曹郁輝，謝寬志

(湖北工業(yè)職業(yè)技術(shù)學(xué)院 圖文信息中心，湖北 十堰 442000)

在人才招聘及考試的網(wǎng)上報(bào)名過(guò)程中，報(bào)名人員上傳的照片要用于打印報(bào)名表、打印準(zhǔn)考證、辦理合格證，因此對(duì)照片有一定的要求，比如水平與垂直像素的多少、背景顏色、頭部比例，都要滿足相應(yīng)的要求。中國(guó)人事考試網(wǎng)專門(mén)提供了“照片處理工具”，為報(bào)名人員提供照片的審核和處理，以保證報(bào)名人員上傳的照片合乎報(bào)名要求。但我們?cè)趯?shí)際報(bào)名工作中發(fā)現(xiàn)，由于報(bào)名人員素質(zhì)參差不齊，很多報(bào)名人員上傳的照片并沒(méi)有用“照片處理工具”進(jìn)行審核和處理，上傳的照片千奇百怪，相當(dāng)比例的照片不符合要求，給后臺(tái)審核人員的工作造成了一定的負(fù)擔(dān)。

為減輕后臺(tái)審核人員的工作負(fù)擔(dān)，我們?cè)跒槟硢挝恢谱鞯幕贘ava Web的報(bào)名系統(tǒng)中，設(shè)計(jì)了一個(gè)照片審核功能，當(dāng)報(bào)名人員上傳的照片不符合報(bào)名要求時(shí)，會(huì)向報(bào)名用戶發(fā)出警告信息，拒絕上傳，直到報(bào)名人員上傳的照片合格。該功能使用圖像識(shí)別技術(shù)，識(shí)別照片中的頭像；使用圖像處理技術(shù)，分辨背景顏色；使用ajax技術(shù)，將后臺(tái)審核結(jié)果反饋給報(bào)名人員。通過(guò)該功能的使用，大大地減輕了后臺(tái)審核人員人工審核的負(fù)擔(dān)，提高了工作效率。

1 情況分析及解決思路

我們根據(jù)幾次報(bào)名情況，對(duì)報(bào)名人員上傳照片進(jìn)行了分析，招聘類別不同，上傳照片的合格率也不同，最差的情況下，約有百分之八十的照片不合格。雖然網(wǎng)站上醒目地告知了上傳照片的要求，但很多報(bào)名人員基本無(wú)視。我們要求的照片是標(biāo)準(zhǔn)證件照，尺寸是水平方向295像素、垂直方向413像素，背景顏色為紅、藍(lán)、白三種顏色之一。不合格的照片中百分之九十是尺寸不符合要求。剩余不合格的情況，一部分是頭部比例不合適，另一部分是背景顏色不合格。非證件照可能同時(shí)存在頭部比例和背景顏色不合適的情況。

圖1 上傳照片的部分實(shí)例

針對(duì)這些情況，我們采用開(kāi)源軟件庫(kù)OpenCV，設(shè)計(jì)一個(gè)照片審核功能。利用OpenCV人臉檢測(cè)的功能，審核照片是否是證件照及人臉比例是否合適；利用OpenCV的圖像處理功能，審核照片尺寸和背景顏色是否合乎要求。OpenCV是一個(gè)人工智能領(lǐng)域廣泛使用的開(kāi)源計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)軟件庫(kù)，該軟件庫(kù)提供了大量圖像處理和計(jì)算機(jī)視覺(jué)的通用算法，而且可以跨平臺(tái)使用，操作系統(tǒng)平臺(tái)支持windows、linux、Mac OS，處理器硬件支持intel處理器、ARM處理器等。因此，我們的設(shè)計(jì)方法不僅可以用于基于Java Web的報(bào)名系統(tǒng)，對(duì)于.net、php甚至python的報(bào)名系統(tǒng)都有參考價(jià)值[1]。

2 OpenCV的安裝

OpenCV在windows操作系統(tǒng)下的安裝十分簡(jiǎn)單，直接從OpenCV官網(wǎng)上下載安裝即可。但我們制作的Java Web的報(bào)名系統(tǒng)是在linux操作系統(tǒng)下部署的，需要在linux操作系統(tǒng)下安裝OpenCV。linux操作系統(tǒng)安裝OpenCV的過(guò)程比較繁瑣，耗時(shí)也比較長(zhǎng)，而且還有失敗的幾率，需要先安裝相應(yīng)的依賴庫(kù)，再安裝編譯器對(duì)OpenCV源碼進(jìn)行編譯。不同的linux操作系統(tǒng)，安裝依賴庫(kù)的方法可能會(huì)有不同，不同版本的OpenCV，使用的編譯器的版本也不盡相同。如果每次部署報(bào)名系統(tǒng)網(wǎng)站都要進(jìn)行這樣的操作，會(huì)使照片審核功能的實(shí)用性大打折扣。為此，我們使用Docker技術(shù)，利用Docker可以快速交付的特點(diǎn)，將報(bào)名網(wǎng)站和OpenCV同時(shí)部署在Docker容器中，打包成Docker鏡像，這樣就可以很方便地進(jìn)行重用了，解決了每次部署報(bào)名系統(tǒng)網(wǎng)站都要安裝OpenCV的問(wèn)題[2]。

Docker操作系統(tǒng)基礎(chǔ)鏡像，建議選擇CentOS7或最新版的Ubuntu，OpenCV針對(duì)這兩種操作系統(tǒng)有比較詳細(xì)的安裝指南。編譯的時(shí)候要注意，cmake指令要帶參數(shù)-DBUILD_TESTS=OFF，這樣才能編譯出Java Web所需要的jar包。

3 功能設(shè)計(jì)

3.1 照片大小審核及人臉檢測(cè)

(1)照片大小的審核。使用imread方法讀取照片，程序舉例如下：

Mat image = Imgcodecs.imread(src);

然后使用方法image.height()、image.width()就可以得到照片的水平像素和垂直像素，如果不滿足要求，說(shuō)明照片尺寸不合格。

(2)人臉檢測(cè)與審核。OpenCV提供了四個(gè)經(jīng)過(guò)大數(shù)據(jù)集訓(xùn)練好的人臉?lè)诸惼?，其中的haarcascade_frontalface_alt2.xml比較適合本項(xiàng)目。

我們?cè)谏弦徊降幕A(chǔ)上，首先使用haarcascade_frontalface_alt2.xml分類器初始化一個(gè)級(jí)聯(lián)分類器CascadeClassifier對(duì)象faceDetector，再使用detectMultiScale方法。程序舉例如下：

String resourcePath = getClass().getResource("/haarcascade_frontalface_alt2.xml").getPath().substring(1);

CascadeClassifier faceDetector = new CascadeClassifier(resourcePath);

MatOfRect faceDetections = new MatOfRect();

faceDetector.detectMultiScale(image, faceDetections);

根據(jù)faceDetections結(jié)果進(jìn)行判斷，如果faceDetections為空，說(shuō)明沒(méi)有檢測(cè)到人臉，照片不是證件照；如果faceDetections不為空，則對(duì)faceDetections進(jìn)行枚舉，如果faceDetections枚舉的數(shù)量大于1，說(shuō)明可能有誤檢測(cè)的情況，選擇人臉框圖最大的一個(gè)來(lái)進(jìn)行判斷。

圖2 出現(xiàn)誤檢測(cè)的情況

枚舉方式：

for (Rect rect : faceDetections.toArray())

rect為人臉矩形框，屬性rect.x、rect.y為矩形框左上角坐標(biāo)，屬性rect.height、rect.width為矩形框的高和寬。通過(guò)這四個(gè)屬性就可以判斷人臉比例是否合適了。

根據(jù)我們的網(wǎng)上報(bào)名系統(tǒng)對(duì)照片的要求，設(shè)定審核參數(shù)如下：

rect.y為人臉矩形框的上基線，該值大于50，小于150。

rect.x和rect.x+rect.width分別為人臉矩形框的左基線和右基線，rect.x大于30，rect.x+rect.width小于265。

rect.y+rect.height為人臉矩形框的下基線，大于220，小于340。

rect.width為人臉矩形框的寬度，大于110，小于235。

3.2 照片背景顏色的審核

如果照片的背景不是純色的，很難摳出一個(gè)完整的背景來(lái)。因此我們采用對(duì)背景進(jìn)行抽樣的方式。這種方式雖然不是很完善，但還是可以審核掉一大批背景顏色不合格的照片。抽樣的區(qū)域，我們選擇左上角和右上角兩個(gè)同為水平30像素、垂直100像素的矩形區(qū)域，逐點(diǎn)進(jìn)行遍歷。顏色參考以點(diǎn)(2, 2)的顏色為基準(zhǔn)，如果該點(diǎn)的顏色在紅、藍(lán)、白這三種顏色的范圍內(nèi)，并且其他抽樣點(diǎn)的顏色與該點(diǎn)的顏色在一個(gè)容差范圍內(nèi)，則可以認(rèn)為照片背景是合格的。

報(bào)名人員上傳的照片都是以紅、綠、藍(lán)三原色作為色彩空間的。為了能夠判斷照片上像素點(diǎn)的顏色范圍，我們需要將紅、綠、藍(lán)的色彩空間(即RGB色彩空間)轉(zhuǎn)換為色度、飽和度、亮度的色彩空間(即HSV色彩空間)[3]。

圖3 RGB色彩空間和HSV色彩空間

在OpenCV中可以進(jìn)行多種色彩空間轉(zhuǎn)換，用來(lái)表示HSV的三個(gè)數(shù)值的范圍都是0到255。而實(shí)際使用當(dāng)中，H(色度)的范圍是0到360，S(飽合度)和V(亮度)的范圍都是0到100，因此需要對(duì)OpenCV的HSV三個(gè)數(shù)值進(jìn)行換算。

將RGB色彩空間轉(zhuǎn)換為HSV色彩空間，并獲取點(diǎn)(x, y)的HSV顏色值的程序舉例如下：

Mat image_hsv = new Mat(image.rows(), image.cols(), image.type());

Imgproc.cvtColor(image, image_hsv, Imgproc.COLOR_BGR2HSV);

double[] point_hsv = image_hsv.get(x, y);

Int point_h = (int) point_hsv[0]*2;

Int point_s = (int) point_hsv[1]*100/255;

Int point_v = (int) point_hsv[2]*100/255;

考慮到照片的色差，我們?cè)O(shè)定的用于審核照片的紅、藍(lán)、白三種顏色的范圍值見(jiàn)表1：

表1 用于審核照片的紅、藍(lán)、白三種顏色的范圍值

4 結(jié)語(yǔ)

OpenCV使用非常廣泛，在安防、車(chē)輛管理、智能駕駛等與圖像及視覺(jué)相關(guān)的人工智能領(lǐng)域都能看到它的身影，但在Java Web中應(yīng)用的例子還不多。我們通過(guò)這個(gè)案例可以看到，引入人工智能可以大大提高工作效率。OpenCV豐富而完善的圖像識(shí)別功能和圖像處理功能，為我們開(kāi)發(fā)照片審核功能提供了極大的方便。使用該功能大大降低了后臺(tái)審核人員的工作量，同時(shí)也提高了報(bào)名人員認(rèn)真對(duì)待報(bào)名工作的意識(shí)，保證了招聘人才的質(zhì)量。