本文轉自柳峰的專欄：http://blog.csdn.net/lyq8479/article/details/17362685 

本文將為讀者介紹人臉檢測應用的完整實現過程。

        人臉檢測屬於人臉識別的范疇，它是一個復雜的具有挑戰性的模式匹配問題，國內外許多組織、科研機構都在專門研究該問題。國內的Face++團隊專注於研發人臉檢測、識別、分析和重建技術，並且向廣大開發者開放了人臉識別API，本文介紹的“人臉檢測”應用正是基於Face++ API進行開發。

Face++簡介

        Face++是北京曠視科技有限公司旗下的人臉識別雲服務平台，Face++平台通過提供雲端API、離線SDK、以及面向用戶的自主研發產品等形式，將人臉識別技術廣泛應用到互聯網及移動應用場景中。Face++為廣大開發者提供了簡單易用的API，開發者可以輕松搭建屬於自己的雲端身份認證、用戶興趣挖掘、移動體感交互、社交娛樂分享等多種類型的應用。

        Face++提供的技術服務包括人臉檢測、人臉分析和人臉識別，主要說明如下：

                1）人臉檢測：可以從圖片中快速、准確的定位面部的關鍵區域位置，包括眉毛、眼睛、鼻子、嘴巴等。
                2）人臉分析：可以從圖片或實時視頻流中分析出人臉的性別（准確度達96%）、年齡、種族等多種屬性。
                3）人臉識別：可以快速判定兩張照片是否為同一個人，或者快速判定視頻中的人像是否為某一位特定的人。

        Face++的中文網址為http://cn.faceplusplus.com/，要使用Face++ API，需要注冊成為Face++開發者，也就是要注冊一個Face++賬號。注冊完成后，先創建應用，創建應用時需要填寫“應用名稱”、“應用描述”、“API服務器”、“應用類型”和“應用平台”，讀者可以根據實際情況填寫。應用創建完成后，可以看到應用的詳細信息，如下圖所示。

        上圖中，最重要的是API KEY和API SECRET，在調用Face++提供的API時，需要傳入這兩個參數。

人臉檢測API介紹

        在Face++網站的“API文檔”中，能夠看到Face++提供的所有API，我們要使用的人臉檢測接口是detect分類下的“/detection/detect”，它能夠檢測出給定圖片(Image)中的所有人臉(Face)的位置和相應的面部屬性，目前面部屬性包括性別(gender)、年齡(age)、種族(race)、微笑程度(smiling)、眼鏡(glass)和姿勢(pose)。

        讀者可以在http://cn.faceplusplus.com/uc/doc/home?id=69中了解到人臉檢測接口的詳細信息，該接口的請求地址如下：

[html]  view plain copy

1. http://apicn.faceplusplus.com/v2/detection/detect?url=URL&api_secret=API_SECRET&api_key=API_KEY  

[html]  view plain copy

1. {  
2.     "face": [  
3.         {  
4.             "attribute": {  
5.                 "age": {  
6.                     "range": 5,  
7.                     "value": 23  
8.                 },  
9.                 "gender": {  
10.                     "confidence": 99.9999,  
11.                     "value": "Female"  
12.                 },  
13.                 "glass": {  
14.                     "confidence": 99.945,  
15.                     "value": "None"  
16.                 },  
17.                 "pose": {  
18.                     "pitch_angle": {  
19.                         "value": 17  
20.                     },  
21.                     "roll_angle": {  
22.                         "value": 0.735735  
23.                     },  
24.                     "yaw_angle": {  
25.                         "value": -2  
26.                     }  
27.                 },  
28.                 "race": {  
29.                     "confidence": 99.6121,  
30.                     "value": "Asian"  
31.                 },  
32.                 "smiling": {  
33.                     "value": 4.86501  
34.                 }  
35.             },  
36.             "face_id": "17233b4b1b51ac91e391e5afe130eb78",  
37.             "position": {  
38.                 "center": {  
39.                     "x": 49.4,  
40.                     "y": 37.6  
41.                 },  
42.                 "eye_left": {  
43.                     "x": 43.3692,  
44.                     "y": 30.8192  
45.                 },  
46.                 "eye_right": {  
47.                     "x": 56.5606,  
48.                     "y": 30.9886  
49.                 },  
50.                 "height": 26.8,  
51.                 "mouth_left": {  
52.                     "x": 46.1326,  
53.                     "y": 44.9468  
54.                 },  
55.                 "mouth_right": {  
56.                     "x": 54.2592,  
57.                     "y": 44.6282  
58.                 },  
59.                 "nose": {  
60.                     "x": 49.9404,  
61.                     "y": 38.8484  
62.                 },  
63.                 "width": 26.8  
64.             },  
65.             "tag": ""  
66.         }  
67.     ],  
68.     "img_height": 500,  
69.     "img_id": "22fd9efc64c87e00224c33dd8718eec7",  
70.     "img_width": 500,  
71.     "session_id": "38047ad0f0b34c7e8c6efb6ba39ed355",  
72.     "url": "http://cn.faceplusplus.com/wp-content/themes/faceplusplus.zh/assets/img/demo/1.jpg?v=4"  
73. }  

1）face是一個數組，當一張圖片中包含多張人臉時，所有識別出的人臉信息都在face數組中。

2）age中的value表示估計年齡，range表示誤差范圍。例如，上述結果中value=23，range=5，表示人的真實年齡在18歲至28歲左右。

3）gender中的value表示性別，男性為Male，女性為Female；gender中的confidence表示檢測結果的可信度。

4）race中的value表示人種，黃色人種為Asian，白色人種為White，黑色人種為Black；race中的confidence表示檢測結果的可信度。

5）center表示人臉框中心點坐標，可以將x用於計算人臉的左右順序，即x坐標的值越小，人臉的位置越靠近圖片的左側。

人臉檢測API的使用方法

        為了方便開發者調用人臉識別API，Face++團隊提供了基於Objective-C、Java（Android）、Matlab、Ruby、C#等多種語言的開發工具包，讀者可以在Face++網站的“工具下載”版塊下載相關的SDK。在本例中，筆者並不打算使用官方提供的SDK進行開發，主要原因如下：1）人臉檢測API的調用比較簡單，自己寫代碼實現也並不復雜；2）如果使用SDK進行開發，筆者還要花費大量篇幅介紹SDK的使用，這些並不是本文的重點；3）自己寫代碼實現比較靈活。當圖片中有多張人臉時，人臉檢測接口返回的數據是無序的，開發者可以按照實際使用需求進行排序，例如，將圖片中的人臉按照從左至右的順序進行排序。

編程調用人臉檢測API

        首先，要對人臉檢測接口返回的結構進行封裝，建立與之對應的Java對象。由於人臉檢測接口返回的參數較多，筆者只是將本例中需要用到的參數抽取出來，封裝成Face對象，對應的代碼如下：

[java]  view plain copy

1. package org.liufeng.course.pojo;  
2.   
3. /** 
4.  * Face Model 
5.  *  
6.  * @author liufeng 
7.  * @date 2013-12-18 
8.  */  
9. public class Face implements Comparable<Face> {  
10.     // 被檢測出的每一張人臉都在Face++系統中的標識符  
11.     private String faceId;  
12.     // 年齡估計值  
13.     private int ageValue;  
14.     // 年齡估計值的正負區間  
15.     private int ageRange;  
16.     // 性別：Male/Female  
17.     private String genderValue;  
18.     // 性別分析的可信度  
19.     private double genderConfidence;  
20.     // 人種：Asian/White/Black  
21.     private String raceValue;  
22.     // 人種分析的可信度  
23.     private double raceConfidence;  
24.     // 微笑程度  
25.     private double smilingValue;  
26.     // 人臉框的中心點坐標  
27.     private double centerX;  
28.     private double centerY;  
29.   
30.     public String getFaceId() {  
31.         return faceId;  
32.     }  
33.   
34.     public void setFaceId(String faceId) {  
35.         this.faceId = faceId;  
36.     }  
37.   
38.     public int getAgeValue() {  
39.         return ageValue;  
40.     }  
41.   
42.     public void setAgeValue(int ageValue) {  
43.         this.ageValue = ageValue;  
44.     }  
45.   
46.     public int getAgeRange() {  
47.         return ageRange;  
48.     }  
49.   
50.     public void setAgeRange(int ageRange) {  
51.         this.ageRange = ageRange;  
52.     }  
53.   
54.     public String getGenderValue() {  
55.         return genderValue;  
56.     }  
57.   
58.     public void setGenderValue(String genderValue) {  
59.         this.genderValue = genderValue;  
60.     }  
61.   
62.     public double getGenderConfidence() {  
63.         return genderConfidence;  
64.     }  
65.   
66.     public void setGenderConfidence(double genderConfidence) {  
67.         this.genderConfidence = genderConfidence;  
68.     }  
69.   
70.     public String getRaceValue() {  
71.         return raceValue;  
72.     }  
73.   
74.     public void setRaceValue(String raceValue) {  
75.         this.raceValue = raceValue;  
76.     }  
77.   
78.     public double getRaceConfidence() {  
79.         return raceConfidence;  
80.     }  
81.   
82.     public void setRaceConfidence(double raceConfidence) {  
83.         this.raceConfidence = raceConfidence;  
84.     }  
85.   
86.     public double getSmilingValue() {  
87.         return smilingValue;  
88.     }  
89.   
90.     public void setSmilingValue(double smilingValue) {  
91.         this.smilingValue = smilingValue;  
92.     }  
93.   
94.     public double getCenterX() {  
95.         return centerX;  
96.     }  
97.   
98.     public void setCenterX(double centerX) {  
99.         this.centerX = centerX;  
100.     }  
101.   
102.     public double getCenterY() {  
103.         return centerY;  
104.     }  
105.   
106.     public void setCenterY(double centerY) {  
107.         this.centerY = centerY;  
108.     }  
109.   
110.     // 根據人臉中心點坐標從左至右排序  
111.     @Override  
112.     public int compareTo(Face face) {  
113.         int result = 0;  
114.         if (this.getCenterX() > face.getCenterX())  
115.             result = 1;  
116.         else  
117.             result = -1;  
118.         return result;  
119.     }  
120. }  

        接下來，是人臉檢測API的調用及相關處理邏輯，筆者將這些實現全部封裝在FaceService類中，該類的完整實現如下：

[java]  view plain copy

1. package org.liufeng.course.service;  
2.   
3. import java.io.BufferedReader;  
4. import java.io.InputStream;  
5. import java.io.InputStreamReader;  
6. import java.net.HttpURLConnection;  
7. import java.net.URL;  
8. import java.util.ArrayList;  
9. import java.util.Collections;  
10. import java.util.List;  
11. import org.liufeng.course.pojo.Face;  
12. import net.sf.json.JSONArray;  
13. import net.sf.json.JSONObject;  
14.   
15. /** 
16.  * 人臉檢測服務 
17.  *  
18.  * @author liufeng 
19.  * @date 2013-12-18 
20.  */  
21. public class FaceService {  
22.     /** 
23.      * 發送http請求 
24.      *  
25.      * @param requestUrl 請求地址 
26.      * @return String 
27.      */  
28.     private static String httpRequest(String requestUrl) {  
29.         StringBuffer buffer = new StringBuffer();  
30.         try {  
31.             URL url = new URL(requestUrl);  
32.             HttpURLConnection httpUrlConn = (HttpURLConnection) url.openConnection();  
33.             httpUrlConn.setDoInput(true);  
34.             httpUrlConn.setRequestMethod("GET");  
35.             httpUrlConn.connect();  
36.             // 將返回的輸入流轉換成字符串  
37.             InputStream inputStream = httpUrlConn.getInputStream();  
38.             InputStreamReader inputStreamReader = new InputStreamReader(inputStream, "utf-8");  
39.             BufferedReader bufferedReader = new BufferedReader(inputStreamReader);  
40.   
41.             String str = null;  
42.             while ((str = bufferedReader.readLine()) != null) {  
43.                 buffer.append(str);  
44.             }  
45.             bufferedReader.close();  
46.             inputStreamReader.close();  
47.             // 釋放資源  
48.             inputStream.close();  
49.             inputStream = null;  
50.             httpUrlConn.disconnect();  
51.   
52.         } catch (Exception e) {  
53.             e.printStackTrace();  
54.         }  
55.         return buffer.toString();  
56.     }  
57.   
58.     /** 
59.      * 調用Face++ API實現人臉檢測 
60.      *  
61.      * @param picUrl 待檢測圖片的訪問地址 
62.      * @return List<Face> 人臉列表 
63.      */  
64.     private static List<Face> faceDetect(String picUrl) {  
65.         List<Face> faceList = new ArrayList<Face>();  
66.         try {  
67.             // 拼接Face++人臉檢測的請求地址  
68.             String queryUrl = "http://apicn.faceplusplus.com/v2/detection/detect?url=URL&api_secret=API_SECRET&api_key=API_KEY";  
69.             // 對URL進行編碼  
70.             queryUrl = queryUrl.replace("URL", java.net.URLEncoder.encode(picUrl, "UTF-8"));  
71.             queryUrl = queryUrl.replace("API_KEY", "替換成自己的API Key");  
72.             queryUrl = queryUrl.replace("API_SECRET", "替換成自己的API Secret");  
73.             // 調用人臉檢測接口  
74.             String json = httpRequest(queryUrl);  
75.             // 解析返回json中的Face列表  
76.             JSONArray jsonArray = JSONObject.fromObject(json).getJSONArray("face");  
77.             // 遍歷檢測到的人臉  
78.             for (int i = 0; i < jsonArray.size(); i++) {  
79.                 // face  
80.                 JSONObject faceObject = (JSONObject) jsonArray.get(i);  
81.                 // attribute  
82.                 JSONObject attrObject = faceObject.getJSONObject("attribute");  
83.                 // position  
84.                 JSONObject posObject = faceObject.getJSONObject("position");  
85.                 Face face = new Face();  
86.                 face.setFaceId(faceObject.getString("face_id"));  
87.                 face.setAgeValue(attrObject.getJSONObject("age").getInt("value"));  
88.                 face.setAgeRange(attrObject.getJSONObject("age").getInt("range"));  
89.                 face.setGenderValue(genderConvert(attrObject.getJSONObject("gender").getString("value")));  
90.                 face.setGenderConfidence(attrObject.getJSONObject("gender").getDouble("confidence"));  
91.                 face.setRaceValue(raceConvert(attrObject.getJSONObject("race").getString("value")));  
92.                 face.setRaceConfidence(attrObject.getJSONObject("race").getDouble("confidence"));  
93.                 face.setSmilingValue(attrObject.getJSONObject("smiling").getDouble("value"));  
94.                 face.setCenterX(posObject.getJSONObject("center").getDouble("x"));  
95.                 face.setCenterY(posObject.getJSONObject("center").getDouble("y"));  
96.                 faceList.add(face);  
97.             }  
98.             // 將檢測出的Face按從左至右的順序排序  
99.             Collections.sort(faceList);  
100.         } catch (Exception e) {  
101.             faceList = null;  
102.             e.printStackTrace();  
103.         }  
104.         return faceList;  
105.     }  
106.   
107.     /** 
108.      * 性別轉換（英文->中文） 
109.      *  
110.      * @param gender 
111.      * @return 
112.      */  
113.     private static String genderConvert(String gender) {  
114.         String result = "男性";  
115.         if ("Male".equals(gender))  
116.             result = "男性";  
117.         else if ("Female".equals(gender))  
118.             result = "女性";  
119.   
120.         return result;  
121.     }  
122.   
123.     /** 
124.      * 人種轉換（英文->中文） 
125.      *  
126.      * @param race 
127.      * @return 
128.      */  
129.     private static String raceConvert(String race) {  
130.         String result = "黃色";  
131.         if ("Asian".equals(race))  
132.             result = "黃色";  
133.         else if ("White".equals(race))  
134.             result = "白色";  
135.         else if ("Black".equals(race))  
136.             result = "黑色";  
137.         return result;  
138.     }  
139.   
140.     /** 
141.      * 根據人臉識別結果組裝消息 
142.      *  
143.      * @param faceList 人臉列表 
144.      * @return 
145.      */  
146.     private static String makeMessage(List<Face> faceList) {  
147.         StringBuffer buffer = new StringBuffer();  
148.         // 檢測到1張臉  
149.         if (1 == faceList.size()) {  
150.             buffer.append("共檢測到 ").append(faceList.size()).append(" 張人臉").append("\n");  
151.             for (Face face : faceList) {  
152.                 buffer.append(face.getRaceValue()).append("人種,");  
153.                 buffer.append(face.getGenderValue()).append(",");  
154.                 buffer.append(face.getAgeValue()).append("歲左右").append("\n");  
155.             }  
156.         }  
157.         // 檢測到2-10張臉  
158.         else if (faceList.size() > 1 && faceList.size() <= 10) {  
159.             buffer.append("共檢測到 ").append(faceList.size()).append(" 張人臉，按臉部中心位置從左至右依次為：").append("\n");  
160.             for (Face face : faceList) {  
161.                 buffer.append(face.getRaceValue()).append("人種,");  
162.                 buffer.append(face.getGenderValue()).append(",");  
163.                 buffer.append(face.getAgeValue()).append("歲左右").append("\n");  
164.             }  
165.         }  
166.         // 檢測到10張臉以上  
167.         else if (faceList.size() > 10) {  
168.             buffer.append("共檢測到 ").append(faceList.size()).append(" 張人臉").append("\n");  
169.             // 統計各人種、性別的人數  
170.             int asiaMale = 0;  
171.             int asiaFemale = 0;  
172.             int whiteMale = 0;  
173.             int whiteFemale = 0;  
174.             int blackMale = 0;  
175.             int blackFemale = 0;  
176.             for (Face face : faceList) {  
177.                 if ("黃色".equals(face.getRaceValue()))  
178.                     if ("男性".equals(face.getGenderValue()))  
179.                         asiaMale++;  
180.                     else  
181.                         asiaFemale++;  
182.                 else if ("白色".equals(face.getRaceValue()))  
183.                     if ("男性".equals(face.getGenderValue()))  
184.                         whiteMale++;  
185.                     else  
186.                         whiteFemale++;  
187.                 else if ("黑色".equals(face.getRaceValue()))  
188.                     if ("男性".equals(face.getGenderValue()))  
189.                         blackMale++;  
190.                     else  
191.                         blackFemale++;  
192.             }  
193.             if (0 != asiaMale || 0 != asiaFemale)  
194.                 buffer.append("黃色人種：").append(asiaMale).append("男").append(asiaFemale).append("女").append("\n");  
195.             if (0 != whiteMale || 0 != whiteFemale)  
196.                 buffer.append("白色人種：").append(whiteMale).append("男").append(whiteFemale).append("女").append("\n");  
197.             if (0 != blackMale || 0 != blackFemale)  
198.                 buffer.append("黑色人種：").append(blackMale).append("男").append(blackFemale).append("女").append("\n");  
199.         }  
200.         // 移除末尾空格  
201.         buffer = new StringBuffer(buffer.substring(0, buffer.lastIndexOf("\n")));  
202.         return buffer.toString();  
203.     }  
204.   
205.     /** 
206.      * 提供給外部調用的人臉檢測方法 
207.      *  
208.      * @param picUrl 待檢測圖片的訪問地址 
209.      * @return String 
210.      */  
211.     public static String detect(String picUrl) {  
212.         // 默認回復信息  
213.         String result = "未識別到人臉，請換一張清晰的照片再試！";  
214.         List<Face> faceList = faceDetect(picUrl);  
215.         if (null != faceList) {  
216.             result = makeMessage(faceList);  
217.         }  
218.         return result;  
219.     }  
220.   
221.     public static void main(String[] args) {  
222.         String picUrl = "http://pic11.nipic.com/20101111/6153002_002722872554_2.jpg";  
223.         System.out.println(detect(picUrl));  
224.     }  
225. }  

1）70行：參數url表示圖片的鏈接，由於鏈接中存在特殊字符，作為參數傳遞時必須進行URL編碼。請讀者記住：不管是什么應用，調用什么接口，凡是通過GET傳遞的參數中可能會包含特殊字符，都必須進行URL編碼，除了中文以外，特殊字符還包括等號“=”、與“&”、空格“ ”等。

2）76-97行：使用JSON-lib解析人臉檢測接口返回的JSON數據，並將解析結果存入List中。

3）99行：對集合中的對象進行排序，使用Collections.sort()方法排序的前提是集合中的Face對象實現了Comparable接口。

4）146-203行：組裝返回給用戶的消息內容。考慮到公眾平台的文本消息內容長度有限制，當一張圖片中識別出的人臉過多，則只返回一些匯總信息給用戶。

5）211-219行：detect()方法是public的，提供給其他類調用。筆者可以在本地的開發工具中運行上面的main()方法，測試detect()方法的輸出。

公眾賬號后台的實現

在公眾賬號后台的CoreService類中，需要對用戶發送的消息類型進行判斷，如果是圖片消息，則調用人臉檢測方法進行分析，如果是其他消息，則返回人臉檢測的使用指南。CoreService類的完整代碼如下：

[java]  view plain copy

1. package org.liufeng.course.service;  
2.   
3. import java.util.Date;  
4. import java.util.Map;  
5. import javax.servlet.http.HttpServletRequest;  
6. import org.liufeng.course.message.resp.TextMessage;  
7. import org.liufeng.course.util.MessageUtil;  
8.   
9. /** 
10.  * 核心服務類 
11.  *  
12.  * @author liufeng 
13.  * @date 2013-12-19 
14.  */  
15. public class CoreService {  
16.     /** 
17.      * 處理微信發來的請求 
18.      */  
19.     public static String processRequest(HttpServletRequest request) {  
20.         // 返回給微信服務器的xml消息  
21.         String respXml = null;  
22.         try {  
23.             // xml請求解析  
24.             Map<String, String> requestMap = MessageUtil.parseXml(request);  
25.             // 發送方帳號（open_id）  
26.             String fromUserName = requestMap.get("FromUserName");  
27.             // 公眾帳號  
28.             String toUserName = requestMap.get("ToUserName");  
29.             // 消息類型  
30.             String msgType = requestMap.get("MsgType");  
31.   
32.             // 回復文本消息  
33.             TextMessage textMessage = new TextMessage();  
34.             textMessage.setToUserName(fromUserName);  
35.             textMessage.setFromUserName(toUserName);  
36.             textMessage.setCreateTime(new Date().getTime());  
37.             textMessage.setMsgType(MessageUtil.RESP_MESSAGE_TYPE_TEXT);  
38.   
39.             // 圖片消息  
40.             if (MessageUtil.REQ_MESSAGE_TYPE_IMAGE.equals(msgType)) {  
41.                 // 取得圖片地址  
42.                 String picUrl = requestMap.get("PicUrl");  
43.                 // 人臉檢測  
44.                 String detectResult = FaceService.detect(picUrl);  
45.                 textMessage.setContent(detectResult);  
46.             }  
47.             // 其它類型的消息  
48.             else  
49.                 textMessage.setContent(getUsage());  
50.   
51.             respXml = MessageUtil.textMessageToXml(textMessage);  
52.         } catch (Exception e) {  
53.             e.printStackTrace();  
54.         }  
55.         return respXml;  
56.     }  
57.   
58.     /** 
59.      * 人臉檢測幫助菜單 
60.      */  
61.     public static String getUsage() {  
62.         StringBuffer buffer = new StringBuffer();  
63.         buffer.append("人臉檢測使用指南").append("\n\n");  
64.         buffer.append("發送一張清晰的照片，就能幫你分析出種族、年齡、性別等信息").append("\n");  
65.         buffer.append("快來試試你是不是長得太着急");  
66.         return buffer.toString();  
67.     }  
68. }  

運行結果如下：

筆者用自己的相片測試了兩次，測試結果分別是26歲、30歲，這與筆者的實際年齡相差不大，可見，Face++的人臉檢測准確度還是比較高的。為了增加人臉檢測應用的趣味性和娛樂性，筆者忽略了年齡估計值的正負區間。讀者可以充分發揮自己的想像力和創造力，使用Face++ API實現更多實用、有趣的功能。應用開發不是簡單的接口調用！

（沒有展開的代碼統統和前面幾篇介紹開發模式、消息封裝的代碼相同，沒看的返回看前幾篇）