我的 Java 应用程序中的不同线程上有 JPG 图像的实时流,我想不断扫描面部,以便稍后输出在相机运行时通过相机的所有不同面部的列表,以及每张脸被看到的次数。这是我当前的代码:
void doImageProcessing() {
// Create face stuff
FKEFaceDetector faceDetector = new FKEFaceDetector(new HaarCascadeDetector());
EigenFaceRecogniser<KEDetectedFace, Person> faceRecognizer = EigenFaceRecogniser.create(512, new RotateScaleAligner(), 512, DoubleFVComparison.CORRELATION, Float.MAX_VALUE);
FaceRecognitionEngine<KEDetectedFace, Extractor<KEDetectedFace>, Person> faceEngine = FaceRecognitionEngine.create(faceDetector, faceRecognizer);
// Start loop
while (true) {
// Get next frame
byte[] imgData = nextProcessingData;
nextProcessingData = null;
// Decode image
BufferedImage img = ImageIO.read(new ByteArrayInputStream(imgData));
// Detect faces
FImage fimg = ImageUtilities.createFImage(img);
List<KEDetectedFace> faces = faceEngine.getDetector().detectFaces(fimg);
// Go through detected faces
for (KEDetectedFace face : faces) {
// Find existing person for this face
Person person = null;
try {
List<IndependentPair<KEDetectedFace, ScoredAnnotation<Person>>> rfaces = faceEngine.recogniseBest(face.getFacePatch());
ScoredAnnotation<Person> score = rfaces.get(0).getSecondObject();
if (score != null)
person = score.annotation;
} catch (Exception e) {
}
// If not found, create
if (person == null) {
// Create person
person = new Person();
System.out.println("Identified new person: " + person.getIdentifier());
// Train engine to recognize this new person
faceEngine.train(person, face.getFacePatch());
} else {
// This person has been detected before
System.out.println("Identified existing person: " + person.getIdentifier());
}
}
}
}
问题是它总是将面部检测为新面部,即使它与前一帧中检测到的面部相同。 rfaces
始终为空。它永远无法识别现有的面孔。我做错了什么?
另外,我不知道EigenFaceRecognizer
的参数是什么。创建者功能应该是,也许这就是为什么它不识别任何东西......
最佳答案
您为 EigenFaceRecogniser.create()
函数提供的参数相差很大,因此这可能是导致问题的原因。以下更可能有效:
EigenFaceRecogniser<KEDetectedFace, Person> faceRecognizer = EigenFaceRecogniser.create(20, new RotateScaleAligner(), 1, DoubleFVComparison.CORRELATION, 0.9f);
说明:
第一个参数是EigenFace算法中主成分的数量;确切的值通常是通过实验确定的,但大约 20 左右可能就可以了。
第三个参数是用于 KNN 分类器的最近邻的数量。 1 个最近邻应该没问题。
最后一个参数是分类器的距离阈值。相关性比较返回相似性度量(值越高意味着越相似),因此给定的阈值是必须超过的下限。由于我们设置了 1 个最近邻,那么最相似的人脸与查询人脸之间的距离必须大于 0.9。 请注意,0.9 值只是一个猜测;为了优化识别器的性能,您需要尝试一下。
另一个小点 - 而不是:
BufferedImage img = ImageIO.read(new ByteArrayInputStream(imgData));
FImage fimg = ImageUtilities.createFImage(img);
通常最好让 OpenIMAJ 读取您的图像,因为它可以解决 ImageIO 处理某些类型 JPEG 时出现的一些已知问题:
FImage fimg = ImageUtilities.readF(new ByteArrayInputStream(imgData));
关于java - 如何使用 OpenIMAJ 识别新面孔,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15496269/