求人脸识别源代码

基于Gabor特征提取和人工智能的人脸检测系统源代码Face Detection System

成都创新互联是一家朝气蓬勃的网站建设公司。公司专注于为企业提供信息化建设解决方案。从事网站开发，网站制作，网站设计，网站模板，微信公众号开发，软件开发，微信小程序，十载建站对成都凿毛机等多个领域，拥有丰富建站经验。

这是一个使用了Gabor特征提取和人工智能的人脸检测系统源代码关键内容

使用步骤：

1. 拷贝所有文件到MATLAB工作目录下(确认已经安装了图像处理工具箱和人工智能工具箱)

2. 找到"main.m"文件

3. 命令行中运行它

4. 点击"Train Network"，等待程序训练好样本

5. 点击"Test on Photos"，选择一个.jpg图片，识别。

6. 等待程序检测出人脸区域

createffnn.m, drawrec.m, gabor.m, im2vec.m, imscan.m, loadimages.m, main.m, template1.png, template2.png, trainnet.m

java 人脸识别 问题！

no jniopencv_objdetect in java.library.path

opencv的相应的dll，没有放到环境变量PATH 所指的目录

人脸识别门禁系统Java源代码

基于弹性模板匹配的人脸表情识别程序。首先针对静态表情图像进行表情图像的灰度、尺寸归一化，然后利用Gabor小波变换提取人脸表情特征以构造表情弹性图，最后提出基于弹性模板匹配及K-近邻的分类算法实现人脸表情的识别。

如何开发Java动态人脸识别

1.环境搭建

整个项目的结构图

2.编写DetectFaceDemo.java,代码如下：

[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：源程序的路径会多打印一个‘/’，因此总是出现如下错误

/*

* 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，我们将第一个字符去掉

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.编写测试类：

[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();

}

}

//运行结果:

//Hello, OpenCV

//

//Running DetectFaceDemo

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

//Detected 8 faces

//Writing faceDetection.png

人脸识别系统使用java的开发

现在主流的还是用的百度，千搜等公司的在线API，就是传图片过去，等接收结果就行，seetaface这个东西太复杂了。

人脸检测库：libfacedetection

这是一个基于cnn的图像人脸检测的开源库。CNN模型已被转换为C源文件中的静态变量。源代码不依赖于任何其他库。你所需要的只是一个c++编译器。您可以使用c++编译器在Windows、Linux、ARM和任何平台下编译源代码。SIMD指令用于加速检测。如果您使用Intel CPU或NEON for ARM，则可以启用AVX2。在目录中还提供了模型文件models/examples/libfacedetectcn -example.cpp展示了如何使用这个库。

使用g++编译源代码时，请添加-03以启用优化。

使用Microsoft Visual Studio编译源代码时，请选择“最大化速度/-02”。

1.设置AArch64交叉编译器(请参考AArch64工具链.cmake)

2.设置OpenCV路径，因为示例代码依赖于OpenCV

OpenCV Haar+AdaBoost以最小的面尺寸48x48运行

只检测人脸，不包含地区检测。

最小面尺寸~12x12

Intel(R) Core(TM) i7-7700 CPU @ 3.6GHz

只检测人脸，不包含地区检测。

最小面尺寸~12x12

Raspberry Pi 3B+， 博通 BCM2837BO, Cortex-A53 (ARMv8) 64位SoC @ 1.4GHz

Shiqi Yu, shiqi.yu@gmail.com

本研究由深圳市科学基金(批准号:JCYJ20150324141711699)。

名称栏目：java人脸检测代码 人脸识别java开源项目
本文链接：http://scyanting.com/article/hgeiho.html