Java 版人脸检测详解下篇：开发 java 应用并做成 docker 镜像同步

编程菌

关注

发布于: 1 小时前

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：

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>

复制代码

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>

复制代码

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=falsespring.freemarker.check-template-location=truespring.freemarker.charset=UTF-8spring.freemarker.content-type=text/htmlspring.freemarker.expose-request-attributes=falsespring.freemarker.expose-session-attributes=falsespring.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

复制代码

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>

复制代码

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;
@SpringBootApplicationpublic class FaceDetectApplication {
    public static void main(String[] args) {        SpringApplication.run(FaceDetectApplication.class, args);    }}

复制代码

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@Slf4jpublic 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();        }    }}

复制代码

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：

# 基础镜像集成了openjdk8和opencv3.4.3FROM 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/libCOPY ${DEPENDENCY}/META-INF /app/META-INFCOPY ${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"]

复制代码

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)

复制代码

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

复制代码

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；

发布于: 1 小时前阅读数: 5

编程菌

关注

还未添加个人签名 2021.07.13 加入

还未添加个人简介

发布

暂无评论

创作场景

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

编码

docker 镜像制作

需要重点注意的地方

编程菌

评论