虹軟人臉識別-Java實現人臉查找及跟蹤

1、前言

​ 人工智能時代的到來，相信你們已耳濡目染，虹軟免費、離線開放的人臉識別 SDK，正推進着全行業進入刷臉時代，爲了方便開發者接入，虹軟提供了多種語言，多種平臺的人臉識別SDK的支持，使用場景普遍。產品主要功能有：人臉檢測、追蹤、特徵提取、特徵比對、屬性檢測，活體檢測，圖像質量檢測等，此外，虹軟提供的是基於本地算法特徵的離線識別SDK，提供全平臺的離線支持。

​ 現現在，人臉查找及跟蹤這例Demo很是火，以前個人大學室友也曾用python調opencv庫函數來實現過相似的功能，包括不少比賽，也會在此基礎上構造賽題，而虹軟也正是提供了這方面的技術支持。所以做爲初學者的我，也想嘗試基於虹軟的SDK來寫我的臉查找及跟蹤的樣例，並寫此文章進行記錄，向廣大初學開發者做分享。

​ 此Demo採用Maven做爲項目管理工具，並基於Windows x64，Java 8，SDK是基於虹軟人臉識別SDK3.0

2、項目結構

SDK依賴Jar包 可從虹軟官網獲取 點擊「免費獲取」 」登陸「後 選擇 「具體平臺/版本/語言」進行獲取

3、項目依賴

pom.xml 依賴包括

• Javacv，Lombok，Guava，Apache Common系列工具類，Logback日誌相關依賴
• 虹軟人臉識別SDK依賴Jar包

<dependencies>
        <dependency>
            <groupId>org.bytedeco</groupId>
            <artifactId>javacv-platform</artifactId>
            <version>1.5.2</version>
        </dependency>

        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <version>1.18.8</version>
        </dependency>
        
        <dependency>
            <groupId>ch.qos.logback</groupId>
            <artifactId>logback-core</artifactId>
            <version>1.2.3</version>
        </dependency>
        
        <dependency>
            <groupId>ch.qos.logback</groupId>
            <artifactId>logback-access</artifactId>
            <version>1.2.3</version>
        </dependency>
        <dependency>
            <groupId>ch.qos.logback</groupId>
            <artifactId>logback-classic</artifactId>
            <version>1.2.3</version>
        </dependency>

        <dependency>
            <groupId>com.arcsoft.face</groupId>
            <artifactId>arcsoft-sdk-face</artifactId>
            <version>1.0.0</version>
            <scope>system</scope>
            <systemPath>${basedir}/libs/arcsoft-sdk-face-3.0.0.0.jar</systemPath>
        </dependency>

        <dependency>
            <groupId>com.google.guava</groupId>
            <artifactId>guava</artifactId>
            <version>26.0-jre</version>
        </dependency>

        <dependency>
            <groupId>org.apache.commons</groupId>
            <artifactId>commons-lang3</artifactId>
            <version>3.8.1</version>
        </dependency>

        <dependency>
            <groupId>org.apache.commons</groupId>
            <artifactId>commons-pool2</artifactId>
            <version>2.6.0</version>
        </dependency>
        <dependency>
            <groupId>commons-io</groupId>
            <artifactId>commons-io</artifactId>
            <version>2.6</version>
        </dependency>
    </dependencies>

4、項目流程

5、效果展現

6、核心代碼說明

1.FaceEngineFactory類 源碼說明

此類繼承BasePooledObjectFactory抽象類，爲FaceEngine對象池

1）成員變量說明

//人臉識別引擎庫路徑
private String libPath;
//SDK的APP_ID
private String appId;
//SDK的SDK_KEY
private String sdkKey;
//引擎配置類
private EngineConfiguration engineConfiguration;

其中 人臉識別引擎庫，APP_ID，SDK_KEY 可經過虹軟官網」開發者中心「 進行 「登陸」後 在「個人應用「中進行獲取

2）create()方法

public FaceEngine create() throws Exception {
    FaceEngine faceEngine = new FaceEngine(libPath);
    int activeCode = faceEngine.activeOnline(appId, sdkKey);
    log.info("faceEngineActiveCode:" + activeCode);
    int initCode = faceEngine.init(engineConfiguration);
    log.info("faceEngineInitCode:" + initCode);
    return faceEngine;
}

1. 參數說明：無
2. 返回結果：FaceEngine人臉識別引擎
3. 代碼流程解讀：

   此方法，經過libPath(SDK引擎庫的路徑)實例化FaceEngine對象，再根據APP_ID，SDK_KEY調用activeOnline()方法激活引擎(聯網狀態下)

   成功激活引擎後，根據EngineConfiguration引擎配置類 調用init()方法初始化引擎

   3）wrap()方法

public PooledObject<FaceEngine> wrap(FaceEngine faceEngine) {
    return new DefaultPooledObject<>(faceEngine);
}

1. 參數說明：FaceEngine人臉識別引擎
2. 返回結果：PooledObject包裝類
3. 代碼流程解讀：

   此方法，經過PooledObject包裝器對象 將faceEngine進行包裝，便於維護引擎的狀態

   4）destroyObject()方法

public void destroyObject(PooledObject<FaceEngine> p) throws Exception {
    FaceEngine faceEngine = p.getObject();
    int result = faceEngine.unInit();
    super.destroyObject(p);
}

1. 參數說明：PooledObject包裝類
2. 返回結果：無
3. 代碼流程解讀：

   此方法，從PooledObject包裝器對象中獲取faceEngine引擎，隨後卸載引擎

2.FaceRecognize類 源碼說明

1）成員變量說明

//VIDEO模式人臉檢測引擎，用於預覽幀人臉追蹤
private FaceEngine ftEngine;
//人臉註冊引擎
private FaceEngine regEngine;
//用於人臉識別的引擎池
private GenericObjectPool<FaceEngine> frEnginePool;
//存放視頻中識別到的人臉信息(faceId爲key，FaceResult爲Value) (FaceId用來標記一張人臉，從進入畫面到離開畫面這個值不變，可使用FaceId判斷用戶)
//ConcurrentHashMap：在多線程運行狀況下，增/刪faceResultRegistry中的鍵值對時，保證其線程安全
//volatile關鍵字：在多線程運行狀況下，增/刪faceResultRegistry中的鍵值對後，保證其線程之間的可見性
private volatile ConcurrentHashMap<Integer, FaceResult> faceResultRegistry = new ConcurrentHashMap<>();
//線程池
private ExecutorService frService = Executors.newFixedThreadPool(20);
//存放 註冊照與註冊照人臉特徵值 的映射
public ConcurrentHashMap<String, byte[]> faceFeatureRegistry = new ConcurrentHashMap<>();
//記錄上次清理過期人臉時間
private long lastClearTime = System.currentTimeMillis();
//封裝 視頻中檢測到的人臉與註冊照人臉 比對結果
@Data
    public class FaceResult {
        private boolean flag = false;
        private String name;
        private float score;
    }
//封裝 視頻中檢測到的人臉信息
    @Data
    public class FacePreviewInfo {
        private FaceInfo faceInfo;
        private int age;
        private boolean liveness;
    }

2）init()方法

public void initEngine(String libPath,String appId,String sdkKey) {

    //引擎配置
    ftEngine = new FaceEngine(libPath);
    int activeCode = ftEngine.activeOnline(appId, sdkKey);
    EngineConfiguration ftEngineCfg = new EngineConfiguration();
    ftEngineCfg.setDetectMode(DetectMode.ASF_DETECT_MODE_VIDEO);
    ftEngineCfg.setFunctionConfiguration(FunctionConfiguration.builder().supportFaceDetect(true).build());
    int ftInitCode = ftEngine.init(ftEngineCfg);

    //引擎配置
    regEngine = new FaceEngine(libPath);
    EngineConfiguration regEngineCfg = new EngineConfiguration();
    regEngineCfg.setDetectMode(DetectMode.ASF_DETECT_MODE_IMAGE);
    regEngineCfg.setFunctionConfiguration(FunctionConfiguration.builder().supportFaceDetect(true).supportFaceRecognition(true).build());
    int regInitCode = regEngine.init(regEngineCfg);


    GenericObjectPoolConfig poolConfig = new GenericObjectPoolConfig();
    poolConfig.setMaxIdle(5);
    poolConfig.setMaxTotal(5);
    poolConfig.setMinIdle(5);
    poolConfig.setLifo(false);
    EngineConfiguration frEngineCfg = new EngineConfiguration();
    frEngineCfg.setFunctionConfiguration(FunctionConfiguration.builder().supportFaceRecognition(true).build());
    frEnginePool = new GenericObjectPool(new FaceEngineFactory(libPath, appId, sdkKey, frEngineCfg), poolConfig);//底層庫算法對象池


    if (!(activeCode == ErrorInfo.MOK.getValue() || activeCode == ErrorInfo.MERR_ASF_ALREADY_ACTIVATED.getValue())) {
        log.error("activeCode: " + activeCode);
        throw new RuntimeException("activeCode: " + activeCode);
    }
    if (ftInitCode != ErrorInfo.MOK.getValue()) {
        log.error("ftInitEngine: " + ftInitCode);
        throw new RuntimeException("ftInitEngine: " + ftInitCode);
    }

    if (regInitCode != ErrorInfo.MOK.getValue()) {
        log.error("regInitEngine: " + regInitCode);
        throw new RuntimeException("regInitEngine: " + regInitCode);
    }

}

1. 參數說明：人臉識別引擎庫路徑，APP_ID，SDK_KEY
2. 返回結果：無
3. 代碼流程解讀：

   此方法，根據傳入的libPath，APP_ID，SDK_KEY去初始化用於人臉檢測跟蹤引擎(VIDEO模式，開啓人臉檢測功能) 以及用於人臉註冊的引擎(IMAGE模式，開啓人臉識別功能)，而後再去實例化人臉識別引擎池，設置引擎池對應屬性後，實例化EngineConfiguration對象(開啓人臉識別功能)，最後經過FaceEngineFactory的構造方法去初始化引擎並獲取對象池。

3）registerFace()方法 註冊人臉

public void registerFace(String imagePath) {
    log.info("正在註冊人臉");
    int count = 0;
    if (regEngine != null) {
        File file = new File(imagePath);
        File[] files = file.listFiles();
        for (File file1 : files) {
            ImageInfo imageInfo = ImageFactory.getRGBData(file1);
            if (imageInfo != null) {
                List<FaceInfo> faceInfoList = new ArrayList<>();
                int code = regEngine.detectFaces(imageInfo.getImageData(), imageInfo.getWidth(), imageInfo.getHeight(),
                        imageInfo.getImageFormat(), faceInfoList);

                if (code == 0 && faceInfoList.size() > 0) {
                    FaceFeature faceFeature = new FaceFeature();
                    int resCode = regEngine.extractFaceFeature(imageInfo.getImageData(), imageInfo.getWidth(), imageInfo.getHeight(),imageInfo.getImageFormat(), faceInfoList.get(0), faceFeature);
                    if (resCode == 0) {
                        int lastIndexOf = file1.getName().lastIndexOf(".");
                        String name = file1.getName().substring(0, lastIndexOf);
                        faceFeatureRegistry.put(name, faceFeature.getFeatureData());
                        log.info("成功註冊人臉：" + name);
                        count++;
                    }
                }
            }
        }
        log.info("人臉註冊完成，共註冊：" + count + "張人臉");
    } else {
        throw new RuntimeException("註冊失敗，引擎未初始化或初始化失敗");
    }
}

1. 參數說明：註冊人臉照的目錄路徑
2. 返回結果：無
3. 代碼流程解讀：

   此方法，將參數目錄下的每一個文件解析爲ImageInfo類型的RGB圖像信息數據，再調用FaceEngineService對象的detectFaces()方法檢測並獲取人臉信息數據(其所需參數有 圖像數據 ，圖像寬度(4的倍數)，圖片高度，圖像的顏色格式，存放檢測到的人臉信息List)。成功檢測到人臉後，再經過extractFaceFeature()方法提取人臉特徵值(其所需參數有圖像數據，圖像寬度(4的倍數)，圖像高度，圖像的顏色格式，人臉信息，存放提取到的人臉特徵信息)。成功獲取到人臉特徵值後，將圖片文件名和人臉特徵值以key-value的形式存放於ConcurrentHashMap中。

   4）detectFaces()方法 人臉檢測

public List<FacePreviewInfo> detectFaces(ImageInfo imageInfo) {
    if (ftEngine != null) {
        List<FaceInfo> faceInfoList = new ArrayList<>();
        int code = ftEngine.detectFaces(imageInfo.getImageData(), imageInfo.getWidth(), imageInfo.getHeight(),
                imageInfo.getImageFormat(), faceInfoList);

        List<FacePreviewInfo> previewInfoList = new LinkedList<>();
        for (FaceInfo faceInfo : faceInfoList) {
            FacePreviewInfo facePreviewInfo = new FacePreviewInfo();
            facePreviewInfo.setFaceInfo(faceInfo);
            previewInfoList.add(facePreviewInfo);
        }

        clearFaceResultRegistry(faceInfoList);
        return previewInfoList;

    }
    return null;
}

1. 參數說明：每一幀的ImageInfo圖像信息
2. 返回結果：FacePreviewInfo列表信息
3. 代碼流程解讀：

   此方法，根據傳入的ImageInfo類型的RGB圖像信息數據，調用ftEngine引擎的detectFaces()方法 獲取人臉信息，遍歷獲取到的人臉信息列表設置於FacePreviewInfo類型對象中，隨後將faceInfoList列表 傳入clearFaceResultRegistry()方法，清理過期的人臉，並返回FacePreviewInfo列表。

   5）clearFaceResultRegistry()方法 清理過期人臉

private void clearFaceResultRegistry(List<FaceInfo> faceInfoList) {
    if (System.currentTimeMillis() - lastClearTime > 5000) {
        Iterator<Integer> iterator = faceResultRegistry.keySet().iterator();
        for (; iterator.hasNext(); ) {
            Integer next = iterator.next();
            boolean flag = false;
            for (FaceInfo faceInfo : faceInfoList) {
                if (next.equals(faceInfo.getFaceId())) {
                    flag = true;
                }
            }
            if (!flag) {
                iterator.remove();
            }

        }
    }
}

1. 參數說明：在視頻中新識別到的人臉信息列表
2. 返回結果：FacePreviewInfo列表信息
3. 代碼流程解讀：

   此方法，若當前時間距離上次清理過期人臉已有5s(用戶可根據須要自行設置)，則遍歷faceResultRegistry的key，判斷faceResultRegistry與faceInfoList(即以前識別到的與新識別到的人臉)是否存在相同FaceId的人臉，是，則刪除faceResultRegistry中此過期的人臉信息。

6）getFaceResult() 方法

public FaceResult getFaceResult(FaceInfo faceInfo, ImageInfo imageInfo) {
    FaceResult faceResult = faceResultRegistry.get(faceInfo.getFaceId());
    if (faceResult == null) {
        faceResult = new FaceResult();
        faceResultRegistry.put(faceInfo.getFaceId(), faceResult);
        frService.submit(new FaceInfoRunnable(faceInfo, imageInfo, faceResult));
    } else if (faceResult.isFlag()) {
        return faceResult;
    }
    return null;
}

1. 參數說明： 在視頻中識別到的人臉信息，ImageInfo圖像信息
2. 返回結果：FaceResult結果
3. 代碼流程解讀：

   此方法，先嚐試根據faceId從faceResultRegistry中獲取 FaceResult(即以前是否比對過相同人臉)，若不存在則實例化一個faceResult並將其以faceId爲Key，faceResult爲value 存放到faceResultRegistry中，同時新建一個FaceInfoRunnable線程並將faceInfo, imageInfo, faceResult三者傳入線程中 運行；若存在，則判斷 faceResult的flag是否爲true(便是否可從註冊照找到類似人臉)， 若爲true 直接返回便可 。

   7）FaceInfoRunnable

此類爲一個實現 Runnable 接口的線程實現類

成員變量說明

//傳入 視頻中識別到的人臉信息
private FaceInfo faceInfo;
//傳入 ImageInfo圖像信息
private ImageInfo imageInfo;
//人臉比對結果封裝
private FaceResult faceResult;

run()方法

@Override
public void run() {
    FaceEngine frEngine = null;
    try {
        frEngine = frEnginePool.borrowObject();
        if (frEngine != null) {
            FaceFeature faceFeature = new FaceFeature();
            int resCode = frEngine.extractFaceFeature(imageInfo.getImageData(), imageInfo.getWidth(), imageInfo.getHeight(),
                    imageInfo.getImageFormat(), faceInfo, faceFeature);
            if (resCode == 0) {
                float score = 0.0F;
                Iterator<Map.Entry<String, byte[]>> iterator = faceFeatureRegistry.entrySet().iterator();
                for (; iterator.hasNext(); ) {
                    Map.Entry<String, byte[]> next = iterator.next();
                    FaceFeature faceFeatureTarget = new FaceFeature();
                    faceFeatureTarget.setFeatureData(next.getValue());

                    FaceSimilar faceSimilar = new FaceSimilar();
                    frEngine.compareFaceFeature(faceFeatureTarget, faceFeature, faceSimilar);
                    if (faceSimilar.getScore() > score) {
                        score = faceSimilar.getScore();
                        faceResult.setName(next.getKey());
                    }
                }

                log.info("類似度：" + score);
                if (score >= 0.8f) {
                    faceResult.setScore(score);
                    faceResult.setFlag(true);
                    faceResultRegistry.put(faceInfo.getFaceId(), faceResult);
                } else {
                    faceResultRegistry.remove(faceInfo.getFaceId());
                }
            }
        }
    } catch (Exception e) {
    } finally {
        if (frEngine != null) {
            frEnginePool.returnObject(frEngine);
        }
    }
}

1. 參數說明：無
2. 返回結果：無
3. 代碼流程解讀：

   run()方法，根據成員變量FaceInfo，ImageInfo 調用frEngine的extractFaceFeature()方法獲取人臉特徵值。成功獲取特徵值後，遍歷faceFeatureRegistry(註冊照人臉)中的特徵值，結合剛獲取到的特徵值經過compareFaceFeature()方法比對 倆人臉類似度(其所需參數有人臉特徵值1，人臉特徵值2，比對模型，存放比對類似值結果)，並以類似度最高的註冊照命名faceResult的Name，最終，若類似度大於等於0.8(用戶可根據須要自行設置) 則將類似度值設置於faceResult對象並將其flag設爲true(即註冊照中找到類似人臉)，並以faceId爲key 再次put到faceResultRegistry中，不然remove此faceId的faceResult，最後釋放引擎。

3.VideoPlayer類 源碼說明

此類是視頻播放類

1）成員變量說明

//視頻幀抓取器
private FFmpegFrameGrabber fFmpegFrameGrabber;
//視頻播放監聽器
private VideoListener videoListener;
//管理定時任務(true表示其關聯的線程設爲守護線程)
private Timer timer = new Timer(true);

2）start()方法

public void start() {
        try {
            fFmpegFrameGrabber.setPixelFormat(AV_PIX_FMT_BGR24 );
            fFmpegFrameGrabber.start();
            videoListener.onStart();
        } catch (FrameGrabber.Exception e) {
            videoListener.onError(e);
        }
        final int[] lengthInVideoFrames = {fFmpegFrameGrabber.getLengthInVideoFrames()};
        OpenCVFrameConverter.ToIplImage converter = new OpenCVFrameConverter.ToIplImage();//轉換器
        TimerTask task = new TimerTask() {
            @Override
            public void run() {
                try {
                    Frame grab = fFmpegFrameGrabber.grabImage();
                    lengthInVideoFrames[0]--;
                    if (grab != null) {
                        IplImage iplImage = converter.convert(grab);
                        if (iplImage != null) {
                            videoListener.onPreview(iplImage);
                        }
                    }
                    if (lengthInVideoFrames[0] <= 0) {
                        stop();
                    }
                } catch (Exception e) {
                    videoListener.onError(e);
                }
            }
        };
        timer.schedule(task, 0, 40);
    }

1. 參數說明：無
2. 返回結果：無
3. 代碼流程解讀：

   此方法，用於開始播放視頻，首先爲幀抓取器設置 要轉換成的圖像數據格式，隨後啓動幀抓取器和視頻播放監聽器。lengthInVideoFrames數組中存放視頻的幀數，而converter變量爲幀與圖片之間的轉換器。經過TimerTask生成一個線程，在線程run()方法中去抓取視頻中的每一幀並將其轉換爲圖像，獲取到的圖像交給videoListener的onPreview()回調方法進行處理，若幀數已處理完則中止運行。另外，TimerTask線程將由timer進行管理，每40毫秒執行一次。

4.MainApplication類 源碼說明

此類爲包含main()方法的主類，右擊 執行 Run ‘MainApplication.main()’ 便可運行此Demo

main() 主方法

//虹軟引擎庫存放路徑
String libPath = "D:\\arcsoft_lib";
//sdk的APP_ID
String appId = "9iSfMeAhjA52N**************iW1aKes2TpSrd";
//sdk的SDK_KEY
String sdkKey = "BuRTH3hGs91m**************dxEgyP9xu6fiFG7G";
//視頻文件路徑(從視頻中查找並跟蹤人臉)
String videoPath="D:\icon-man.mp4";
//須要識別人的註冊照目錄路徑
String imagePath="D:\\photo";

Loader.load(opencv_imgproc.class);
Loader.load(CvPoint.class);
Loader.load(CvFont.class);
CanvasFrame canvas = new CanvasFrame("預覽");
canvas.setDefaultCloseOperation(EXIT_ON_CLOSE);
VideoPlayer videoPlayer = new VideoPlayer(videoPath);

首先，加載opencv_imgproc，CvPoint，CvFont等程序所需類，並實例化預覽窗口(設置程序退出即窗口關閉)

同時向VideoPlayer的構造方法傳入視頻路徑(爲FFmpegFrameGrabber成員變量 指定具體視頻) 實例化VideoPlayer

FaceRecognize faceRecognize = new FaceRecognize();
faceRecognize.initEngine(libPath,appId,sdkKey);
faceRecognize.registerFace(imagePath);
OpenCVFrameConverter.ToIplImage converter = new OpenCVFrameConverter.ToIplImage();

以後，實例化FaceRecognize 並根據LibPath，APP_ID，SDK_KEY調用initEngine()方法初始化FaceRecognize 各引擎，同時實例化轉換器

videoPlayer.setListener(new VideoListener() {

    CvScalar color = cvScalar(0, 0, 255, 0);       // blue [green] [red]
    CvFont cvFont = cvFont(opencv_imgproc.FONT_HERSHEY_DUPLEX);

    @Override
    public void onStart() {
    }

    @Override
    public void onPreview(IplImage iplImage) {
        ImageInfo imageInfo = new ImageInfo();
        imageInfo.setWidth(iplImage.width());
        imageInfo.setHeight(iplImage.height());
        imageInfo.setImageFormat(ImageFormat.CP_PAF_BGR24);
        byte[] imageData = new byte[iplImage.imageSize()];
        iplImage.imageData().get(imageData);
        imageInfo.setImageData(imageData);
        List<FaceRecognize.FacePreviewInfo> previewInfoList = faceRecognize.detectFaces(imageInfo);

        for (FaceRecognize.FacePreviewInfo facePreviewInfo : previewInfoList) {
            int x = facePreviewInfo.getFaceInfo().getRect().getLeft();
            int y = facePreviewInfo.getFaceInfo().getRect().getTop();
            int xMax = facePreviewInfo.getFaceInfo().getRect().getRight();
            int yMax = facePreviewInfo.getFaceInfo().getRect().getBottom();

            CvPoint pt1 = cvPoint(x, y);
            CvPoint pt2 = cvPoint(xMax, yMax);
            opencv_imgproc.cvRectangle(iplImage, pt1, pt2, color, 1, 4, 0);

            FaceRecognize.FaceResult faceResult = faceRecognize.getFaceResult(facePreviewInfo.getFaceInfo(), imageInfo);
            if (faceResult != null) {
                try {
                    CvPoint pt3 = cvPoint(x, y - 2);
                    opencv_imgproc.cvPutText(iplImage, faceResult.getName(), pt3, cvFont, color);
                } catch (Exception e) {
                    e.printStackTrace();
                }
            }
        }
        Frame frame = converter.convert(iplImage);
        canvas.showImage(frame);
    }
    @Override
    public void onCancel() {
    }
    @Override
    public void onError(Exception e) {
    }
});

videoPlayer.start();

​ 上述代碼 ，首先爲VideoPlayer設置監聽器，再啓動VideoPlayer。而監聽器VideoListener的onPreview()方法中，先將傳入的IplImage類型圖像信息數據(即由幀抓取器獲取到的圖片)設置到ImageInfo類型對象中，以後調用faceRecognize的detectFaces()方法獲取人臉信息。成功獲取到人臉後，根據人臉信息肯定人臉方位座標，調用opencv_imgproc繪製方形矩陣。再根據識別到的人臉信息和圖像信息數據 調用faceRecognize的getFaceResult()方法獲取FaceResult(即註冊照中是否擁有與視頻中類似的人臉)。若FaceResult不爲空，則調用 opencv_imgproc將對應圖片文件名寫於人臉框上方，最後將圖片轉化爲視頻幀做用於canvas上進行展現。

6、源碼下載

如有想一塊兒學習虹軟SDK，感覺人臉識別奧祕的同窗，可經過點擊此連接獲取Demo源碼
瞭解更多人臉識別產品相關內容請到虹軟視覺開放平臺哦