我的Java应用程序中有一个不同线程的JPG图像的实时流,我想继续扫描面部,以便稍后输出在运行时通过相机的所有不同面的列表,每张脸都被看到了多少次。这是我目前的代码:
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());
}
}
}
}
问题是它总是将脸部检测为新脸,即使它与前一帧中检测到的脸相同。 rfaces
始终为空。它永远无法识别现有的面部。我做错了什么?
另外,我不知道EigenFaceRecognizer
创建函数的参数应该是什么,也许这就是为什么它不能识别任何东西......
答案 0 :(得分:4)
你给EigenFaceRecogniser.create()
函数的参数是关闭的,所以这可能是你的问题的可能原因。以下内容更有可能发挥作用:
EigenFaceRecogniser<KEDetectedFace, Person> faceRecognizer = EigenFaceRecogniser.create(20, new RotateScaleAligner(), 1, DoubleFVComparison.CORRELATION, 0.9f);
<强>阐释:强>
第一个参数是EigenFace算法中的主成分数;确切的值通常是通过实验确定的,但约20左右的东西可能没问题。
第三个参数是用于KNN分类器的最近邻居数。 1个最近邻居应该没问题。
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(高值意味着更相似),因此给定的阈值是必须超过的下限。由于我们设置了1个最近邻居,因此最相似的面部与查询面之间的距离必须大于0.9。 请注意,值0.9只是猜测;为了优化识别器的性能,您需要使用它。
另一个小问题 - 而不是:
BufferedImage img = ImageIO.read(new ByteArrayInputStream(imgData));
FImage fimg = ImageUtilities.createFImage(img);
让OpenIMAJ读取您的图像通常会更好,因为它解决了ImageIO处理某些类型JPEG时的一些已知问题:
FImage fimg = ImageUtilities.readF(new ByteArrayInputStream(imgData));