手把手教你如何使用java开发人脸识别及人脸比对（附源码）

痛点

​ 目前，常用的人脸识别算法大多基于Python开发，因为Python对深度学习框架的支持较好，且许多优秀的人脸识别算法都是在深度学习框架下实现的。然而，对于Java开发者来说，这种情况并不十分友好。传统上，Java开发的人脸识别算法主要依赖OpenCV，但与基于深度学习的算法相比，OpenCV的精度相对较低。此外，若Java开发者希望使用Python实现的算法，还需要安装Python环境，并且熟悉Python语言，整体上门槛较高且使用流程繁琐。

今天，介绍一个开源项目给大家，通过仅两行代码即可实现人脸识别，极大地简化了Java开发者的使用流程。

java实现人脸识别方案比较

方案	技术特点	优点	缺点
OpenCV	传统图像处理方案	✅ 提供java接口 ✅ 轻量级部署 ✅ 社区资源丰富	❌ 基于传统算法精度低(60%-75%) ❌ 需本地安装环境
‌虹软SDK‌	商业级闭源解决方案	✅ 开箱即用 ✅ 提供完整文档和SDK ✅ 支持离线活体检测(98%+)	❌ 免费版需年度授权更新 ❌ 商业授权费用高 ❌ 代码不可控
‌云API(阿里云)‌	SaaS化云端服务	✅ 零部署成本 ✅ 支持高并发 ✅ 自带模型迭代(平均季度更新)	❌ 网络延迟风险(200-800ms) ❌ 按调用量计费 ❌ 有数据安全风险
‌Python混合调用‌	跨语言调用方案	✅ 可集成PyTorch/TF等框架 ✅ 支持自定义算法 ✅ 识别精度高(99%+)	❌ 需维护双语言环境 ❌ 进程通信性能损耗(30%+) ❌ 异常处理复杂度翻倍
‌DJL框架‌	深度学习框架	✅ 纯Java实现 ✅ 支持主流深度学习框架 ✅ 可加载预训练模型(99%+)	❌ 需掌握DL知识 ❌ 需处理模型加载、预处理、后处理等复杂技术细节
‌SmartJavaAI‌	java深度学习工具包	✅ 基于DJL实现 ✅ 支持主流深度学习框架 ✅ 可加载预训练模型(99%+) ✅ 上手简单	❌要求JDK版本11及以上

SmartJavaAI是基于 DJL（Deep Java Library） 封装的轻量级深度学习算法库，依托DJL的自动模型管理和跨框架特性，无需安装Python环境且无需手动下载模型文件（模型由DJL内部自动从云端加载），该库致力于构建Java生态与AI模型之间的高效桥梁。针对Java开发者面临的两大痛点：

• 🐍 主流AI框架（PyTorch/TensorFlow）的Python生态与Java工程体系割裂
• ⚙️ 直接使用DJL需处理模型加载、预处理、后处理等复杂技术细节

SmartJavaAI实现了：
✅ 开箱即用 - 两行代码完成人脸检测/识别
✅ 多模型支持 - 集成RetinaFace/Ultra-Light-Fast-Generic-Face-Detector双检测模型（即将支持OCR/目标检测）
✅ 跨平台兼容 - 完美支持Windows/Linux/macOS系统（x86 & ARM架构）

🌟 核心优势

维度	Python生态	原生DJL	本工具包
开发效率	需搭建Python环境	需实现完整AI Pipeline	提供即用API
学习成本	需掌握Python/C++混合编程	需深入理解AI框架机制	Java语法即可调用
部署复杂度	需维护多语言服务	需处理底层资源调度	单一Jar包集成
性能表现	原生高性能	依赖开发者优化经验	内置生产级调优

📌 支持功能

✅ 已实现功能

• 人脸检测
  支持图片/视频流中的多面孔定位与质量评估
• 人脸特征提取
  基于深度学习算法生成512维特征向量
• 人脸特征比对 （1：1）
• 人脸查询 （1：N）
  人脸库注册/人脸库查询/人脸库删除

⌛ 规划中功能

• OCR文字识别
  即将支持身份证/银行卡/车牌等关键信息提取，适配复杂背景与模糊文本
• 目标检测
  计划集成YOLOv9模型，支持车辆检测/安全帽识别/工业质检等场景
• 图像分割
• 语音识别
  基于Transformer的语音转文本引擎，支持中文/英文多语种识别

目前已集成的人脸算法模型

• RetinaFace 模型[[GitHub]](https://github.com/deepinsight/insightface/tree/master/detection/retinaface)：一个高效的深度学习人脸检测模型，支持高精度的人脸检测，但目前不支持人脸比对
• Ultra-Light-Fast-Generic-Face-Detector-1MB [GitHub]：一个轻量级的人脸检测模型，适用于需要较低延迟和较小模型尺寸的应用场景。
• Seetaface6 [GitHub]：是中科视拓最新开放的商业正式级版本，支持人脸检测、关键点定位、人脸识别。同时增加了活体检测、质量评估、年龄性别估计。并且响应时事，开放了口罩检测以及戴口罩的人脸识别模型

模型对比及下载地址

模型名称	下载地址	文件大小	适用场景	兼容系统
retinaface	下载	110MB	高精度人脸检测	Windows/Linux/MacOS
ultralightfastgenericface	下载	1.7MB	高速人脸检测	Windows/Linux
seetaface6	下载	288MB	人脸检测/人脸识别	Windows/Linux

环境要求

• Java 版本：JDK 11或更高版本
• 操作系统：不同模型支持的系统不一样，具体请查看文档

使用步骤

📌 运行提示：

（1）默认算法（RetinaFace）或轻量算法（Ultra-Light-Fast-Generic-Face-Detector ）都为python算法，兼容 Windows、Linux、MacOS，Android 等系统，SmartJavaAI首次启动将自动下载模型到及依赖库到本地（.djl.ai隐藏文件夹），建议保持网络畅通。初始化完成后，后续启动可实现毫秒级响应。在无网络环境下，可指定本地模型路径（需提前下载模型包）。目前，这两种算法不支持人脸识别或人脸比对功能。

（2）Seetaface6 采用 C++ 编写，兼容 Windows、CentOS、Ubuntu 等系统。创建算法时，将自动加载对应系统的依赖库。Seetaface6 支持全功能人脸处理（人脸检测、人脸比对 1:1 或 1:N）。SmartJavaAI 通过 JNI 调用 C++ 接口，不支持在线下载模型，需手动下载并存储至本地。使用人脸比对等功能时，需要将项目中db/faces-data.db存放到您本地路径下并在config中指定人脸库路径。

1. 安装人脸算法依赖

在 Maven 项目的 pom.xml 中添加 SmartJavaAI的人脸算法依赖：

<dependencies>
     <dependency>
        <groupId>ink.numberone</groupId>
        <artifactId>smartjavaai-face</artifactId>
        <version>1.0.5</version>
     </dependency>
</dependencies>

2. 人脸检测代码示例

//创建人脸算法
FaceAlgorithm currentAlgorithm = FaceAlgorithmFactory.createFaceAlgorithm();
//使用图片路径检测
FaceDetectedResult result = currentAlgorithm.detect("src/main/resources/largest_selfie.jpg");

3. 轻量人脸检测代码示例

//创建人脸算法
FaceAlgorithm currentAlgorithm = FaceAlgorithmFactory.createLightFaceAlgorithm();
//使用图片路径检测
FaceDetectedResult result = currentAlgorithm.detect("src/main/resources/largest_selfie.jpg");

4. 使用图片输入流检测

//支持各种输入流方式检测图片
File input = new File("src/main/resources/largest_selfie.jpg");
FaceDetectedResult result = currentAlgorithm.detect(new FileInputStream(input));

5. 人脸比对（1：1）

（1）将项目中db/faces-data.db存放到您本地路径下

（2）下载模型到本地路径，下载地址：https://pan.baidu.com/s/1hfNacA8ISV2qHrycjOkgqA?pwd=1234 提取码：1234

（3）如果网盘地址请联系本人，文档最后有联系方式

// 初始化配置
ModelConfig config = new ModelConfig();
config.setAlgorithmName("seetaface6");//目前支持人脸比对的算法只有：seetaface6
//人脸库路径 如果不指定人脸库，无法使用 1:N人脸搜索
config.setFaceDbPath("C:/Users/Administrator/Downloads/faces-data.db");
//改为模型存放路径
config.setModelPath("/opt/sf3.0_models");
//创建人脸算法
FaceAlgorithm currentAlgorithm = FaceAlgorithmFactory.createFaceAlgorithm(config);
//自动裁剪人脸并比对人脸特征
float similar = currentAlgorithm.featureComparison("src/main/resources/kana1.jpg","src/main/resources/kana2.jpg");
log.info("相似度：{}", similar);

6. 人脸特征提取及比对

// 初始化配置
ModelConfig config = new ModelConfig();
config.setAlgorithmName("seetaface6");
//人脸库路径 如果不指定人脸库，无法使用 1:N人脸搜索
config.setFaceDbPath("C:/Users/Administrator/Downloads/faces-data.db");
//改为模型存放路径
config.setModelPath("C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models");
//创建人脸算法
FaceAlgorithm currentAlgorithm = FaceAlgorithmFactory.createFaceAlgorithm(config);
//提取图像中最大人脸的特征
float[] feature1 = currentAlgorithm.featureExtraction("src/main/resources/kana1.jpg");
float[] feature2 = currentAlgorithm.featureExtraction("src/main/resources/kana2.jpg");
float similar = currentAlgorithm.calculSimilar(feature1, feature2);
log.info("相似度：{}", similar);

7. 注册及搜索人脸（1：N）

// 初始化配置
ModelConfig config = new ModelConfig();
config.setAlgorithmName("seetaface6");
//人脸库路径 如果不指定人脸库，无法使用 1:N人脸搜索
config.setFaceDbPath("C:/Users/Administrator/Downloads/faces-data.db");
//改为模型存放路径
config.setModelPath("C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models");
//创建人脸算法 自动将人脸库加载到内存中
FaceAlgorithm currentAlgorithm = FaceAlgorithmFactory.createFaceAlgorithm(config);
//等待人脸库加载完毕
Thread.sleep(1000);
//注册kana1人脸，参数key建议设置为人名
boolean isSuccss = currentAlgorithm.register("kana1","src/main/resources/kana1.jpg");
//注册jsy人脸，参数key建议设置为人名
isSuccss = currentAlgorithm.register("jsy","src/main/resources/jsy.jpg");
FaceResult faceResult = currentAlgorithm.search("src/main/resources/kana2.jpg");
if(faceResult != null){
    log.info("查询到人脸：{}", faceResult.toString());
}else{
    log.info("未查询到人脸");
}

8. 人脸检测（离线下载模型）

// 初始化配置
ModelConfig config = new ModelConfig();
config.setAlgorithmName("retinaface");//人脸算法模型，目前支持：retinaface/ultralightfastgenericface/seetaface6
//config.setAlgorithmName("ultralightfastgenericface");//轻量模型
config.setConfidenceThreshold(FaceConfig.DEFAULT_CONFIDENCE_THRESHOLD);//置信度阈值
config.setMaxFaceCount(FaceConfig.MAX_FACE_LIMIT);//每张特征图保留的最大候选框数量
//nms阈值:控制重叠框的合并程度,取值越低，合并越多重叠框（减少误检但可能漏检）；取值越高，保留更多框（增加检出但可能引入冗余）
config.setNmsThresh(FaceConfig.NMS_THRESHOLD);
//模型下载地址：
//retinaface: https://resources.djl.ai/test-models/pytorch/retinaface.zip
//ultralightfastgenericface: https://resources.djl.ai/test-models/pytorch/ultranet.zip
//改为模型存放路径
config.setModelPath("/Users/xxx/Documents/develop/face_model/retinaface.pt");
//创建人脸算法
FaceAlgorithm currentAlgorithm = FaceAlgorithmFactory.createFaceAlgorithm(config);
//使用图片路径检测
FaceDetectedResult result = currentAlgorithm.detect("src/main/resources/largest_selfie.jpg");
logger.info("人脸检测结果：{}", JSONObject.toJSONString(result));
//使用图片流检测
File input = new File("src/main/resources/largest_selfie.jpg");
//FaceDetectedResult result = currentAlgorithm.detect(new FileInputStream(input));
//logger.info("人脸检测结果：{}", JSONObject.toJSONString(result));
BufferedImage image = ImageIO.read(input);
//创建保存路径
Path imagePath = Paths.get("output").resolve("retinaface_detected.jpg");
//绘制人脸框
ImageUtils.drawBoundingBoxes(image, result, imagePath.toAbsolutePath().toString());

完整代码

📁 examples/src/main/java/smartai/examples/face
 └── 📄FaceDemo.java

源码地址

码云：https://gitee.com/dengwenjie/SmartJavaAI
github：https://github.com/geekwenjie/SmartJavaAI