如何从零搭建一个人脸识别应用？不妨试试原生 Java 人工智能算法：EasyAi + Milvus 的组合拳。
本文将使用到的软件和工具包括：
EasyAi：人脸特征向量提取
Milvus：向量数据库用于高效存储和检索数据。
EasyAi：国内人气最高的 Java 人工智能算法框架
作为纯 java 开发 Ai 应用的框架，EasyAi 无任何依赖，它是一个原生 Java 人工智能算法框架。首先，它可以 Maven 一键丝滑引入我们的 Java 项目，无需任何额外的环境配置与依赖，做到开箱即用。再者，它既有一些我们已经封装好的图像目标检测及人工智能客服的模块，也提供各种深度学习，机器学习，强化学习，启发式学习，矩阵运算，求导函数，求偏导函数等底层算法工具。开发者可以通过简单的学习，就能完成根据自身业务，深度开发符合自己业务的小微模型。
EasyAi-Face：基于 Easy-Ai 的人脸识别应用
一，生成人类平均脸，将所有人脸样本样本缩放到统一尺寸后，多余的上下截断，不足的进行补 0，所有像素通道求和后获取平均数，将样本输出生成平均脸。
二，通过事先训练好的人脸定位 fastYolo 模型，对目标照片进行一次定位，并设置一个阈值，只有当可信度超过该阈值时才被认为是人脸。
三，获取目标照片中可信度最高的人脸定位框，基于该定位进行人脸位置的二次修正。
二次修正方案：
通过粒子群，设置四个特征维度寻求最优解，它们分别是人脸位置左上角的 x 与 y 坐标与宽高。自适应函数返回值设置为最小值最优。xy 与宽高四维粒子调整活动范围，上下限制为一次定位坐标与宽高的+-50 像素的范围（自行可调）。
适应函数计算流程为通过四个维度粒子锁定的坐标将人脸截取下来，将它与先前获取的平均脸按照之前的缩放方案，再次缩放到指定的一个更小的尺寸，并将它们的灰度通道通过 softMax 将整个矩阵的所有数值概率化。
对比平均脸与粒子此时锁定人脸灰度概率图像的欧式距离，并返回。让粒子探索（在指定迭代次数中）最小值最优解。
四，获取人脸特征，获取最后粒子寻找的最优坐标，根据该坐标将图像截取下来，并截取其从上到下高度的 0.7 倍的图像位置（将嘴部扔掉，嘴部的稳定性比较差），获取此时图像的 LBP 局部二值化纹理特征。
EasyAi-Face + Milvus 搭建人脸识别应用
提取人脸特征
引入依赖
<dependency> <groupId>org.dromara.easyai</groupId> <artifactId>seeFace</artifactId> <version>1.0.5</version> </dependency>
复制代码
初始化 Face
@Bean public Face face(FaceConfig faceConfig ){
if (StringUtils.isNotBlank(faceConfig.getAvgFace()) && StringUtils.isNotBlank(faceConfig.getFaceModel())){ return FaceFactory.getFace(faceConfig.getAvgFace(), faceConfig.getFaceModel());
} return FaceFactory.getFace();
}
复制代码
提取人脸特征
private List<Float> getFloats(InputStream inputStream) { ThreeChannelMatrix m = Picture.getThreeMatrix(inputStream, false); ErrorMessage errorMessage = face.look(m, idWorker.nextId(), 30); final Matrix feature = errorMessage.getFaceMessage().getFeature(); return MatrixUtil.matrixToFloatList(feature); }
复制代码
存到向量库
public void initUserVector(UserDTO userDTO, List<Float> features) { List<String> names = Collections.singletonList(userDTO.getUserName()); List<Long> userIds = Collections.singletonList(userDTO.getUserId()); List<String> getFaceUrl = Collections.singletonList(userDTO.getFaceUrl()); List<String> getFaceFeatureUrl = Collections.singletonList(userDTO.getFaceFeatureUrl()); List<List<Float>> vectors = Collections.singletonList(features); List<Field> fields = new ArrayList(); fields.add(new Field("vector", vectors)); fields.add(new Field("face_url", getFaceUrl)); fields.add(new Field("face_feature_url", getFaceFeatureUrl)); fields.add(new Field("user_id", userIds)); fields.add(new Field("user_name", names)); InsertParam insertParam = InsertParam.newBuilder().withCollectionName(milvusConfig.getCollectionName()).withFields(fields).build(); this.milvusClient.insert(insertParam); }
复制代码
【识别人脸】人脸特征 L2 相似性查找
public List<UserDTO> search(List<Float> floatList, Integer topK) { final List<SearchResultsWrapper.IDScore> idScoreList = vectorService.search(floatList, topK); List<UserDTO> list = new ArrayList<>(); idScoreList.forEach(idScore -> { UserDTO imageDTO = new UserDTO(); final float score = idScore.getScore(); final Map<String, Object> fieldValues = idScore.getFieldValues(); imageDTO.setAutoId(Long.valueOf(String.valueOf( fieldValues.getOrDefault("Auto_id", "-1")))); imageDTO.setUserId(Long.valueOf(String.valueOf( fieldValues.getOrDefault("user_id", "-1")))); imageDTO.setUserName(String.valueOf((fieldValues.getOrDefault("user_name", "")))); imageDTO.setFaceUrl(String.valueOf((fieldValues.getOrDefault("face_url", "")))); imageDTO.setFaceFeatureUrl(String.valueOf((fieldValues.getOrDefault("face_feature_url", "")))); imageDTO.setScore(Math.sqrt(score)); list.add(imageDTO);
}); return list; }
复制代码
总结
本文展示了如何使用 EasyAi 和 Milvus 搭建一个人脸识别应用。通过结合 Java 生态 EasyAi 和 Milvus 向量搜索的优势，我们可以快速的使用 java 搭建自己的人脸识别的项目。我们希望这篇文章对您有所帮助。同时，我们鼓励您在自己的项目中使用 EasyAi 和向量搜索，探索更多可能性。本文涉及的代码可以通过 Gitee 获取（Easy-Ai-Face）。
评论