANNY_PRUNING, minSize);

        //遍历矩形,画到原图上面

        // 定义绘制颜色

        Scalar color = new Scalar(0, 0, 255);

        Rect[] rects = faceRect.toArray();

        // 没检测到

        if (null==rects || rects.length<1) {

            // 显示图片

            map.put("msg", "未检测到人脸");

            // 文件名

            map.put("fileName", originalFileName);

            return "forward:/index";

        }

        // 逐个处理

        for(Rect rect: rects) {

            int x = rect.x;

            int y = rect.y;

            int w = rect.width;

            int h = rect.height;

            // 单独框出每一张人脸

            Imgproc.rectangle(srcImg, new Point(x, y), new Point(x + w, y + w), color, 2);

        }

        // 添加人脸框之后的图片的名字

        String newFileName = UUID.randomUUID().toString() + ".png";

        // 保存

        Imgcodecs.imwrite(uploadPath + "/" + newFileName, srcImg);

        // 显示图片

        map.put("msg", "一共检测到" + rects.length + "个人脸");

        // 文件名

        map.put("fileName", newFileName);

        return "forward:/index";

    }

    /**

     * 显示单张图片

     * @return

     */

    @RequestMapping("show")

    public ResponseEntity showPhotos(String fileName){

        if (null==fileName) {

            return ResponseEntity.notFound().build();

        }

        try {

            // 由于是读取本机的文件，file是一定要加上的， path是在application配置文件中的路径

            return ResponseEntity.ok(resourceLoader.getResource("file:" + uploadPath + "/" + fileName));

        } catch (Exception e) {

            return ResponseEntity.notFound().build();

        }

    }

}

UploadController.java的代码，有以下几处要关注：

    在静态方法中通过System.loadLibrary加载本地库函，实际开发过程中，这里是最容易报错的地方，一定要确保-Djava.library.path参数配置的路径中的本地库是正常可用的，前文制作的基础镜像中已经准比好了这些本地库，因此只要确保-Djava.library.path参数配置正确即可，这个配置在稍后的Dockerfile中会提到
    public String upload方法是处理人脸检测的代码入口，内部按照前面分析的流程顺序执行
    new CascadeClassifier(modelPath)是根据指定的模型来实例化分类器，模型文件是从GitHub下载的，opencv官方提前训练好的模型，地址是：https://github.com/opencv/opencv/tree/master/data/haarcascades
    看似神奇的人脸检测功能，实际上只需一行代码classifier.detectMultiScale，就能得到每个人脸在原图中的矩形位置，接下来，咱们只要按照位置在原图上添加矩形框即可

现在代码已经写完了，接下来将其做成docker镜像

docker镜像制作

首先是编写Dockerfile：

# 基础镜像集成了openjdk8和opencv3.4.3

FROM bolingcavalry/opencv3.4.3:0.0.3

# 创建目录

RUN mkdir -p /app/images && mkdir -p /app/model

# 指定镜像的内容的来源位置

ARG DEPENDENCY=target/dependency

# 复制内容到镜像

COPY ${DEPENDENCY}/BOOT-INF/lib /app/lib

COPY ${DEPENDENCY}/META-INF /app/META-INF

COPY ${DEPENDENCY}/BOOT-INF/classes /app

# 指定启动命令

ENTRYPOINT ["java","-Djava.library.path=/opencv-3.4.3/build/lib","-cp","app:app/lib/*","com.bolingcavalry.facedetect.FaceDetectApplication"]

上述Dockerfile内容很简单，就是一些复制文件的处理，只有一处要格外注意：启动命令中有个参数-Djava.library.path=/opencv-3.4.3/build/lib，指定了本地so库的位置，前面的java代码中，System.loadLibrary加载的本地库就是从这个位置加载的，咱们用的基础镜像是bolingcavalry/opencv3.4.3:0.0.3，已经在该位置准备好了opencv的所有本地库

在父工程目录下执行mvn clean package -U，这是个纯粹的maven操作，和docker没有任何关系

进入face-detect-demo目录，执行以下命令，作用是从jar文件中提取class、配置文件、依赖库等内容到target/dependency目录:

mkdir -p target/dependency && (cd target/dependency; jar -xf ../*.jar)

最后，在Dockerfile文件所在目录执行命令docker build -t bolingcavalry/facedetect:0.0.1 .(命令的最后有个点，不要漏了)，即可完成镜像制作

如果您有hub.docker.com的账号，还可以通过docker push命令把镜像推送到中央仓库，让更多的人用到：

最后，再来回顾一下《三分钟极速体验：Java版人脸检测》一文中启动docker容器的命令，如下可见，通过两个-v参数，将宿主机的目录映射到容器中，因此，容器中的/app/images和/app/model可以保持不变，只要能保证宿主机的目录映射正确即可：

docker run \

--rm \

-p 18080:8080 \

-v /root/temp/202107/17/images:/app/images \

-v /root/temp/202107/17/model:/app/model \

bolingcavalry/facedetect:0.0.1

有关SpringBoot官方推荐的docker镜像制作的更多信息，请参考《SpringBoot(2.4)应用制作Docker镜像(Gradle版官方方案)》

需要重点注意的地方

请大家关注pom.xml中和javacv相关的几个库的版本，这些版本是不能随便搭配的，建议按照文中的来，就算要改，也请在maven中央仓库检查您所需的版本是否存在；

至此，《Java版人脸检测》从体验到开发详解都完成了，小小的功能涉及到不少知识点，也让我们体验到了javacv的便捷和强大，借助docker将环境配置和应用开发分离开来，降低了应用开发和部署的难度(不再花时间到jdk和opencv的部署上)，如果您正在寻找简单易用的javacv开发和部署方案，希望本文能给您提供参考；

你不孤单，欣宸原创一路相伴

    Java系列
    Spring系列
    Docker系列
    kubernetes系列
    数据库+中间件系列
    DevOps系列

欢迎关注公众号：程序员欣宸

微信搜索「程序员欣宸」，我是欣宸，期待与您一同畅游Java世界...

https://github.com/zq2599/blog_demos

Java版人脸检测详解下篇：编码的相关教程结束。

《Java版人脸检测详解下篇：编码.doc》

下载本文的Word格式文档，以方便收藏与打印。

Copyright 2023. 昆居客 - IT编程,互联网信息技术文档大全!