基于Gabor特征提取和人工智能的人脸检测系统源代码Face Detection System
成都创新互联是一家朝气蓬勃的网站建设公司。公司专注于为企业提供信息化建设解决方案。从事网站开发，网站制作，网站设计，网站模板，微信公众号开发，软件开发，微信小程序，十载建站对成都凿毛机等多个领域，拥有丰富建站经验。
这是一个使用了Gabor特征提取和人工智能的人脸检测系统源代码关键内容
使用步骤：
1. 拷贝所有文件到MATLAB工作目录下(确认已经安装了图像处理工具箱和人工智能工具箱)
2. 找到"main.m"文件
3. 命令行中运行它
4. 点击"Train Network"，等待程序训练好样本
5. 点击"Test on Photos"，选择一个.jpg图片，识别。
6. 等待程序检测出人脸区域
createffnn.m, drawrec.m, gabor.m, im2vec.m, imscan.m, loadimages.m, main.m, template1.png, template2.png, trainnet.m
no jniopencv_objdetect in java.library.path
opencv的相应的dll，没有放到环境变量PATH 所指的目录
基于弹性模板匹配的人脸表情识别程序。首先针对静态表情图像进行表情图像的灰度、尺寸归一化，然后利用Gabor小波变换提取人脸表情特征以构造表情弹性图，最后提出基于弹性模板匹配及K-近邻的分类算法实现人脸表情的识别。
1.环境搭建
整个项目的结构图
2.编写DetectFaceDemo.java,代码如下：
[java] view plaincopy
package com.njupt.zhb.test;
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfRect;
import org.opencv.core.Point;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.highgui.Highgui;
import org.opencv.objdetect.CascadeClassifier;
//
// Detects faces in an image, draws boxes around them, and writes the results
// to "faceDetection.png".
//
public class DetectFaceDemo {
public void run() {
System.out.println("\nRunning DetectFaceDemo");
System.out.println(getClass().getResource("lbpcascade_frontalface.xml").getPath());
// Create a face detector from the cascade file in the resources
// directory.
//CascadeClassifier faceDetector = new CascadeClassifier(getClass().getResource("lbpcascade_frontalface.xml").getPath());
//Mat image = Highgui.imread(getClass().getResource("lena.png").getPath());
//注意：源程序的路径会多打印一个‘/’，因此总是出现如下错误
/*
* Detected 0 faces Writing faceDetection.png libpng warning: Image
* width is zero in IHDR libpng warning: Image height is zero in IHDR
* libpng error: Invalid IHDR data
*/
//因此，我们将第一个字符去掉
String xmlfilePath=getClass().getResource("lbpcascade_frontalface.xml").getPath().substring(1);
CascadeClassifier faceDetector = new CascadeClassifier(xmlfilePath);
Mat image = Highgui.imread(getClass().getResource("we.jpg").getPath().substring(1));
// Detect faces in the image.
// MatOfRect is a special container class for Rect.
MatOfRect faceDetections = new MatOfRect();
faceDetector.detectMultiScale(image, faceDetections);
System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));
// Draw a bounding box around each face.
for (Rect rect : faceDetections.toArray()) {
Core.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));
}
// Save the visualized detection.
String filename = "faceDetection.png";
System.out.println(String.format("Writing %s", filename));
Highgui.imwrite(filename, image);
}
}
3.编写测试类：
[java] view plaincopy
package com.njupt.zhb.test;
public class TestMain {
public static void main(String[] args) {
System.out.println("Hello, OpenCV");
// Load the native library.
System.loadLibrary("opencv_java246");
new DetectFaceDemo().run();
}
}
//运行结果:
//Hello, OpenCV
//
//Running DetectFaceDemo
///E:/eclipse_Jee/workspace/JavaOpenCV246/bin/com/njupt/zhb/test/lbpcascade_frontalface.xml
//Detected 8 faces
//Writing faceDetection.png
现在主流的还是用的百度，千搜等公司的在线API，就是传图片过去，等接收结果就行，seetaface这个东西太复杂了。
这是一个基于cnn的图像人脸检测的开源库。CNN模型已被转换为C源文件中的静态变量。源代码不依赖于任何其他库。你所需要的只是一个c++编译器。您可以使用c++编译器在Windows、Linux、ARM和任何平台下编译源代码。SIMD指令用于加速检测。如果您使用Intel CPU或NEON for ARM，则可以启用AVX2。在目录中还提供了模型文件models/examples/libfacedetectcn -example.cpp展示了如何使用这个库。
使用g++编译源代码时，请添加-03以启用优化。
使用Microsoft Visual Studio编译源代码时，请选择“最大化速度/-02”。
1.设置AArch64交叉编译器(请参考AArch64工具链.cmake)
2.设置OpenCV路径，因为示例代码依赖于OpenCV
OpenCV Haar+AdaBoost以最小的面尺寸48x48运行
只检测人脸，不包含地区检测。
最小面尺寸~12x12
Intel(R) Core(TM) i7-7700 CPU @ 3.6GHz
只检测人脸，不包含地区检测。
最小面尺寸~12x12
Raspberry Pi 3B+， 博通 BCM2837BO, Cortex-A53 (ARMv8) 64位SoC @ 1.4GHz
Shiqi Yu, shiqi.yu@gmail.com
本研究由深圳市科学基金(批准号:JCYJ20150324141711699)。
重庆分公司
重庆分公司
