【资料图】

欢迎访问我的GitHub

这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos

本篇概览本文是《JavaCV的摄像头实战》系列的第十四篇，如标题所说，今天的功能是检测摄像头内的人是否带了口罩，把检测结果实时标注在预览窗口，如下图所示：整个处理流程如下，实现口罩检测的关键是将图片提交到百度AI开放平台，然后根据平台返回的结果在本地预览窗口标识出人脸位置，以及此人是否带了口罩：问题提前告知依赖云平台处理业务的一个典型问题，就是处理速度受限首先，如果您在百度AI开放平台注册的账号是个人类型，那么免费的接口调用会被限制到一秒钟两次，如果是企业类型账号，该限制是十次其次，经过实测，一次人脸检测接口耗时300ms以上最终，实际上一秒钟只能处理两帧，这样的效果在预览窗口展现出来，就只能是幻灯片效果了（低于每秒十五帧就能感受到明显的卡顿）因此，本文只适合基本功能展示，无法作为实际场景的解决方案关于百度AI开放平台为了正常使用百度AI开放平台的服务，您需要完成一些注册和申请操作，详情请参考《最简单的人脸检测（免费调用百度AI开放平台接口）》现在，如果您完成了百度AI开放平台的注册和申请，那么，现在手里应该有可用的access_token，那么现在可以开始编码了编码：添加依赖库本文继续使用《JavaCV的摄像头实战之一：基础》创建的simple-grab-push工程首先是在pom.xml中增加okhttp和jackson依赖，分别用于网络请求和JSON解析：

com.squareup.okhttp3okhttp    3.10.0com.fasterxml.jackson.core    jackson-databind    2.11.0

编码：封装请求和响应百度AI开放平台的代码接下来要开发一个服务类，这个服务类封装了所有和百度AI开放平台相关的代码首先，定义web请求的request对象FaceDetectRequest.java：

package com.bolingcavalry.grabpush.bean.request;import com.fasterxml.jackson.annotation.JsonProperty;import lombok.Data;/** * @author willzhao * @version 1.0 * @description 请求对象 * @date 2022/1/1 16:21 */@Datapublic class FaceDetectRequest {    // 图片信息(总数据大小应小于10M)，图片上传方式根据image_type来判断    String image;    // 图片类型    // BASE64:图片的base64值，base64编码后的图片数据，编码后的图片大小不超过2M；    // URL:图片的 URL地址( 可能由于网络等原因导致下载图片时间过长)；    // FACE_TOKEN: 人脸图片的唯一标识，调用人脸检测接口时，会为每个人脸图片赋予一个唯一的FACE_TOKEN，同一张图片多次检测得到的FACE_TOKEN是同一个。    @JsonProperty("image_type")    String imageType;    // 包括age,expression,face_shape,gender,glasses,landmark,landmark150,quality,eye_status,emotion,face_type,mask,spoofing信息    //逗号分隔. 默认只返回face_token、人脸框、概率和旋转角度    @JsonProperty("face_field")    String faceField;    // 最多处理人脸的数目，默认值为1，根据人脸检测排序类型检测图片中排序第一的人脸（默认为人脸面积最大的人脸），最大值120    @JsonProperty("max_face_num")    int maxFaceNum;    // 人脸的类型    // LIVE表示生活照：通常为手机、相机拍摄的人像图片、或从网络获取的人像图片等    // IDCARD表示身份证芯片照：二代身份证内置芯片中的人像照片    // WATERMARK表示带水印证件照：一般为带水印的小图，如公安网小图    // CERT表示证件照片：如拍摄的身份证、工卡、护照、学生证等证件图片    // 默认LIVE    @JsonProperty("face_type")    String faceType;    // 活体控制 检测结果中不符合要求的人脸会被过滤    // NONE: 不进行控制    // LOW:较低的活体要求(高通过率 低攻击拒绝率)    // NORMAL: 一般的活体要求(平衡的攻击拒绝率, 通过率)    // HIGH: 较高的活体要求(高攻击拒绝率 低通过率)    // 默认NONE    @JsonProperty("liveness_control")    String livenessControl;    // 人脸检测排序类型    // 0:代表检测出的人脸按照人脸面积从大到小排列    // 1:代表检测出的人脸按照距离图片中心从近到远排列    // 默认为0    @JsonProperty("face_sort_type")    int faceSortType;}

其次，定义web响应对象FaceDetectResponse.java：

package com.bolingcavalry.grabpush.bean.response;import com.fasterxml.jackson.annotation.JsonProperty;import lombok.Data;import lombok.ToString;import java.io.Serializable;import java.util.List;@Data@ToStringpublic class FaceDetectResponse implements Serializable {    // 返回码    @JsonProperty("error_code")    String errorCode;    // 描述信息    @JsonProperty("error_msg")    String errorMsg;    // 返回的具体内容    Result result;    @Data    public static class Result {        // 人脸数量        @JsonProperty("face_num")        private int faceNum;        // 每个人脸的信息        @JsonProperty("face_list")        List faceList;        /**         * @author willzhao         * @version 1.0         * @description 检测出来的人脸对象         * @date 2022/1/1 16:03         */        @Data        public static class Face {            // 位置            Location location;            // 是人脸的置信度            @JsonProperty("face_probability")            double face_probability;            // 口罩            Mask mask;            /**             * @author willzhao             * @version 1.0             * @description 人脸在图片中的位置             * @date 2022/1/1 16:04             */            @Data            public static class Location {                double left;                double top;                double width;                double height;                double rotation;            }            /**             * @author willzhao             * @version 1.0             * @description 口罩对象             * @date 2022/1/1 16:11             */            @Data            public static class Mask {                int type;                double probability;            }        }    }}

然后是服务类BaiduCloudService.java，把请求和响应百度AI开放平台的逻辑全部集中在这里，可见其实很简单：根据图片的base64字符串构造请求对象、发POST请求（path是人脸检测服务）、收到响应后用Jackson反序列化成FaceDetectResponse对象：

package com.bolingcavalry.grabpush.extend;import com.bolingcavalry.grabpush.bean.request.FaceDetectRequest;import com.bolingcavalry.grabpush.bean.response.FaceDetectResponse;import com.fasterxml.jackson.databind.DeserializationFeature;import com.fasterxml.jackson.databind.ObjectMapper;import okhttp3.*;import java.io.IOException;/** * @author willzhao * @version 1.0 * @description 百度云服务的调用 * @date 2022/1/1 11:06 */public class BaiduCloudService {    OkHttpClient client = new OkHttpClient();    static final MediaType JSON = MediaType.parse("application/json; charset=utf-8");    static final String URL_TEMPLATE = "https://aip.baidubce.com/rest/2.0/face/v3/detect?access_token=%s";    String token;    ObjectMapper mapper = new ObjectMapper();    public BaiduCloudService(String token) {        this.token = token;        // 重要：反序列化的时候，字符的字段如果比类的字段多，下面这个设置可以确保反序列化成功        mapper.disable(DeserializationFeature.FAIL_ON_UNKNOWN_PROPERTIES);    }        /**     * 检测指定的图片     * @param imageBase64     * @return     */    public FaceDetectResponse detect(String imageBase64) {        // 请求对象        FaceDetectRequest faceDetectRequest = new FaceDetectRequest();        faceDetectRequest.setImageType("BASE64");        faceDetectRequest.setFaceField("mask");        faceDetectRequest.setMaxFaceNum(6);        faceDetectRequest.setFaceType("LIVE");        faceDetectRequest.setLivenessControl("NONE");        faceDetectRequest.setFaceSortType(0);        faceDetectRequest.setImage(imageBase64);        FaceDetectResponse faceDetectResponse = null;        try {            // 用Jackson将请求对象序列化成字符串            String jsonContent = mapper.writeValueAsString(faceDetectRequest);            //            RequestBody requestBody = RequestBody.create(JSON, jsonContent);            Request request = new Request                    .Builder()                    .url(String.format(URL_TEMPLATE, token))                    .post(requestBody)                    .build();            Response response = client.newCall(request).execute();            String rawRlt = response.body().string();            faceDetectResponse = mapper.readValue(rawRlt, FaceDetectResponse.class);        } catch (IOException ioException) {            ioException.printStackTrace();        }        return faceDetectResponse;    }}

服务类写完了，接下来是主程序把整个逻辑串起来DetectService接口的实现熟悉《JavaCV的摄像头实战》系列的读者应该对DetectService接口不陌生了，为了在整个系列的诸多实战中以统一的风格实现抓取帧-->处理帧-->输出处理结果这样的流程，咱们定义了一个DetectService接口，每种不同帧处理业务按照自己的特点来实现此接口即可（例如人脸检测、年龄检测、性别检测等）先来回顾DetectService接口：

package com.bolingcavalry.grabpush.extend;import org.bytedeco.javacv.Frame;import org.bytedeco.javacv.OpenCVFrameConverter;import org.bytedeco.opencv.opencv_core.*;import org.bytedeco.opencv.opencv_objdetect.CascadeClassifier;import static org.bytedeco.opencv.global.opencv_core.CV_8UC1;import static org.bytedeco.opencv.global.opencv_imgproc.*;/** * @author willzhao * @version 1.0 * @description 检测工具的通用接口 * @date 2021/12/5 10:57 */public interface DetectService {    /**     * 根据传入的MAT构造相同尺寸的MAT，存放灰度图片用于以后的检测     * @param src 原始图片的MAT对象     * @return 相同尺寸的灰度图片的MAT对象     */    static Mat buildGrayImage(Mat src) {        return new Mat(src.rows(), src.cols(), CV_8UC1);    }    /**     * 检测图片，将检测结果用矩形标注在原始图片上     * @param classifier 分类器     * @param converter Frame和mat的转换器     * @param rawFrame 原始视频帧     * @param grabbedImage 原始视频帧对应的mat     * @param grayImage 存放灰度图片的mat     * @return 标注了识别结果的视频帧     */    static Frame detect(CascadeClassifier classifier,                        OpenCVFrameConverter.ToMat converter,                        Frame rawFrame,                        Mat grabbedImage,                        Mat grayImage) {        // 当前图片转为灰度图片        cvtColor(grabbedImage, grayImage, CV_BGR2GRAY);        // 存放检测结果的容器        RectVector objects = new RectVector();        // 开始检测        classifier.detectMultiScale(grayImage, objects);        // 检测结果总数        long total = objects.size();        // 如果没有检测到结果，就用原始帧返回        if (total<1) {            return rawFrame;        }        // 如果有检测结果，就根据结果的数据构造矩形框，画在原图上        for (long i = 0; i < total; i++) {            Rect r = objects.get(i);            int x = r.x(), y = r.y(), w = r.width(), h = r.height();            rectangle(grabbedImage, new Point(x, y), new Point(x + w, y + h), Scalar.RED, 1, CV_AA, 0);        }        // 释放检测结果资源        objects.close();        // 将标注过的图片转为帧，返回        return converter.convert(grabbedImage);    }    /**     * 初始化操作，例如模型下载     * @throws Exception     */    void init() throws Exception;    /**     * 得到原始帧，做识别，添加框选     * @param frame     * @return     */    Frame convert(Frame frame);    /**     * 释放资源     */    void releaseOutputResource();}

再来看看本次实战中DetectService接口的实现类BaiduCloudDetectService.java，有几处要注意的地方稍后会提到：

package com.bolingcavalry.grabpush.extend;import com.bolingcavalry.grabpush.bean.response.FaceDetectResponse;import lombok.extern.slf4j.Slf4j;import org.bytedeco.javacpp.Loader;import org.bytedeco.javacv.Frame;import org.bytedeco.javacv.Java2DFrameConverter;import org.bytedeco.javacv.OpenCVFrameConverter;import org.bytedeco.opencv.opencv_core.Mat;import org.bytedeco.opencv.opencv_core.Point;import org.bytedeco.opencv.opencv_core.Rect;import org.bytedeco.opencv.opencv_core.Scalar;import org.bytedeco.opencv.opencv_objdetect.CascadeClassifier;import org.opencv.face.Face;import sun.misc.BASE64Encoder;import javax.imageio.ImageIO;import java.awt.image.BufferedImage;import java.io.ByteArrayOutputStream;import java.io.File;import java.io.IOException;import java.net.URL;import java.util.List;import static org.bytedeco.opencv.global.opencv_imgproc.*;import static org.bytedeco.opencv.global.opencv_imgproc.CV_AA;/** * @author willzhao * @version 1.0 * @description 音频相关的服务 * @date 2021/12/3 8:09 */@Slf4jpublic class BaiduCloudDetectService implements DetectService {    /**     * 每一帧原始图片的对象     */    private Mat grabbedImage = null;    /**     * 百度云的token     */    private String token;    /**     * 图片的base64字符串     */    private String base64Str;    /**     * 百度云服务     */    private BaiduCloudService baiduCloudService;    private OpenCVFrameConverter.ToMat openCVConverter = new OpenCVFrameConverter.ToMat();    private Java2DFrameConverter java2DConverter = new Java2DFrameConverter();    private OpenCVFrameConverter.ToMat converter = new OpenCVFrameConverter.ToMat();    private BASE64Encoder encoder = new BASE64Encoder();    /**     * 构造方法，在此指定模型文件的下载地址     * @param token     */    public BaiduCloudDetectService(String token) {        this.token = token;    }    /**     * 百度云服务对象的初始化     * @throws Exception     */    @Override    public void init() throws Exception {        baiduCloudService = new BaiduCloudService(token);    }    @Override    public Frame convert(Frame frame) {        // 将原始帧转成base64字符串        base64Str = frame2Base64(frame);        // 记录请求开始的时间        long startTime = System.currentTimeMillis();        // 交给百度云进行人脸和口罩检测        FaceDetectResponse faceDetectResponse = baiduCloudService.detect(base64Str);        // 如果检测失败，就提前返回了        if (null==faceDetectResponse         || null==faceDetectResponse.getErrorCode()         || !"0".equals(faceDetectResponse.getErrorCode())) {            String desc = "";            if (null!=faceDetectResponse) {                desc = String.format("，错误码[%s]，错误信息[%s]", faceDetectResponse.getErrorCode(), faceDetectResponse.getErrorMsg());            }            log.error("检测人脸失败", desc);            // 提前返回            return frame;        }        log.info("检测耗时[{}]ms，结果：{}", (System.currentTimeMillis()-startTime), faceDetectResponse);        // 如果拿不到检测结果，就返回原始帧        if (null==faceDetectResponse.getResult()        || null==faceDetectResponse.getResult().getFaceList()) {            log.info("未检测到人脸");            return frame;        }        // 取出百度云的检测结果，后面会逐个处理        List list = faceDetectResponse.getResult().getFaceList();        FaceDetectResponse.Result.Face face;        FaceDetectResponse.Result.Face.Location location;        String desc;        Scalar color;        int pos_x;        int pos_y;        // 如果有检测结果，就根据结果的数据构造矩形框，画在原图上        for (int i = 0; i < list.size(); i++) {            face = list.get(i);            // 每张人脸的位置            location = face.getLocation();            int x = (int)location.getLeft();            int y = (int)location.getHeight();            int w = (int)location.getWidth();            int h = (int)location.getHeight();            // 口罩字段的type等于1表示带口罩，0表示未带口罩            if (1==face.getMask().getType()) {                desc = "Mask";                color = Scalar.GREEN;            } else {                desc = "No mask";                color = Scalar.RED;            }            // 在图片上框出人脸            rectangle(grabbedImage, new Point(x, y), new Point(x + w, y + h), color, 1, CV_AA, 0);            // 人脸标注的横坐标            pos_x = Math.max(x-10, 0);            // 人脸标注的纵坐标            pos_y = Math.max(y-10, 0);            // 给人脸做标注，标注是否佩戴口罩             putText(grabbedImage, desc, new Point(pos_x, pos_y), FONT_HERSHEY_PLAIN, 1.5, color);        }        // 将标注过的图片转为帧，返回        return converter.convert(grabbedImage);    }    /**     * 程序结束前，释放人脸识别的资源     */    @Override    public void releaseOutputResource() {        if (null!=grabbedImage) {            grabbedImage.release();        }    }    private String frame2Base64(Frame frame) {        grabbedImage = converter.convert(frame);        BufferedImage bufferedImage = java2DConverter.convert(openCVConverter.convert(grabbedImage));        ByteArrayOutputStream bStream = new ByteArrayOutputStream();        try {            ImageIO.write(bufferedImage, "png", bStream);        } catch (IOException e) {            throw new RuntimeException("bugImg读取失败:"+e.getMessage(),e);        }        return encoder.encode(bStream.toByteArray());    }}

上述代码有以下几点要注意：整个BaiduCloudDetectService类，主要是对前面BaiduCloudService类的使用convert方法中，拿到frame实例后会转为base64字符串，用于提交到百度AI开放平台做人脸检测百度AI开放平台的检测结果中有多个人脸检测结果，这里要逐个处理：取出每个人脸的位置，以此位置在原图画矩形框，然后根据是否戴口罩在人脸上做标记，戴口罩的是绿色标记（包括矩形框），不戴口罩的是红色矩形框主程序最后是主程序了，还是《JavaCV的摄像头实战》系列的套路，咱们来看看主程序的服务类定义好的框架《JavaCV的摄像头实战之一：基础》创建的simple-grab-push工程中已经准备好了父类AbstractCameraApplication，所以本篇继续使用该工程，创建子类实现那些抽象方法即可编码前先回顾父类的基础结构，如下图，粗体是父类定义的各个方法，红色块都是需要子类来实现抽象方法，所以接下来，咱们以本地窗口预览为目标实现这三个红色方法即可：新建文件PreviewCameraWithBaiduCloud.java，这是AbstractCameraApplication的子类，其代码很简单，接下来按上图顺序依次说明先定义CanvasFrame类型的成员变量previewCanvas，这是展示视频帧的本地窗口：

protected CanvasFrame previewCanvas

把前面创建的DetectService作为成员变量，后面检测的时候会用到：

/**     * 检测工具接口     */    private DetectService detectService;

PreviewCameraWithBaiduCloud的构造方法，接受DetectService的实例：

/**     * 不同的检测工具，可以通过构造方法传入     * @param detectService     */    public PreviewCameraWithBaiduCloud(DetectService detectService) {        this.detectService = detectService;    }

然后是初始化操作，可见是previewCanvas的实例化和参数设置，还有检测、识别的初始化操作：

@Override    protected void initOutput() throws Exception {        previewCanvas = new CanvasFrame("摄像头预览", CanvasFrame.getDefaultGamma() / grabber.getGamma());        previewCanvas.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);        previewCanvas.setAlwaysOnTop(true);        // 检测服务的初始化操作        detectService.init();    }

接下来是output方法，定义了拿到每一帧视频数据后做什么事情，这里调用了detectService.convert检测人脸并识别性别，然后在本地窗口显示：

@Override    protected void output(Frame frame) {        // 原始帧先交给检测服务处理，这个处理包括物体检测，再将检测结果标注在原始图片上，        // 然后转换为帧返回        Frame detectedFrame = detectService.convert(frame);        // 预览窗口上显示的帧是标注了检测结果的帧        previewCanvas.showImage(detectedFrame);    }

最后是处理视频的循环结束后，程序退出前要做的事情，先关闭本地窗口，再释放检测服务的资源：

@Override    protected void releaseOutputResource() {        if (null!= previewCanvas) {            previewCanvas.dispose();        }        // 检测工具也要释放资源        detectService.releaseOutputResource();    }

每一帧耗时太多，所以两帧之间就不再额外间隔了：

@Override    protected int getInterval() {        return 0;    }

至此，功能已开发完成，再写上main方法，代码如下，请注意token的值是前面在百度AI开放平台取得的access_token：

public static void main(String[] args) {        String token = "21.xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx.xxxxxxx.xxxxxxxxxx.xxxxxx-xxxxxxxx";        new PreviewCameraWithBaiduCloud(new BaiduCloudDetectService(token)).action(1000);    }

至此，代码写完了，准备好摄像头开始验证，群众演员为了免费盒饭已经在寒风中等了很久啦验证

运行PreviewCameraWithBaiduCloud的main方法，请群众演员出现在摄像头前面，此时不戴口罩，可见人脸上是红色字体和矩形框：

让群众演员戴上口罩，再次出现在摄像头前面，这次检测到了口罩，显示了绿色标注和矩形框：

实际体验中，由于一秒钟最多只有两帧，在预览窗口展示时完全是幻灯片效果，惨不忍睹...

本篇博客使用了群众演员两张照片，所以被他领走了两份盒饭，欣宸很心疼...

至此，基于JavaCV和百度AI开放平台实现的口罩检测功能已完成，希望您继续关注《JavaCV的摄像头实战》系列，之后的实战更精彩

欢迎关注博客园：程序员欣宸

学习路上，你不孤单，欣宸原创一路相伴...