http://blog.csdn.net/lyq8479/article/details/17362685
为了防止网页丢失还是自己保存一份安全一点
人脸检测API介绍
在Face++网站的“API文档”中，能够看到Face++提供的所有API，我们要使用的人脸检测接口是detect分类下的“/detection/detect”，它能够检测出给定图片(Image)中的所有人脸(Face)的位置和相应的面部属性，目前面部属性包括性别(gender)、年龄(age)、种族(race)、微笑程度(smiling)、眼镜(glass)和姿势(pose)。
读者可以在http://cn.faceplusplus.com/uc/doc/home?id=69中了解到人脸检测接口的详细信息，该接口的请求地址如下：
- 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
调用上述接口，必须要传入参数api_key、api_secret和待检测的图片。其中，待检测的图片可以是URL，也可以是POST方式提交的二进制数据。在微信公众账号后台，接收用户发送的图片，得到的是图片的访问路径（PicUrl），因此，在本例中，直接使用待检测图片的URL是最方便的。调用人脸检测接口返回的是JSON格式数据如下：
{ "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" }
这里只对本文将要实现的“人脸检测”功能中主要用到的参数进行说明，参数说明如下：
1）face是一个数组，当一张图片中包含多张人脸时，所有识别出的人脸信息都在face数组中。
2）age中的value表示估计年龄，range表示误差范围。例如，上述结果中value=23，range=5，表示人的真实年龄在18岁至28岁左右。
3）gender中的value表示性别，男性为Male，女性为Female；gender中的confidence表示检测结果的可信度。
4）race中的value表示人种，黄色人种为Asian，白色人种为White，黑色人种为Black；race中的confidence表示检测结果的可信度。
5）center表示人脸框中心点坐标，可以将x用于计算人脸的左右顺序，即x坐标的值越小，人脸的位置越靠近图片的左侧。
人脸检测API的使用方法
为了方便开发者调用人脸识别API，Face++团队提供了基于Objective-C、Java（Android）、Matlab、Ruby、C#等多种语言的开发工具包，读者可以在Face++网站的“工具下载”版块下载相关的SDK。在本例中，笔者并不打算使用官方提供的SDK进行开发，主要原因如下：1）人脸检测API的调用比较简单，自己写代码实现也并不复杂；2）如果使用SDK进行开发，笔者还要花费大量篇幅介绍SDK的使用，这些并不是本文的重点；3）自己写代码实现比较灵活。当图片中有多张人脸时，人脸检测接口返回的数据是无序的，开发者可以按照实际使用需求进行排序，例如，将图片中的人脸按照从左至右的顺序进行排序。
编程调用人脸检测API
首先，要对人脸检测接口返回的结构进行封装，建立与之对应的Java对象。由于人脸检测接口返回的参数较多，笔者只是将本例中需要用到的参数抽取出来，封装成Face对象，对应的代码如下：
package org.liufeng.course.pojo; /** * Face Model * * @author liufeng * @date 2013-12-18 */ public class Face implements Comparable<Face> { // 被检测出的每一张人脸都在Face++系统中的标识符 private String faceId; // 年龄估计值 private int ageValue; // 年龄估计值的正负区间 private int ageRange; // 性别：Male/Female private String genderValue; // 性别分析的可信度 private double genderConfidence; // 人种：Asian/White/Black private String raceValue; // 人种分析的可信度 private double raceConfidence; // 微笑程度 private double smilingValue; // 人脸框的中心点坐标 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; } // 根据人脸中心点坐标从左至右排序 @Override public int compareTo(Face face) { int result = 0; if (this.getCenterX() > face.getCenterX()) result = 1; else result = -1; return result; } }
与普通Java类不同的是，Face类实现了Comparable接口，并实现了该接口的compareTo()方法，这正是Java中对象排序的关键所在。112-119行代码是通过比较每个Face的脸部中心点的横坐标来决定对象的排序方式，这样能够实现检测出的多个Face按从左至右的先后顺序进行排序。
接下来，是人脸检测API的调用及相关处理逻辑，笔者将这些实现全部封装在FaceService类中，该类的完整实现如下：
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;
/**
* 人脸检测服务
*
* @author liufeng
* @date 2013-12-18
*/
public class FaceService {
/**
* 发送http请求
*
* @param requestUrl 请求地址
* @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();
// 将返回的输入流转换成字符串
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();
// 释放资源
inputStream.close();
inputStream = null;
httpUrlConn.disconnect();
} catch (Exception e) {
e.printStackTrace();
}
return buffer.toString();
}
/**
* 调用Face++ API实现人脸检测
*
* @param picUrl 待检测图片的访问地址
* @return List<Face> 人脸列表
*/
private static List<Face> faceDetect(String picUrl) {
List<Face> faceList = new ArrayList<Face>();
try {
// 拼接Face++人脸检测的请求地址
String queryUrl = "http://apicn.faceplusplus.com/v2/detection/detect?url=URL&api_secret=API_SECRET&api_key=API_KEY";
// 对URL进行编码
queryUrl = queryUrl.replace("URL", java.net.URLEncoder.encode(picUrl, "UTF-8"));
queryUrl = queryUrl.replace("API_KEY", "替换成自己的API Key");
queryUrl = queryUrl.replace("API_SECRET", "替换成自己的API Secret");
// 调用人脸检测接口
String json = httpRequest(queryUrl);
// 解析返回json中的Face列表
JSONArray jsonArray = JSONObject.fromObject(json).getJSONArray("face");
// 遍历检测到的人脸
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);
}
// 将检测出的Face按从左至右的顺序排序
Collections.sort(faceList);
} catch (Exception e) {
faceList = null;
e.printStackTrace();
}
return faceList;
}
/**
* 性别转换（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;
}
/**
* 人种转换（英文->中文）
*
* @param race
* @return
*/
private static String raceConvert(String race) {
String result = "黄色";
if ("Asian".equals(race))
result = "黄色";
else if ("White".equals(race))
result = "白色";
else if ("Black".equals(race))
result = "黑色";
return result;
}
/**
* 根据人脸识别结果组装消息
*
* @param faceList 人脸列表
* @return
*/
private static String makeMessage(List<Face> faceList) {
StringBuffer buffer = new StringBuffer();
// 检测到1张脸
if (1 == faceList.size()) {
buffer.append("共检测到 ").append(faceList.size()).append(" 张人脸").append("
");
for (Face face : faceList) {
buffer.append(face.getRaceValue()).append("人种,");
buffer.append(face.getGenderValue()).append(",");
buffer.append(face.getAgeValue()).append("岁左右").append("
");
}
}
// 检测到2-10张脸
else if (faceList.size() > 1 && faceList.size() <= 10) {
buffer.append("共检测到 ").append(faceList.size()).append(" 张人脸，按脸部中心位置从左至右依次为：").append("
");
for (Face face : faceList) {
buffer.append(face.getRaceValue()).append("人种,");
buffer.append(face.getGenderValue()).append(",");
buffer.append(face.getAgeValue()).append("岁左右").append("
");
}
}
// 检测到10张脸以上
else if (faceList.size() > 10) {
buffer.append("共检测到 ").append(faceList.size()).append(" 张人脸").append("
");
// 统计各人种、性别的人数
int asiaMale = 0;
int asiaFemale = 0;
int whiteMale = 0;
int whiteFemale = 0;
int blackMale = 0;
int blackFemale = 0;
for (Face face : faceList) {
if ("黄色".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("黄色人种：").append(asiaMale).append("男").append(asiaFemale).append("女").append("
");
if (0 != whiteMale || 0 != whiteFemale)
buffer.append("白色人种：").append(whiteMale).append("男").append(whiteFemale).append("女").append("
");
if (0 != blackMale || 0 != blackFemale)
buffer.append("黑色人种：").append(blackMale).append("男").append(blackFemale).append("女").append("
");
}
// 移除末尾空格
buffer = new StringBuffer(buffer.substring(0, buffer.lastIndexOf("
")));
return buffer.toString();
}
/**
* 提供给外部调用的人脸检测方法
*
* @param picUrl 待检测图片的访问地址
* @return String
*/
public static String detect(String picUrl) {
// 默认回复信息
String result = "未识别到人脸，请换一张清晰的照片再试！";
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));
}
}
上述代码虽然多，但条理很清晰，并不难理解，所以笔者只挑重点的进行讲解，主要说明如下：
1）70行：参数url表示图片的链接，由于链接中存在特殊字符，作为参数传递时必须进行URL编码。请读者记住：不管是什么应用，调用什么接口，凡是通过GET传递的参数中可能会包含特殊字符，都必须进行URL编码，除了中文以外，特殊字符还包括等号“=”、与“&”、空格“ ”等。
2）76-97行：使用JSON-lib解析人脸检测接口返回的JSON数据，并将解析结果存入List中。
3）99行：对集合中的对象进行排序，使用Collections.sort()方法排序的前提是集合中的Face对象实现了Comparable接口。
4）146-203行：组装返回给用户的消息内容。考虑到公众平台的文本消息内容长度有限制，当一张图片中识别出的人脸过多，则只返回一些汇总信息给用户。
5）211-219行：detect()方法是public的，提供给其他类调用。笔者可以在本地的开发工具中运行上面的main()方法，测试detect()方法的输出。
公众账号后台的实现
在公众账号后台的CoreService类中，需要对用户发送的消息类型进行判断，如果是图片消息，则调用人脸检测方法进行分析，如果是其他消息，则返回人脸检测的使用指南。CoreService类的完整代码如下：
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;
/**
* 核心服务类
*
* @author liufeng
* @date 2013-12-19
*/
public class CoreService {
/**
* 处理微信发来的请求
*/
public static String processRequest(HttpServletRequest request) {
// 返回给微信服务器的xml消息
String respXml = null;
try {
// xml请求解析
Map<String, String> requestMap = MessageUtil.parseXml(request);
// 发送方帐号（open_id）
String fromUserName = requestMap.get("FromUserName");
// 公众帐号
String toUserName = requestMap.get("ToUserName");
// 消息类型
String msgType = requestMap.get("MsgType");
// 回复文本消息
TextMessage textMessage = new TextMessage();
textMessage.setToUserName(fromUserName);
textMessage.setFromUserName(toUserName);
textMessage.setCreateTime(new Date().getTime());
textMessage.setMsgType(MessageUtil.RESP_MESSAGE_TYPE_TEXT);
// 图片消息
if (MessageUtil.REQ_MESSAGE_TYPE_IMAGE.equals(msgType)) {
// 取得图片地址
String picUrl = requestMap.get("PicUrl");
// 人脸检测
String detectResult = FaceService.detect(picUrl);
textMessage.setContent(detectResult);
}
// 其它类型的消息
else
textMessage.setContent(getUsage());
respXml = MessageUtil.textMessageToXml(textMessage);
} catch (Exception e) {
e.printStackTrace();
}
return respXml;
}
/**
* 人脸检测帮助菜单
*/
public static String getUsage() {
StringBuffer buffer = new StringBuffer();
buffer.append("人脸检测使用指南").append("
");
buffer.append("发送一张清晰的照片，就能帮你分析出种族、年龄、性别等信息").append("
");
buffer.append("快来试试你是不是长得太着急");
return buffer.toString();
}
}
到这里，人脸检测应用就全部开发完成了，整个项目的完整结构如下：
运行结果如下：
笔者用自己的相片测试了两次，测试结果分别是26岁、30岁，这与笔者的实际年龄相差不大，可见，Face++的人脸检测准确度还是比较高的。为了增加人脸检测应用的趣味性和娱乐性，笔者忽略了年龄估计值的正负区间。读者可以充分发挥自己的想像力和创造力，使用Face++ API实现更多实用、有趣的功能。应用开发不是简单的接口调用！