微信公众平台开发教程第19篇-应用实例之人脸检测

        人脸检测属于人脸识别的范畴，它是一个复杂的具有挑战性的模式匹配问题，国内外许多组织、科研机构都在专门研究该问题。国内的Face++团队专注于研发人脸检测、识别、分析和重建技术，并且向广大开发者开放了人脸识别API，本文介绍的“人脸检测”应用正是基于Face++ API进行开发。

Face++简介

        Face++是北京旷视科技有限公司旗下的人脸识别云服务平台，Face++平台通过提供云端API、离线SDK、以及面向用户的自主研发产品等形式，将人脸识别技术广泛应用到互联网及移动应用场景中。Face++为广大开发者提供了简单易用的API，开发者可以轻松搭建属于自己的云端身份认证、用户兴趣挖掘、移动体感交互、社交娱乐分享等多种类型的应用。

        Face++提供的技术服务包括人脸检测、人脸分析和人脸识别，主要说明如下：

                1）人脸检测：可以从图片中快速、准确的定位面部的关键区域位置，包括眉毛、眼睛、鼻子、嘴巴等。
                2）人脸分析：可以从图片或实时视频流中分析出人脸的性别（准确度达96%）、年龄、种族等多种属性。
                3）人脸识别：可以快速判定两张照片是否为同一个人，或者快速判定视频中的人像是否为某一位特定的人。

        Face++的中文网址为http://cn.faceplusplus.com/，要使用Face++ API，需要注册成为Face++开发者，也就是要注册一个Face++账号。注册完成后，先创建应用，创建应用时需要填写“应用名称”、“应用描述”、“API服务器”、“应用类型”和“应用平台”，读者可以根据实际情况填写。应用创建完成后，可以看到应用的详细信息，如下图所示。

                

        上图中，最重要的是API KEY和API SECRET，在调用Face++提供的API时，需要传入这两个参数。

人脸检测API介绍

        在Face++网站的“API文档”中，能够看到Face++提供的所有API，我们要使用的人脸检测接口是detect分类下的“/detection/detect”，它能够检测出给定图片(Image)中的所有人脸(Face)的位置和相应的面部属性，目前面部属性包括性别(gender)、年龄(age)、种族(race)、微笑程度(smiling)、眼镜(glass)和姿势(pose)。

        读者可以在http://cn.faceplusplus.com/uc/doc/home?id=69中了解到人脸检测接口的详细信息，该接口的请求地址如下：

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

调用上述接口，必须要传入参数api_key、api_secret和待检测的图片。其中，待检测的图片可以是URL，也可以是POST方式提交的二进制数据。在微信公众账号后台，接收用户发送的图片，得到的是图片的访问路径（PicUrl），因此，在本例中，直接使用待检测图片的URL是最方便的。调用人脸检测接口返回的是JSON格式数据如下：

{
    "face": [
        {
            "attribute": {
                "age": {
                    "range": 5,
                    "value": 23
                },
                "gender": {
                    "confidence": 99.9999,
                    "value": "Female"
                },
                "glass": {
                    "confidence": 99.945,
                    "value": "None"
                },
                "pose": {
                    "pitch_angle": {
                        "value": 17
                    },
                    "roll_angle": {
                        "value": 0.735735
                    },
                    "yaw_angle": {
                        "value": -2
                    }
                },
                "race": {
                    "confidence": 99.6121,
                    "value": "Asian"
                },
                "smiling": {
                    "value": 4.86501
                }
            },
            "face_id": "17233b4b1b51ac91e391e5afe130eb78",
            "position": {
                "center": {
                    "x": 49.4,
                    "y": 37.6
                },
                "eye_left": {
                    "x": 43.3692,
                    "y": 30.8192
                },
                "eye_right": {
                    "x": 56.5606,
                    "y": 30.9886
                },
                "height": 26.8,
                "mouth_left": {
                    "x": 46.1326,
                    "y": 44.9468
                },
                "mouth_right": {
                    "x": 54.2592,
                    "y": 44.6282
                },
                "nose": {
                    "x": 49.9404,
                    "y": 38.8484
                },
                "width": 26.8
            },
            "tag": ""
        }
    ],
    "img_height": 500,
    "img_id": "22fd9efc64c87e00224c33dd8718eec7",
    "img_width": 500,
    "session_id": "38047ad0f0b34c7e8c6efb6ba39ed355",
    "url": "http://cn.faceplusplus.com/wp-content/themes/faceplusplus.zh/assets/img/demo/1.jpg?v=4"
}

这里只对本文将要实现的“人脸检测”功能中主要用到的参数进行说明，参数说明如下：

1）face是一个数组，当一张图片中包含多张人脸时，所有识别出的人脸信息都在face数组中。

2）age中的value表示估计年龄，range表示误差范围。例如，上述结果中value=23，range=5，表示人的真实年龄在18岁至28岁左右。

3）gender中的value表示性别，男性为Male，女性为Female；gender中的confidence表示检测结果的可信度。

4）race中的value表示人种，黄色人种为Asian，白色人种为White，黑色人种为Black；race中的confidence表示检测结果的可信度。

5）center表示人脸框中心点坐标，可以将x用于计算人脸的左右顺序，即x坐标的值越小，人脸的位置越靠近图片的左侧。

人脸检测API的使用方法

        为了方便开发者调用人脸识别API，Face++团队提供了基于Objective-C、Java（Android）、Matlab、Ruby、C#等多种语言的开发工具包，读者可以在Face++网站的“工具下载”版块下载相关的SDK。在本例中，笔者并不打算使用官方提供的SDK进行开发，主要原因如下：1）人脸检测API的调用比较简单，自己写代码实现也并不复杂；2）如果使用SDK进行开发，笔者还要花费大量篇幅介绍SDK的使用，这些并不是本文的重点；3）自己写代码实现比较灵活。当图片中有多张人脸时，人脸检测接口返回的数据是无序的，开发者可以按照实际使用需求进行排序，例如，将图片中的人脸按照从左至右的顺序进行排序。

编程调用人脸检测API

        首先，要对人脸检测接口返回的结构进行封装，建立与之对应的Java对象。由于人脸检测接口返回的参数较多，笔者只是将本例中需要用到的参数抽取出来，封装成Face对象，对应的代码如下：

package org.liufeng.course.pojo;

/**
 * Face Model
 *
 * @author liufeng
 * @date 2013-12-18
 */
public class Face implements Comparable<Face> {
    // 被检测出的每一张人脸都在Face++系统中的标识符
    private String faceId;
    // 年龄估计值
    private int ageValue;
    // 年龄估计值的正负区间
    private int ageRange;
    // 性别：Male/Female
    private String genderValue;
    // 性别分析的可信度
    private double genderConfidence;
    // 人种：Asian/White/Black
    private String raceValue;
    // 人种分析的可信度
    private double raceConfidence;
    // 微笑程度
    private double smilingValue;
    // 人脸框的中心点坐标
    private double centerX;
    private double centerY;

    public String getFaceId() {
        return faceId;
    }

    public void setFaceId(String faceId) {
        this.faceId = faceId;
    }

    public int getAgeValue() {
        return ageValue;
    }

    public void setAgeValue(int ageValue) {
        this.ageValue = ageValue;
    }

    public int getAgeRange() {
        return ageRange;
    }

    public void setAgeRange(int ageRange) {
        this.ageRange = ageRange;
    }

    public String getGenderValue() {
        return genderValue;
    }

    public void setGenderValue(String genderValue) {
        this.genderValue = genderValue;
    }

    public double getGenderConfidence() {
        return genderConfidence;
    }

    public void setGenderConfidence(double genderConfidence) {
        this.genderConfidence = genderConfidence;
    }

    public String getRaceValue() {
        return raceValue;
    }

    public void setRaceValue(String raceValue) {
        this.raceValue = raceValue;
    }

    public double getRaceConfidence() {
        return raceConfidence;
    }

    public void setRaceConfidence(double raceConfidence) {
        this.raceConfidence = raceConfidence;
    }

    public double getSmilingValue() {
        return smilingValue;
    }

    public void setSmilingValue(double smilingValue) {
        this.smilingValue = smilingValue;
    }

    public double getCenterX() {
        return centerX;
    }

    public void setCenterX(double centerX) {
        this.centerX = centerX;
    }

    public double getCenterY() {
        return centerY;
    }

    public void setCenterY(double centerY) {
        this.centerY = centerY;
    }

    // 根据人脸中心点坐标从左至右排序
    @Override
    public int compareTo(Face face) {
        int result = 0;
        if (this.getCenterX() > face.getCenterX())
            result = 1;
        else
            result = -1;
        return result;
    }
}

与普通Java类不同的是， Face类实现了Comparable接口，并实现了该接口的compareTo()方法，这正是Java中对象排序的关键所在。 112-119行代码是通过比较每个Face的脸部中心点的横坐标来决定对象的排序方式，这样能够实现检测出的多个Face按从左至右的先后顺序进行排序。

        接下来，是人脸检测API的调用及相关处理逻辑，笔者将这些实现全部封装在FaceService类中，该类的完整实现如下：

package org.liufeng.course.service;

import java.io.BufferedReader;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.net.HttpURLConnection;
import java.net.URL;
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
import org.liufeng.course.pojo.Face;
import net.sf.json.JSONArray;
import net.sf.json.JSONObject;

/**
 * 人脸检测服务
 *
 * @author liufeng
 * @date 2013-12-18
 */
public class FaceService {
    /**
     * 发送http请求
     *
     * @param requestUrl 请求地址
     * @return String
     */
    private static String httpRequest(String requestUrl) {
        StringBuffer buffer = new StringBuffer();
        try {
            URL url = new URL(requestUrl);
            HttpURLConnection httpUrlConn = (HttpURLConnection) url.openConnection();
            httpUrlConn.setDoInput(true);
            httpUrlConn.setRequestMethod("GET");
            httpUrlConn.connect();
            // 将返回的输入流转换成字符串
            InputStream inputStream = httpUrlConn.getInputStream();
            InputStreamReader inputStreamReader = new InputStreamReader(inputStream, "utf-8");
            BufferedReader bufferedReader = new BufferedReader(inputStreamReader);

            String str = null;
            while ((str = bufferedReader.readLine()) != null) {
                buffer.append(str);
            }
            bufferedReader.close();
            inputStreamReader.close();
            // 释放资源
            inputStream.close();
            inputStream = null;
            httpUrlConn.disconnect();

        } catch (Exception e) {
            e.printStackTrace();
        }
        return buffer.toString();
    }

    /**
     * 调用Face++ API实现人脸检测
     *
     * @param picUrl 待检测图片的访问地址
     * @return List<Face> 人脸列表
     */
    private static List<Face> faceDetect(String picUrl) {
        List<Face> faceList = new ArrayList<Face>();
        try {
            // 拼接Face++人脸检测的请求地址
            String queryUrl = "http://apicn.faceplusplus.com/v2/detection/detect?url=URL&api_secret=API_SECRET&api_key=API_KEY";
            // 对URL进行编码
            queryUrl = queryUrl.replace("URL", java.net.URLEncoder.encode(picUrl, "UTF-8"));
            queryUrl = queryUrl.replace("API_KEY", "替换成自己的API Key");
            queryUrl = queryUrl.replace("API_SECRET", "替换成自己的API Secret");
            // 调用人脸检测接口
            String json = httpRequest(queryUrl);
            // 解析返回json中的Face列表
            JSONArray jsonArray = JSONObject.fromObject(json).getJSONArray("face");
            // 遍历检测到的人脸
            for (int i = 0; i < jsonArray.size(); i++) {
                // face
                JSONObject faceObject = (JSONObject) jsonArray.get(i);
                // attribute
                JSONObject attrObject = faceObject.getJSONObject("attribute");
                // position
                JSONObject posObject = faceObject.getJSONObject("position");
                Face face = new Face();
                face.setFaceId(faceObject.getString("face_id"));
                face.setAgeValue(attrObject.getJSONObject("age").getInt("value"));
                face.setAgeRange(attrObject.getJSONObject("age").getInt("range"));
                face.setGenderValue(genderConvert(attrObject.getJSONObject("gender").getString("value")));
                face.setGenderConfidence(attrObject.getJSONObject("gender").getDouble("confidence"));
                face.setRaceValue(raceConvert(attrObject.getJSONObject("race").getString("value")));
                face.setRaceConfidence(attrObject.getJSONObject("race").getDouble("confidence"));
                face.setSmilingValue(attrObject.getJSONObject("smiling").getDouble("value"));
                face.setCenterX(posObject.getJSONObject("center").getDouble("x"));
                face.setCenterY(posObject.getJSONObject("center").getDouble("y"));
                faceList.add(face);
            }
            // 将检测出的Face按从左至右的顺序排序
            Collections.sort(faceList);
        } catch (Exception e) {
            faceList = null;
            e.printStackTrace();
        }
        return faceList;
    }

    /**
     * 性别转换（英文->中文）
     *
     * @param gender
     * @return
     */
    private static String genderConvert(String gender) {
        String result = "男性";
        if ("Male".equals(gender))
            result = "男性";
        else if ("Female".equals(gender))
            result = "女性";

        return result;
    }

    /**
     * 人种转换（英文->中文）
     *
     * @param race
     * @return
     */
    private static String raceConvert(String race) {
        String result = "黄色";
        if ("Asian".equals(race))
            result = "黄色";
        else if ("White".equals(race))
            result = "白色";
        else if ("Black".equals(race))
            result = "黑色";
        return result;
    }

    /**
     * 根据人脸识别结果组装消息
     *
     * @param faceList 人脸列表
     * @return
     */
    private static String makeMessage(List<Face> faceList) {
        StringBuffer buffer = new StringBuffer();
        // 检测到1张脸
        if (1 == faceList.size()) {
            buffer.append("共检测到 ").append(faceList.size()).append(" 张人脸").append("\n");
            for (Face face : faceList) {
                buffer.append(face.getRaceValue()).append("人种,");
                buffer.append(face.getGenderValue()).append(",");
                buffer.append(face.getAgeValue()).append("岁左右").append("\n");
            }
        }
        // 检测到2-10张脸
        else if (faceList.size() > 1 && faceList.size() <= 10) {
            buffer.append("共检测到 ").append(faceList.size()).append(" 张人脸，按脸部中心位置从左至右依次为：").append("\n");
            for (Face face : faceList) {
                buffer.append(face.getRaceValue()).append("人种,");
                buffer.append(face.getGenderValue()).append(",");
                buffer.append(face.getAgeValue()).append("岁左右").append("\n");
            }
        }
        // 检测到10张脸以上
        else if (faceList.size() > 10) {
            buffer.append("共检测到 ").append(faceList.size()).append(" 张人脸").append("\n");
            // 统计各人种、性别的人数
            int asiaMale = 0;
            int asiaFemale = 0;
            int whiteMale = 0;
            int whiteFemale = 0;
            int blackMale = 0;
            int blackFemale = 0;
            for (Face face : faceList) {
                if ("黄色".equals(face.getRaceValue()))
                    if ("男性".equals(face.getGenderValue()))
                        asiaMale++;
                    else
                        asiaFemale++;
                else if ("白色".equals(face.getRaceValue()))
                    if ("男性".equals(face.getGenderValue()))
                        whiteMale++;
                    else
                        whiteFemale++;
                else if ("黑色".equals(face.getRaceValue()))
                    if ("男性".equals(face.getGenderValue()))
                        blackMale++;
                    else
                        blackFemale++;
            }
            if (0 != asiaMale || 0 != asiaFemale)
                buffer.append("黄色人种：").append(asiaMale).append("男").append(asiaFemale).append("女").append("\n");
            if (0 != whiteMale || 0 != whiteFemale)
                buffer.append("白色人种：").append(whiteMale).append("男").append(whiteFemale).append("女").append("\n");
            if (0 != blackMale || 0 != blackFemale)
                buffer.append("黑色人种：").append(blackMale).append("男").append(blackFemale).append("女").append("\n");
        }
        // 移除末尾空格
        buffer = new StringBuffer(buffer.substring(0, buffer.lastIndexOf("\n")));
        return buffer.toString();
    }

    /**
     * 提供给外部调用的人脸检测方法
     *
     * @param picUrl 待检测图片的访问地址
     * @return String
     */
    public static String detect(String picUrl) {
        // 默认回复信息
        String result = "未识别到人脸，请换一张清晰的照片再试！";
        List<Face> faceList = faceDetect(picUrl);
        if (null != faceList) {
            result = makeMessage(faceList);
        }
        return result;
    }

    public static void main(String[] args) {
        String picUrl = "http://pic11.nipic.com/20101111/6153002_002722872554_2.jpg";
        System.out.println(detect(picUrl));
    }
}

上述代码虽然多，但条理很清晰，并不难理解，所以笔者只挑重点的进行讲解，主要说明如下：

1）70行：参数url表示图片的链接，由于链接中存在特殊字符，作为参数传递时必须进行URL编码。请读者记住：不管是什么应用，调用什么接口，凡是通过GET传递的参数中可能会包含特殊字符，都必须进行URL编码，除了中文以外，特殊字符还包括等号“=”、与“&”、空格“ ”等。

2）76-97行：使用JSON-lib解析人脸检测接口返回的JSON数据，并将解析结果存入List中。

3）99行：对集合中的对象进行排序，使用Collections.sort()方法排序的前提是集合中的Face对象实现了Comparable接口。

4）146-203行：组装返回给用户的消息内容。考虑到公众平台的文本消息内容长度有限制，当一张图片中识别出的人脸过多，则只返回一些汇总信息给用户。

5）211-219行：detect()方法是public的，提供给其他类调用。笔者可以在本地的开发工具中运行上面的main()方法，测试detect()方法的输出。

公众账号后台的实现

在公众账号后台的CoreService类中，需要对用户发送的消息类型进行判断，如果是图片消息，则调用人脸检测方法进行分析，如果是其他消息，则返回人脸检测的使用指南。CoreService类的完整代码如下：

package org.liufeng.course.service;

import java.util.Date;
import java.util.Map;
import javax.servlet.http.HttpServletRequest;
import org.liufeng.course.message.resp.TextMessage;
import org.liufeng.course.util.MessageUtil;

/**
 * 核心服务类
 *
 * @author liufeng
 * @date 2013-12-19
 */
public class CoreService {
    /**
     * 处理微信发来的请求
     */
    public static String processRequest(HttpServletRequest request) {
        // 返回给微信服务器的xml消息
        String respXml = null;
        try {
            // xml请求解析
            Map<String, String> requestMap = MessageUtil.parseXml(request);
            // 发送方帐号（open_id）
            String fromUserName = requestMap.get("FromUserName");
            // 公众帐号
            String toUserName = requestMap.get("ToUserName");
            // 消息类型
            String msgType = requestMap.get("MsgType");

            // 回复文本消息
            TextMessage textMessage = new TextMessage();
            textMessage.setToUserName(fromUserName);
            textMessage.setFromUserName(toUserName);
            textMessage.setCreateTime(new Date().getTime());
            textMessage.setMsgType(MessageUtil.RESP_MESSAGE_TYPE_TEXT);

            // 图片消息
            if (MessageUtil.REQ_MESSAGE_TYPE_IMAGE.equals(msgType)) {
                // 取得图片地址
                String picUrl = requestMap.get("PicUrl");
                // 人脸检测
                String detectResult = FaceService.detect(picUrl);
                textMessage.setContent(detectResult);
            }
            // 其它类型的消息
            else
                textMessage.setContent(getUsage());

            respXml = MessageUtil.textMessageToXml(textMessage);
        } catch (Exception e) {
            e.printStackTrace();
        }
        return respXml;
    }

    /**
     * 人脸检测帮助菜单
     */
    public static String getUsage() {
        StringBuffer buffer = new StringBuffer();
        buffer.append("人脸检测使用指南").append("\n\n");
        buffer.append("发送一张清晰的照片，就能帮你分析出种族、年龄、性别等信息").append("\n");
        buffer.append("快来试试你是不是长得太着急");
        return buffer.toString();
    }
}

到这里，人脸检测应用就全部开发完成了，整个项目的完整结构如下：

        

运行结果如下：

         

笔者用自己的相片测试了两次，测试结果分别是26岁、30岁，这与实际年龄相差不大，可见，Face++的人脸检测准确度还是比较高的。为了增加人脸检测应用的趣味性和娱乐性，笔者忽略了年龄估计值的正负区间。读者可以充分发挥自己的想像力和创造力，使用Face++ API实现更多实用、有趣的功能。应用开发不是简单的接口调用！