1 概述
人脸识别技术是随着技术发展而产生的生物识别技术，目前已广泛应用于安防领域，主要用于身份验证和身份识别。视频监控是安防系统常见的一种表现形式，需要部署各种摄像头，包括网络摄像头IPC，可以通过流媒体如RTSP视频流的方式供第三方系统集成。
虹软是计算机视觉行业领先的算法服务提供商及解决方案供应商，提供免费、离线的人脸识别SDK，主要包含人脸检测、性别检测、年龄检测、人脸识别、图像质量检测、RGB活体检测、IR活体检测等能力。支持主流Windows、Linux、Android、iOS等平台及Java、C++等开发语言。
本文基于虹软免费人脸识别SDK，从IPC提供的RTSP视频流抓帧进行人脸识别。主要技术方案是通过JavaCV定时抓取视频帧保存为图像，然后针对图像通过虹软SDK提取特征，同特征库里面的人脸进行比较，超过设定的阈值就认为识别到。
2 项目环境
介绍项目中主要使用到的开发库及开发工具。
1) 虹软人脸识别SDK。提供人脸识别相关开发接口。本文使用Windows X64 Java版本，ArcSoft_ArcFace_Java_Windows_x64_V3.0。
下载地址：虹软官网开发者中心（https://ai.arcsoft.com.cn）。
2) JavaCV。是一款基于JavaCPP调用方式（JNI的一层封装），提供了在计算机视觉领域的封装库，封装了包含FFmpeg、OpenCV、tensorflow、caffe、tesseract、libdc1394、OpenKinect、videoInput和ARToolKitPlus等在内的计算机视觉领域的常用库和实用程序类。本文使用javacv-platform-1.5.1-bin版本。
下载地址：github（https://github.com/bytedeco/javacv）。也可以通过Maven的方式下载必要的jar包。
3) Eclipse。一个开放源代码的、基于Java的可扩展开发平台。用于Java项目的工程化组织。本文使用Oxygen Release (4.7.0)。
下载地址：Eclipse官网（https://www.eclipse.org/downloads/）
4) JDK。提供Java开发环境。本文使用jdk-8u181-windows-x64版本。
下载地址：Oracle官网（https://www.oracle.com/java/）
3 整体流程
整体流程包括各种初始化，启动RTSP视频流监测线程，启动人脸识别任务，如下图所示：
4 工程概况
创建一个常规的Java项目，引入必要的第三方jar包。
1) 引入虹软人脸识别jar包。
|
arcsoft-sdk-face-3.0.0.0.jar |
2) 引入JavaCV必要的jar包。
|
artoolkitplus.jar ffmpeg.jar ffmpeg-windows-x86_64.jar flandmark.jar flycapture.jar javacpp.jar javacv.jar leptonica.jar libdc1394.jar libfreenect.jar libfreenect2.jar librealsense.jar openblas.jar opencv.jar tesseract.jar videoinput.jar |
3) 引入log4j相关jar包。
|
slf4j-api-1.7.25.jar slf4j-log4j12-1.7.25.jar log4j-1.2.17.jar |
Java工程结构如下图所示：
运行的时候，需要将虹软SDK核心DLL拷到jar包所在目录。
5 效果展示
工程以常规java项目运行，通过日志观察识别效果。打印识比对分值和人脸库的文件名。如下图所示：
6 核心代码说明
6.1 配置文件
|
#人脸识别相关参数 config.FaceAppId = 3D9hF3f4uNxgDGRkRr9PD6P7CbuSC1GrPe5dBnxxxxx config.FaceSdkKey = 2aSheKNE4aMokrkRmn5qJ7kvPirhZM7YpDLx config.FaceThreshold = 0.75 #人脸库图片所在路径 config.FaceLibPath = d:/facelib/ #rtsp视频流地址 config.RtspUrl = rtsp://192.168.0.100:554/live/camera #执行任务的线程数量 config.ThreadNum = 16 |
AppId和SdkKey根据虹软开发者中心实际应用情况配置。配置项通过ConfigMgr类加载。
6.2 虹软人脸识别接口封装类
主要对核心方法进行封装，包括初始化、特征提取、特征比对，是对虹软SDK提供的接口进行封装。
初始化引擎代码：
|
public static boolean init(String _sAppID, String _sSdkKey) { m_oFaceEngine = new FaceEngine(); // 引擎激活 int iFaceActiveCode = m_oFaceEngine.activeOnline(_sAppID, _sSdkKey); if (iFaceActiveCode != ErrorInfo.MOK.getValue() && iFaceActiveCode != ErrorInfo.MERR_ASF_ALREADY_ACTIVATED.getValue()) { logger.error("人脸识别引擎在线激活失败！（{}）", iFaceActiveCode); return false; }
// 引擎配置 EngineConfiguration oEngineConfiguration = new EngineConfiguration(); oEngineConfiguration.setDetectMode(DetectMode.ASF_DETECT_MODE_IMAGE); oEngineConfiguration.setDetectFaceOrientPriority(DetectOrient.ASF_OP_0_ONLY); // 功能配置 FunctionConfiguration oFunctionConfiguration = new FunctionConfiguration(); oFunctionConfiguration.setSupportFaceDetect(true); oFunctionConfiguration.setSupportFaceRecognition(true); oFunctionConfiguration.setSupportAge(false); oFunctionConfiguration.setSupportGender(false); oEngineConfiguration.setFunctionConfiguration(oFunctionConfiguration); // 初始化引擎 int iFaceInitCode = m_oFaceEngine.init(oEngineConfiguration); if (iFaceInitCode != ErrorInfo.MOK.getValue()) { logger.error("人脸识别引擎初始化失败！（{}）", iFaceInitCode); return false; }
return true; } |
提取特征代码：
|
public static FaceFeature getFaceFeature(byte[] _abyImageData) { try { ImageInfo oImageInfo = ImageFactory.getRGBData(_abyImageData); List<FaceInfo> lstFaceInfo = new ArrayList<FaceInfo>(); int iCode = m_oFaceEngine.detectFaces(oImageInfo.getImageData(), oImageInfo.getWidth(), oImageInfo.getHeight(), ImageFormat.CP_PAF_BGR24, lstFaceInfo); if (iCode != ErrorInfo.MOK.getValue()) { logger.error("检测人脸失败（{}）", iCode); return null; }
if (lstFaceInfo.isEmpty()) { logger.error("检测人脸为空（{}）", iCode); return null; }
FaceFeature oFaceFeature = new FaceFeature(); iCode = m_oFaceEngine.extractFaceFeature(oImageInfo.getImageData(), oImageInfo.getWidth(), oImageInfo.getHeight(), ImageFormat.CP_PAF_BGR24, lstFaceInfo.get(0), oFaceFeature); if (iCode != ErrorInfo.MOK.getValue()) { logger.error("提取人脸特征失败（{}）", iCode); return null; } return oFaceFeature; } catch (Exception e) { logger.error(e.getMessage()); return null; } } |
特征比对代码：
|
public static float compare(FaceFeature _oFaceFeature1, FaceFeature _oFaceFeature2) { float fSimilarity = 0.0f;
try { FaceSimilar oFaceSimilar = new FaceSimilar(); int iCode = m_oFaceEngine.compareFaceFeature(_oFaceFeature1, _oFaceFeature2, oFaceSimilar); if (iCode != ErrorInfo.MOK.getValue()) { logger.error("人脸比对失败（{}）", iCode); return fSimilarity; }
fSimilarity = oFaceSimilar.getScore(); } catch (Exception e) { logger.error(e.getMessage()); }
return fSimilarity; } |
6.3 任务调度封装类
主要是通过JDK提供的线程池ScheduledExecutorService对程序中任务执行进行调度。
主要代码如下：
|
private ScheduledExecutorService svc; private boolean init;
private TaskMgr() { svc = null; init = false; } /** * 初始化 */ public void init(int _iThreadNum) { svc = Executors.newScheduledThreadPool(_iThreadNum); init = true; }
/** * 销毁 */ public void destroy() { if (init) { svc.shutdown(); } }
/** * 增加一个任务 * @param _task 任务对象，实现Runnable接口 */ public void pushTask(Runnable _task) { svc.schedule(_task, 0, TimeUnit.MILLISECONDS); } |
6.4 人脸库管理封装类
加载指定目录下的图片，提取特征保存到内存中形成人脸库，供1:N识别时进行遍历。
初始化代码：
|
public void init(String _faceLibPath) { File fileDir = new File(_faceLibPath); if (fileDir.exists() && fileDir.isDirectory()) { String[] children = fileDir.list(); for (int i = 0; i < children.length; i++) { File fileImage = new File(fileDir, children[i]); FaceFeature faceFeature = ArcfaceApi.getFaceFeature(fileImage); if (faceFeature != null) { myFaceFeatureList.add(new MyFaceFeature(children[i], faceFeature)); } } }
logger.info("face lib size:{}", myFaceFeatureList.size()); } |
6.5 RTSP视频流抓帧线程类
该线程启动时一直运行，通过JavaCV定时抓帧，得到的图片启动一个任务提交到线程池，调用人脸库管理封装类进行识别。
创建帧抓取器
|
private void createGrabber() { try { grabber = FFmpegFrameGrabber.createDefault(rtspUrl); grabber.setFrameRate(frameRate); grabber.setVideoBitrate(bitRate); grabber.setImageWidth(frameWidth); grabber.setImageHeight(frameHeight); grabber.start(); } catch (Exception e) { logger.error(e.getMessage()); } } |
定时抓帧保存为图片格式
|
private void startGrabber() { Java2DFrameConverter java2DFrameConverter = new Java2DFrameConverter();
while (true) { if (grabber == null) { logger.info("连接rtsp：" + rtspUrl + "，开始创建grabber"); createGrabber(); }
try { Frame frame = grabber.grabImage(); if (frame != null) { BufferedImage bi = java2DFrameConverter.getBufferedImage(frame); byte[] bytes = imageToBytes(bi, "jpg"); if (bytes != null && bytes.length > 0) { // 人脸检测 TaskMgr.getInstance().pushTask(new FrameHandleTask(bytes)); } } } catch (Exception e) { logger.error(e.getMessage());
if (grabber != null) { try { grabber.stop(); } catch (FrameGrabber.Exception ex) { logger.error("grabber stop exception: " + ex.getMessage()); } finally { grabber = null; } } }
try { Thread.sleep(100); } catch (InterruptedException e) { logger.error(e.getMessage()); } } } |
6.6 工程启动
在Main方法中进行初始化，并启动线程。
|
public class ArcfaceRtspDemo { private final static Logger logger = LoggerFactory.getLogger(ArcfaceRtspDemo.class);
public static void main(String[] args) { // 加载配置文件 ConfigMgr.getInstance().init(); // 任务初始化 TaskMgr.getInstance().init(ConfigMgr.getInstance().getThreadNum()); // 人脸初始化 boolean bRet = ArcfaceApi.init(ConfigMgr.getInstance().getFaceAppId(), ConfigMgr.getInstance().getFaceSdkKey()); if (bRet) { logger.info("Init Face success"); MyFaceMgr.getInstance().init(ConfigMgr.getInstance().getFaceLibPath()); } else { logger.error("Init Face error"); }
RtspFrameGrabberThread thread = new RtspFrameGrabberThread(ConfigMgr.getInstance().getRtspUrl()); thread.start(); } |
7 结论
本文所介绍的方法，只是提供可行性验证，说明可以通过抓取RTSP视频帧调用虹软SDK进行人脸识别。可以作为商业项目的参考。在实际项目中，可以通过对相关参数的调整达到更好的性能。
8 源码下载
源码包含了完整的第三方库，所以比较大，上传到百度网盘提供下载。
|
链接：https://pan.baidu.com/s/1f3crf1x_2jq8uMm9DqVcZg 提取码：78jd |
