Java 版人脸检测详解下篇:开发 java 应用并做成 docker 镜像同步
本篇概览
如果您看过《Java 版人脸检测上篇》一文,甚至动手实际操作过,那么你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:
1.准备好 docker 基础镜像
2.开发 java 应用
3.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://static001.geekbang.org/infoq/bf/bf0dd9fc154411b31fd629dc6a5625be.png)
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:
![](https://static001.geekbang.org/infoq/92/9291f9c0dce09861f3e59189cfbec0d2.png)
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:
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:
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:
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:
再来看后台代码,先是最常见的应用启动类:
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:
![](https://static001.geekbang.org/infoq/16/16adceaf4b7e93ac8f9cb00ef058095b.png)
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:
UploadController.java 的代码,有以下几处要关注:
1.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
2.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
3.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:好像不能放网址哈哈哈哈哈哈哈
4.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:
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:
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:
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》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;
评论