horizon client 无法识别域_百度人脸识别服务使用

最新推荐文章于 2024-05-28 19:40:09 发布
最新推荐文章于 2024-05-28 19:40:09 发布 · 320 阅读 · 0
文章标签：

#horizon client 无法识别域 #打开百度代理服务器没有响应

博客介绍了百度人脸识别API的使用。从注册人脸识别、确认协议、创建应用开始，给出了maven依赖和源码链接。还说明了创建运行百度人脸识别服务的application，准备工具类。最后展示了通过URL访问方式检测图片颜值得分的代码及结果。

说起来为什么玩这个呢？是因为朋友说可以给照片评分，看你颜值多少分

身为一只妹子，当然要试一下啦~

其实这个东西是个api非常非常详细的东西了

所以从注册人脸识别开始

78d41f399b91adb9ac2c65a48fc1e2fa.png

然后就是确认一个什么协议啦（就不放截图了）下一个就需要创建一个应用：

f6c2fe3bac792bd23be449932a65f1f7.png

随便填一填：

c33f9eb92073426c07cdcfeae40b4f75.png

然后就创建成功啦：

789de82e195993e04aa34915f13cce03.png

接下来有用的是哪些呢？就是截图上圈起来的内容了，等一下代码中要用到哦：

50291c29ff2531fcd611f0132cc235a1.png

先上maven：

<dependency>

源码链接在这里：github链接：https://github.com/Baidu-AIP/java-sdk

然后就是建一个application啦：

里面主要是要有一个main方法来运行百度人脸识别服务的（最好使用单例，这样就不用一直拿token啦）

package com.carelonger.api.util.baidu;

import com.baidu.aip.face.AipFace;
import com.carelonger.api.job.Jobs;
import com.carelonger.api.util.common.MyLog;
import org.json.JSONException;
import org.json.JSONObject;

import java.util.HashMap;

/**
 * 百度人脸识别处理核心
 * 作者：王大傻
 * 时间：2019年9月09日17:38:13
 * 版本：v0.2
 */
public class FaceUtil {
    // 认证参数
    private static final String APP_ID = "截图里面的App_id";
    private static final String API_KEY = "截图里面的API_key";
    private static final String SECRET_KEY = "截图里面的Secret_key";

    // 全局返回状态码
    private static final String SUCCESS = "SUCCESS";

    private static AipFace client = null;

    /**
     * 初始化
     *
     * @return
     */
    static {
        //初始化一个AipFace
        client = new AipFace(APP_ID, API_KEY, SECRET_KEY);
        // 设置网络连接参数
        client.setConnectionTimeoutInMillis(2000);// 建立连接的超时时间（单位：毫秒）
        client.setSocketTimeoutInMillis(60000);// 通过打开的连接传输数据的超时时间（单位：毫秒）
        // 设置代理服务器地址, http和socket二选一，或者均不设置
        // client.setHttpProxy("proxy_host", proxy_port);  // 设置http代理
        // client.setSocketProxy("proxy_host", proxy_port);  // 设置socket代理
    }

    
    public static void main(String[] args) throws JSONException {
        //取决于image_type参数，传入BASE64字符串或URL字符串或FACE_TOKEN字符串
        String image = "照片的地址";
        String imageType = "URL";
        FaceUtil faceUtil = new FaceUtil();
        //人脸检测
        JSONObject jsonObject = faceUtil.faceUpload(image, imageType);
        System.out.println(jsonObject.toString(2));
        //解析并输出结果
        JSONObject res = faceUtil.faceCheck(jsonObject);
        System.out.println(res.getString("error_msg"));
        JSONObject face_list = jsonObject.getJSONObject("result").getJSONArray("face_list").getJSONObject(0);
        if (SUCCESS.equals(res.get("error_msg"))) {
            String s = faceUtil.faceSearch(face_list.getString("face_token"), "FACE_TOKEN", "test", "999").toString(2);
            System.out.println(s);
        }
    }
}

当然到这里并不是完成了呐，我们需要一些工具类：

    // 检测人脸附加参数
    private static final String FACE_FIELD = "quality";
     /**
     * 人脸检测
     */
    public JSONObject faceUpload(String image, String imageType) {
        // 传入可选参数调用接口
        HashMap<String, String> options = new HashMap<String, String>();
        options.put("face_field", FACE_FIELD);
        options.put("liveness_control", "LOW");// 活体
        // 发起调用
        JSONObject res = client.detect(image, imageType, options);
        return res;
    }

    /**
     * 解析人脸上传结果
     */
    public JSONObject faceCheck(JSONObject res) throws JSONException {
        // 判断结果
        if (!SUCCESS.equals(res.getString("error_msg"))) {
            res.remove("error_msg");
            res.put("error_msg", "无法识别,请重试!");
            return res;
        }
        JSONObject face_list = res.getJSONObject("result").getJSONArray("face_list").getJSONObject(0);
        // 验证人脸质量
        JSONObject quality = face_list.getJSONObject("quality");
        boolean checkQuality = checkQuality(quality);
        // 验证姿态
        boolean checkAttitude = checkAttitude(face_list);
        if (!(checkQuality && checkAttitude)) {
            res.remove("error_msg");
            res.put("error_msg", "无法识别,请重试!");
            return res;
        }
        return res;
    }

    /**
     * 人脸注册
     */
    public String faceRegister(String image, String imageType, String groupId, String userId, String userInfo) {
        HashMap<String, String> options = new HashMap<String, String>();
        options.put("liveness_control", "LOW");
        options.put("userInfo", userInfo);
        // 人脸注册
        JSONObject res = client.addUser(image, imageType, groupId, userId, options);
        try {
            return res.toString(2);
        } catch (JSONException e) {
            e.printStackTrace();
            return null;
        }
    }

    /**
     * 人脸搜索
     */
    public JSONObject faceSearch(String image, String imageType, String groupId, String userId) {
        HashMap<String, String> options = new HashMap<String, String>();
        // 指定user_id进行比对,即人脸认证功能
        options.put("user_id", userId);
        options.put("liveness_control", "LOW");
        // 人脸搜索
        JSONObject res = client.search(image, imageType, groupId, options);
        return res;
    }

    /**
     * 删除人脸
     */
    public void faceDelete(String groupId, String userId, String faceToken) {
        HashMap<String, String> options = new HashMap<String, String>();
        // 人脸删除
        JSONObject res = client.faceDelete(userId, groupId, faceToken, options);
    }

    /**
     * 验证人脸质量
     */
    private boolean checkQuality(JSONObject quality) throws JSONException {
        // 验证遮挡范围
        JSONObject occlusion = quality.getJSONObject("occlusion");
        double leftEye = occlusion.getDouble("left_eye");
        if (leftEye > 0.6) {
            return false;
        }
        double rightEye = occlusion.getDouble("right_eye");
        if (rightEye > 0.6) {
            return false;
        }
        double nose = occlusion.getDouble("nose");
        if (nose > 0.7) {
            return false;
        }
        double mouth = occlusion.getDouble("mouth");
        if (mouth > 0.7) {
            return false;
        }
        double leftCheck = occlusion.getDouble("left_cheek");
        if (leftCheck > 0.8) {
            return false;
        }
        double rightCheck = occlusion.getDouble("right_cheek");
        if (rightCheck > 0.8) {
            return false;
        }
        double chinContour = occlusion.getDouble("chin_contour");
        if (chinContour > 0.6) {
            return false;
        }

        // 模糊度
        double blur = quality.getDouble("blur");
        if (blur > 0.7) {
            return false;
        }

        // 光照范围
        double illumination = quality.getDouble("illumination");
        if (illumination < 40) {
            return false;
        }

        // 人脸完整度
        double completeness = quality.getInt("completeness");
        if (completeness == 0) {
            return false;
        }
        return true;
    }

    /**
     * 验证姿态
     */
    private boolean checkAttitude(JSONObject face_list) throws JSONException {
        // 姿态角度
        JSONObject angle = face_list.getJSONObject("angle");
        double roll = angle.getDouble("roll");
        if (roll <= -20 || roll >= 20) {
            return false;
        }
        double pitch = angle.getDouble("pitch");
        if (pitch <= -20 || pitch >= 20) {
            return false;
        }
        double yaw = angle.getDouble("yaw");
        if (yaw <= -20 || yaw >= 20) {
            return false;
        }

        // 人脸大小
        JSONObject location = face_list.getJSONObject("location");
        int width = location.getInt("width");
        int height = location.getInt("height");
        if (width < 100 || height < 100) {
            return false;
        }
        return true;
    }

这样准备基本可以啦！

那么我们怎么检测图片呢？

我们首先要找到一张图片

嗯，还得是人，这里我们采用最方便的url访问方式

我在网上找了一张乔妹的照片

我们来看看她的颜值得分吧！URL如下：

http://5b0988e595225.cdn.sohucs.com/images/20180604/cf9acd5afbe147c2957bf1d5989335d6.jpeg

上一下完整版的代码：

package com.carelonger.api.util.baidu;

import com.baidu.aip.face.AipFace;
import com.carelonger.api.job.Jobs;
import com.carelonger.api.util.common.MyLog;
import org.json.JSONException;
import org.json.JSONObject;

import java.util.HashMap;

/**
 * 百度人脸识别处理核心
 * 作者：王大傻
 * 时间：2019年9月09日17:38:13
 * 版本：v0.2
 */
public class FaceUtil {

    // 日志
    private final static MyLog log = MyLog.getLog(Jobs.class);

    // 认证参数
    private static final String APP_ID = "*****";
    private static final String API_KEY = "***************************";
    private static final String SECRET_KEY = "****************************";

    // 检测人脸附加参数
    private static final String FACE_FIELD = "quality,type,beauty,age";

    // 全局返回状态码
    private static final String SUCCESS = "SUCCESS";

    private static AipFace client = null;

    /**
     * 初始化
     *
     * @return
     */
    static {
        client = new AipFace(APP_ID, API_KEY, SECRET_KEY);
        // 可选：设置网络连接参数
        client.setConnectionTimeoutInMillis(2000);// 建立连接的超时时间（单位：毫秒）
        client.setSocketTimeoutInMillis(60000);// 通过打开的连接传输数据的超时时间（单位：毫秒）
        // 可选：设置代理服务器地址, http和socket二选一，或者均不设置
        // client.setHttpProxy("proxy_host", proxy_port);  // 设置http代理
        // client.setSocketProxy("proxy_host", proxy_port);  // 设置socket代理
    }

    /**
     * 人脸检测
     */
    public JSONObject faceUpload(String image, String imageType) {
        // 传入可选参数调用接口
        HashMap<String, String> options = new HashMap<String, String>();
        options.put("face_field", FACE_FIELD);
        options.put("liveness_control", "LOW");// 活体
        // 发起调用
        JSONObject res = client.detect(image, imageType, options);
        return res;
    }

    /**
     * 解析人脸上传结果
     */
    public JSONObject faceCheck(JSONObject res) throws JSONException {
        // 判断结果
        if (!SUCCESS.equals(res.getString("error_msg"))) {
            res.remove("error_msg");
            res.put("error_msg", "无法识别,请重试!");
            return res;
        }
        JSONObject face_list = res.getJSONObject("result").getJSONArray("face_list").getJSONObject(0);
        // 验证人脸质量
        JSONObject quality = face_list.getJSONObject("quality");
        boolean checkQuality = checkQuality(quality);
        // 验证姿态
        boolean checkAttitude = checkAttitude(face_list);
        if (!(checkQuality && checkAttitude)) {
            res.remove("error_msg");
            res.put("error_msg", "无法识别,请重试!");
            return res;
        }
        return res;
    }

    /**
     * 人脸注册
     */
    public String faceRegister(String image, String imageType, String groupId, String userId, String userInfo) {
        HashMap<String, String> options = new HashMap<String, String>();
        options.put("liveness_control", "LOW");
        options.put("userInfo", userInfo);
        // 人脸注册
        JSONObject res = client.addUser(image, imageType, groupId, userId, options);
        try {
            return res.toString(2);
        } catch (JSONException e) {
            e.printStackTrace();
            return null;
        }
    }

    /**
     * 人脸搜索
     */
    public JSONObject faceSearch(String image, String imageType, String groupId, String userId) {
        HashMap<String, String> options = new HashMap<String, String>();
        // 指定user_id进行比对,即人脸认证功能
        options.put("user_id", userId);
        options.put("liveness_control", "LOW");
        // 人脸搜索
        JSONObject res = client.search(image, imageType, groupId, options);
        return res;
    }

    /**
     * 删除人脸
     */
    public void faceDelete(String groupId, String userId, String faceToken) {
        HashMap<String, String> options = new HashMap<String, String>();
        // 人脸删除
        JSONObject res = client.faceDelete(userId, groupId, faceToken, options);
    }

    /**
     * 验证人脸质量
     */
    private boolean checkQuality(JSONObject quality) throws JSONException {
        // 验证遮挡范围
        JSONObject occlusion = quality.getJSONObject("occlusion");
        double leftEye = occlusion.getDouble("left_eye");
        if (leftEye > 0.6) {
            return false;
        }
        double rightEye = occlusion.getDouble("right_eye");
        if (rightEye > 0.6) {
            return false;
        }
        double nose = occlusion.getDouble("nose");
        if (nose > 0.7) {
            return false;
        }
        double mouth = occlusion.getDouble("mouth");
        if (mouth > 0.7) {
            return false;
        }
        double leftCheck = occlusion.getDouble("left_cheek");
        if (leftCheck > 0.8) {
            return false;
        }
        double rightCheck = occlusion.getDouble("right_cheek");
        if (rightCheck > 0.8) {
            return false;
        }
        double chinContour = occlusion.getDouble("chin_contour");
        if (chinContour > 0.6) {
            return false;
        }

        // 模糊度
        double blur = quality.getDouble("blur");
        if (blur > 0.7) {
            return false;
        }

        // 光照范围
        double illumination = quality.getDouble("illumination");
        if (illumination < 40) {
            return false;
        }

        // 人脸完整度
        double completeness = quality.getInt("completeness");
        if (completeness == 0) {
            return false;
        }
        return true;
    }

    /**
     * 验证姿态
     */
    private boolean checkAttitude(JSONObject face_list) throws JSONException {
        // 姿态角度
        JSONObject angle = face_list.getJSONObject("angle");
        double roll = angle.getDouble("roll");
        if (roll <= -20 || roll >= 20) {
            return false;
        }
        double pitch = angle.getDouble("pitch");
        if (pitch <= -20 || pitch >= 20) {
            return false;
        }
        double yaw = angle.getDouble("yaw");
        if (yaw <= -20 || yaw >= 20) {
            return false;
        }

        // 人脸大小
        JSONObject location = face_list.getJSONObject("location");
        int width = location.getInt("width");
        int height = location.getInt("height");
        if (width < 100 || height < 100) {
            return false;
        }
        return true;
    }

    public static void main(String[] args) throws JSONException {
        String image = "http://5b0988e595225.cdn.sohucs.com/images/20180604/cf9acd5afbe147c2957bf1d5989335d6.jpeg";
        String imageType = "URL";
        FaceUtil faceUtil = new FaceUtil();
        JSONObject jsonObject = faceUtil.faceUpload(image, imageType);
        System.out.println(jsonObject.toString(2));

        JSONObject res = faceUtil.faceCheck(jsonObject);
//        System.out.println(res.getString("error_msg"));
        JSONObject face_list = jsonObject.getJSONObject("result").getJSONArray("face_list").getJSONObject(0);
        if (SUCCESS.equals(res.get("error_msg"))) {
            String s = faceUtil.faceSearch(face_list.getString("face_token"), "FACE_TOKEN", "test", "999").toString(2);
            System.out.println(s);
        }
    }
}

结果如下图所示：

c1d442376c64a9ef0eab59319b376fad.png

当然啦，身为一个妹子肯定会测自己的，但是结果我是不会贴上来的~哈哈哈

就到这里吧~

VMware-Horizon-Client-x86_64-4.0.0-3677815
08-05
VMware x64位客户端 For Win7及以上版本
VMWare_Horizon_Client.zip
10-14
在VMWare_Horizon_Client.zip这个压缩包中，我们可能找到了安装VMWare Horizon Client所需的全部文件。以下将详细解释这个客户端的主要特点和功能： 1. **多平台支持**：VMware Horizon Client支持多种操作系统，...
81个人脸关键点检测
c20081052的专栏
03-27 7426
之前运行过Dlib，主要是做了68个人脸关键点的检测，其对应的68个人脸关键点如下图： ​ 其中关于dlib的68个点的使用可参考：https://blog.youkuaiyun.com/xingchenbingbuyu/article/details/51116354 本文讲的demo是在dlib基础上的扩展； 项目地址：https://github.com/codeniko/shape_pre...
人脸识别（81关键点）经典开源核心代码
代码帮
10-16 3171
这篇文章讲的是人脸68 个关键点开源项目 https://blog.youkuaiyun.com/ITLearnHall/article/details/102593886 现在给大家看看81个人脸关键点代码，两者最大区别就是模型使用不同，核心代码调用方法相差不是很大 68点模型（shape_predictor_68_face_landmarks.dat） 链接:https://pan.baidu....
lsd 特征点匹配代码_81个特征点！覆盖整张人脸，面部特征点检测更精准(附代码)...
weixin_42526353的博客
12-17 446
【新智元导读】人脸特征点检测是人脸检测过程中的一个重要环节。以往我们采用的方法是OpenCV或者Dlib，虽然Dlib优于OpenCV，但是检测出的68个点并没有覆盖额头区域。Reddit一位网友便在此基础上做了进一步研究，能够检测出81个面部特征点，使得准确度有所提高。或许，这就是你需要的人脸特征点检测方法。人脸特征点检测(Facial landmark detection)是人脸检测过程中的一...
python 实现81个人脸关键点实时检测
求真、务实
03-26 5353
python 实现81个人脸关键点实时检测文章目录：一、81个关键点介绍二、81 个关键点的使用 该库也是基于dlib实现的，还有face_recognition也同样是基于dlib来实现的 一、81个关键点介绍 先来仔细看一看这只斯嘉丽，脸上81个关键点的分布： 0-67是dlib既有的68个脸部关键点； 68-80是程序猿新增的13个前额关键点。 程序猿说，他是从Patrick Hube...
horizon client 无法识别域_船营经济开发区整合优势资源 打造域内异业联盟新模式...
weixin_39640520的博客
11-04 132
船营经济开发区以打通开发区域内大循环为目标，牵头协调域内多家企业，整合现有资源，寻求利益共同点，通过提升营商环境，打造异业联盟，为域内的企业家、员工及家属提供最优惠的政策、最优质的产品、最贴心服务，实现域内企业资源互通共享。二手车展，拓出销售新渠道。10月1日至7日，由吉林陆和二手车交易市场有限公司主办、吉林船营经济开发区管理委员会协办的吉林市首届二手汽车展销会在船营区沙河子广场陆和二手车交易市场...
VMWare_Horizon_Client_Linux_x86_64_Flatpak_构建项目_用于在Linux_x86_64系统上通过Flatpak技术打包和分发VMWare_H.zip
最新发布
09-05
由于使用了Flatpak技术，用户不需要关注复杂的依赖关系和软件环境配置问题，这大大降低了技术门槛，使得非技术用户也能轻松安装和使用VMware Horizon Client。 VMware通过这种方式，不仅提供了更好的软件体验，还...
VMware-Horizon-Agent-x86_64-7.6.0-9539447
11-07
VMware-Horizon-Agent-x86_64-7.6.0-9539447
dlib81个关键点模型
04-05
使用python dlib中函数加载模型即可获取
68点人脸特征点检测
01-23
利用dlib进行人脸特征点检测，使用python调用dlib库。
用dlib81个点检测人脸，得到脸颊和额头区域的ROI
qq_42330009的博客
11-03 918
在做关于非接触式测量心率，找个地方存放代码。
人脸专集4 | 遮挡、光照等因素的人脸关键点检测
gzq0723的博客
04-11 3718
人脸关键点检测今天正式告一段落，接下来我们会应关注同学的要求，分享一期人脸图像质量评估，有兴趣的可以一起来！注：如果您有啥需求，可以通过平台给我们留言，我们一定会满足大家...
81个关键点，帮你紧密追踪女神的脸，比Dlib还多了13点 | 有代码
量子位
03-18 941
鬼栗子 发自 凹非寺量子位 报道 | 公众号 QbitAI为什么要追踪人脸？大概，是想要实现什么大胆的想法吧。比如加个贴紧脸部的特技：△来自Face Maker应用有个...
horizon client 无法识别域_多时钟域数据同步
weixin_39536427的博客
11-07 182
欢迎FPGA工程师加入官方微信技术群点击蓝字关注我们FPGA之家-中国最好最大的FPGA纯工程师社群对于不同的时钟域要传递数据的话，需要采用一定的手段，来防止数据传递时产生亚稳态等问题1、慢时钟域向快时钟域传递数据module low2fast(clk,reset,asyn_in,syn_out,);input clk,reset;input asyn_in;output syn_out...
【人脸对齐-Landmarks】人脸关键点检测方法及评测汇总
luckynote
02-01 8801
传统方法： 1、SDM：Supervised descent method and its applications to face alignment. CVPR2013 速度： CPU(i7) - 小于12ms 精度： 评测数据集1---300w (Inter-pupil Normalisation)： common: (5.60), challenge: (15...
使用vmware horizon client 时遇到的无语问题
ZhuRuiccc的博客
01-07 3246
今天领导叫我用一下vmware horizon client ，还给我了我账号和密码， 安装包地址：阿里云盘分享 在安装完后，我点创建链接输入地址，却没有提示我输入账号密码而是出现，证书无效。 我找了很久，才发现需要配置SSL 选择不验证，然后在登录链接就可以了。 试了几次试出来了，纪念一下，以后来嘲笑一下自己。 ...
人脸识别——Webface-OCC遮挡人脸识别算法解析
知来者逆的博客
05-28 3704
本文介绍了一个新的公共数据集，专为闭塞感知人脸识别而设计。与传统的合成遮挡方法相比，我们采用了一种创新的面部特征点映射技术来合成遮挡物，这种方法更贴近现实世界的应用场景。我们提出了一种综合的遮挡合成方法，它能够更真实地模拟实际中的遮挡情况。 通过将此方法应用于现有的Webface数据集，我们成功构建了一个包含大规模遮挡图像的公共数据集。此外，我们在该数据集上对ArcFace模型进行了重新训练，结果表明，重新训练后的模型在LFW-Mask和RMFRD数据集上分别达到了97.08%和78.25%的高准确率。
VMware Horizon 7中文指南：Windows版Horizon Client使用手册
"最新VMware-Horizon-7中文文档，主要介绍如何使用适用于Windows操作系统的VMware Horizon Client。这份文档提供了关于VMware Horizon Client的详细使用指南，适用于2016年3月及之后的版本。文档内容可能包括安装、...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值