欢迎访问我的GitHub

https://github.com/zq2599/blog_demos

内容：所有原创文章分类汇总及配套源码，涉及Java、Docker、Kubernetes、DevOPS等；

本篇概览

• 检测照片中的人脸，用Java可以实现吗？

• 当然可以，今天咱们用最少的时间、最简单的操作来体验这个实用的功能，当您提交一张带有人脸的照片后，会看到下图效果，所有人脸都被识别到并被框选出来了：

• 本篇以体验为主，不涉及具体的开发，后面还会有文章介绍完整的开发过程（包括源码）

风险提前告知

• 为了简化操作，接下来会用到docker，对应的镜像体积巨大，达到了恐怖的4.69G，建议您为自己的docker做好加速配置，可以减少下载等待时间；

• 由于opencv体积庞大，再加上javacv的依赖库也不小，这才导致超大镜像的出现，还望您多多海涵，标题中的《三分钟极速体验》是要去掉镜像的等待时间的，您要是觉得欣宸的标题起得很无耻，我觉得您是对的...

环境信息

• 为了简化体验过程，接下来会用到docker，推荐的环境信息如下：
• 操作系统：Ubuntu 16.04.1 LTS 服务器版（MacBook Pro也可以，版本是11.2.3，macOS Big Sur）
• docker：20.10.2 Community
• 为了加快docker镜像的下载速度，建议您提前做好docker加速配置
• 文章标题号称三分钟极速体验，没时间说太多，准备好环境就火速动手啦

部署

• 新建名为images的目录，用于存储处理后的文件，我这里完整路径是/root/temp/202107/17/images
• 新建名为model的目录，用于存储稍后要下载的模型文件，我这里完整路径是/root/temp/202107/17/model
• 下载训练好的模型文件，我准备了两个下载地址，您任选一个即可，一个是csdn的（无需积分）：

1. https://download.csdn.net/download/boling_cavalry/20352221，另一个是
2. https://raw.githubusercontent.com/zq2599/blog_download_files/master/files/haarcascade_frontalface_default.zip

• 上述文件下载下来是个压缩包，请先解压，再将文件haarcascade_frontalface_default.xml放入model目录（model里放的必须是解压后的文件）

• 执行以下命令，会先下载docker镜像文件再创建容器：

docker run \
--rm \
-p 18080:8080 \
-v /root/temp/202107/17/images:/app/images \
-v /root/temp/202107/17/model:/app/model \
bolingcavalry/facedetect:0.0.1

• 部署完成，开始体验

体验

• 浏览器访问http://localhost:18080，这里的localhost请改成docker宿主机IP（要关闭防火墙！），可以见到操作页面，如下图（欣宸的前端开发水平渣到令人发指，果然不是空穴来风）：

• 找一张有人脸的图片(我在百度图片随机找的)，点击上图的选取图片按钮进行上传，至于周围检测数量那里先保持默认值32不要动

• 点击提交按钮后，页面会显示检测结果，如下图，人脸被准确的框选出来了：

• 再试试多人的，如下图，居然一个人脸都没有检测到：

• 把周围检测数量的值调低些，改成4再试，如下图，这次成功了，八张人脸全部检测到：

• 至此，Java版人脸检测的体验已经完成，一分钟概览，一分钟部署，一分钟体验，咱们足够高效(下载超大镜像的时间不能算，不敢算...)

• 此刻您应该能感受到Java在人脸识别领域的魅力了，聪明的您当然会有很多疑问，例如：

1. 用了啥框架？
2. 写了啥代码？
3. 运行环境好不好配置？只要jar依赖吗？还需要其他操作吗？

• 这些疑问在下面这两篇文章中完全揭秘，然后您也能轻易做出集成了人脸识别的SpringBoot应用了：

1. Java版人脸检测详解上篇：运行环境的Docker镜像(CentOS+JDK+OpenCV)
2. Java版人脸检测详解下篇：编码

• 顺便剧透一下：设置运行环境很麻烦，所幸欣宸已解决此问题，并成功封装为基础镜像，咱们可以专注的开发应用，对运行环境再也无需处理了