1、人脸模块：人脸查询支持 向量数据库Milvus 和 SQLite

2、人脸模块：FaceNet人脸模型也支持人脸注册，查询等功能
3、人脸模块：Seetaface6 自动下载人脸库
4、人脸模块：Seetaface6解决依赖库重复下载问题
5、人脸模块：支持手动加载人脸库
6、人脸模块：人脸识别相关功能支持更多参数

examples/pom.xml

@@ -12,7 +12,7 @@
         <maven.compiler.source>11</maven.compiler.source>
         <maven.compiler.target>11</maven.compiler.target>
         <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
-        <smartjavaai.version>1.0.15</smartjavaai.version>
+        <smartjavaai.version>1.0.16</smartjavaai.version>
         <!--如果打包运行，需要替换成你的main-->
         <exec.mainClass>smartai.examples.face.facerec.RetinaFaceDemo</exec.mainClass>
 

examples/src/main/java/smartai/examples/face/facerec/FaceNetDemo.java

@@ -1,12 +1,23 @@
 package smartai.examples.face.facerec;
 
+import cn.smartjavaai.common.entity.DetectionResponse;
+import cn.smartjavaai.common.entity.FaceSearchResult;
+import cn.smartjavaai.common.entity.R;
 import cn.smartjavaai.face.config.FaceExtractConfig;
 import cn.smartjavaai.face.config.FaceModelConfig;
+import cn.smartjavaai.face.entity.FaceRegisterInfo;
 import cn.smartjavaai.face.entity.FaceResult;
+import cn.smartjavaai.face.entity.FaceSearchParams;
 import cn.smartjavaai.face.enums.FaceModelEnum;
+import cn.smartjavaai.face.enums.IdStrategy;
+import cn.smartjavaai.face.enums.SimilarityType;
 import cn.smartjavaai.face.factory.FaceModelFactory;
 import cn.smartjavaai.face.model.facerec.FaceModel;
+import cn.smartjavaai.face.vector.config.MilvusConfig;
+import cn.smartjavaai.face.vector.config.SQLiteConfig;
+import com.alibaba.fastjson.JSONArray;
 import com.alibaba.fastjson.JSONObject;
+import io.milvus.param.MetricType;
 import lombok.extern.slf4j.Slf4j;
 import org.junit.Assert;
 import org.junit.Test;
@@ -21,7 +32,8 @@ import java.util.List;
 
 /**
  * FaceNet人脸算法模型demo
- * 支持功能：人脸特征提取、人脸比对（1：1）
+ * 支持系统：windows 64位，linux 64位，macOS M系列芯片
+ * 支持功能：人脸特征提取、人脸比对（1：1）、人脸比对（1：N）、人脸注册
  * @author dwj
  * @date 2025/4/11
  */
@@ -29,106 +41,90 @@ import java.util.List;
 public class FaceNetDemo {
 
     /**
-     * 提取人脸特征(支持多人脸)
-     * 默认使用检测模型：FACENET_FEATURE_EXTRACTION
-     * 自动裁剪人脸 + 人脸对齐
+     * 提取人脸特征(多人脸场景)
+     * 默认使用检测模型：ULTRA_LIGHT_FAST_GENERIC_FACE
+     * 自动裁剪人脸（处理耗时略有增加）
+     * 注意事项：
+     * 1、首次调用接口，可能会较慢。只要不关闭程序，后续调用会明显加快。若每次重启程序，则每次首次调用都将重新加载，仍会较慢。
+     * 2、若人脸朝向不正，可开启人脸对齐以提升特征提取准确度。（方法参考自定义配置人脸特征提取）
      */
     @Test
     public void testExtractFeatures(){
         try {
             //人脸特征提取模型
             FaceModelConfig config = new FaceModelConfig();
-            config.setModelEnum(FaceModelEnum.FACENET_FEATURE_EXTRACTION);
+            config.setModelEnum(FaceModelEnum.FACENET_MODEL);
             FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
-            List<float[]> faceResult = faceModel.extractFeatures("src/main/resources/kana1.jpg");
-            log.info("人脸特征提取结果：{}", JSONObject.toJSONString(faceResult));
+            log.info("人脸特征提取模型加载成功");
+            //提取图片中所有人脸特征
+            R<DetectionResponse> faceResult  = faceModel.extractFeatures("src/main/resources/face/iu_1.jpg");
+            if(faceResult.isSuccess()){
+                log.info("人脸特征提取成功：{}", JSONObject.toJSONString(faceResult.getData()));
+            }else{
+                log.info("人脸特征提取失败：{}", faceResult.getMessage());
+            }
         }catch (Exception e){
             e.printStackTrace();
         }
     }
 
     /**
-     * 提取人脸特征(支持多人脸，自定义配置)
-     * 自动裁剪人脸 + 人脸对齐
+     * 提取人脸特征(自定义配置)
+     * 注意事项：
+     * 1、首次调用接口，可能会较慢。只要不关闭程序，后续调用会明显加快。若每次重启程序，则每次首次调用都将重新加载，仍会较慢。
+     * 2、若人脸朝向不正，可开启人脸对齐以提升特征提取准确度。（方法参考自定义配置人脸特征提取）
      */
     @Test
     public void testExtractFeaturesWithCustomConfig(){
         try {
             //人脸模型参数
             FaceModelConfig config = new FaceModelConfig();
-            config.setModelEnum(FaceModelEnum.FACENET_FEATURE_EXTRACTION);
+            config.setModelEnum(FaceModelEnum.FACENET_MODEL);
             //人脸特征提取参数
             FaceExtractConfig extractConfig = new FaceExtractConfig();
-            //人脸检测模型配置
-            extractConfig.setDetectModel(FaceModelFactory.getInstance().getModel(new FaceModelConfig(FaceModelEnum.ULTRA_LIGHT_FAST_GENERIC_FACE)));
+            //当关闭人脸裁剪时，程序将跳过人脸检测与裁剪流程，直接进行特征提取，适用于输入已为标准人脸区域的图像，有助于提升处理效率。
+            extractConfig.setCropFace(true);
+            //开启人脸对齐：适用于人脸不正的场景，开启将提升人脸特征准确度，关闭可以提升性能
+            extractConfig.setAlign(true);
+            //人脸检测模型配置，指定人脸检测模型：ULTRA_LIGHT_FAST_GENERIC_FACE
+            FaceModelConfig detectModelConfig = new FaceModelConfig(FaceModelEnum.ULTRA_LIGHT_FAST_GENERIC_FACE);
+            //设置人脸检测置信度阈值
+            detectModelConfig.setConfidenceThreshold(0.98);
+            extractConfig.setDetectModel(FaceModelFactory.getInstance().getModel(detectModelConfig));
             config.setExtractConfig(extractConfig);
-            //人脸特征提取模型
+            //获取人脸模型
             FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
-            List<float[]> faceResult = faceModel.extractFeatures("src/main/resources/kana1.jpg");
-            log.info("人脸特征提取结果：{}", JSONObject.toJSONString(faceResult));
-        }catch (Exception e){
-            e.printStackTrace();
-        }
-    }
-
-    /**
-     * 提取人脸特征(分数最高人脸)
-     * 默认使用检测模型：FACENET_FEATURE_EXTRACTION
-     * 自动裁剪人脸 + 人脸对齐
-     */
-    @Test
-    public void testExtractTopFaceFeature(){
-        try {
-            //人脸特征提取模型
-            FaceModelConfig config = new FaceModelConfig();
-            config.setModelEnum(FaceModelEnum.FACENET_FEATURE_EXTRACTION);
-            FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
-            float[] faceResult = faceModel.extractTopFaceFeature("src/main/resources/kana1.jpg");
-            log.info("人脸特征提取结果：{}", JSONObject.toJSONString(faceResult));
-        }catch (Exception e){
-            e.printStackTrace();
-        }
-    }
-
-    /**
-     * 提取人脸特征(分数最高人脸，自定义配置)
-     * 自动裁剪人脸 + 人脸对齐
-     */
-    @Test
-    public void testExtractTopFaceFeatureWithCustomConfig(){
-        try {
-            //人脸模型参数
-            FaceModelConfig config = new FaceModelConfig();
-            config.setModelEnum(FaceModelEnum.FACENET_FEATURE_EXTRACTION);
-            //人脸特征提取参数
-            FaceExtractConfig extractConfig = new FaceExtractConfig();
-            //人脸检测模型配置
-            extractConfig.setDetectModel(FaceModelFactory.getInstance().getModel(new FaceModelConfig(FaceModelEnum.ULTRA_LIGHT_FAST_GENERIC_FACE)));
-            config.setExtractConfig(extractConfig);
-            //人脸特征提取模型
-            FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
-            float[] faceResult = faceModel.extractTopFaceFeature("src/main/resources/kana1.jpg");
-            log.info("人脸特征提取结果：{}", JSONObject.toJSONString(faceResult));
+            //特征提取（提取分数最高人脸特征）,适用于单人脸场景
+            R<float[]> featureResult = faceModel.extractTopFaceFeature("src/main/resources/face/iu_1.jpg");
+            if(featureResult.isSuccess()){
+                log.info("人脸特征提取成功：{}", JSONObject.toJSONString(featureResult.getData()));
+            }else{
+                log.info("人脸特征提取失败：{}", featureResult.getMessage());
+            }
         }catch (Exception e){
             e.printStackTrace();
         }
     }
 
 
+
     /**
-     * 人脸比对（1：1）-在线模型
-     * 图片参数：图片路径
+     * 人脸比对1：1（基于图像直接比对）
+     * 流程：从输入图像中裁剪分数最高的人脸 → 提取其人脸特征 → 比对两张图片中提取的人脸特征。（接口内自动完成）
+     * 注意事项：
+     * 1、首次调用接口，可能会较慢。只要不关闭程序，后续调用会明显加快。若每次重启程序，则每次首次调用都将重新加载，仍会较慢。
+     * 2、若人脸朝向不正，可开启人脸对齐以提升特征提取准确度。（方法参考自定义配置人脸特征提取）
      * @throws Exception
      */
     @Test
     public void featureComparison(){
         try {
             FaceModelConfig config = new FaceModelConfig();
-            config.setModelEnum(FaceModelEnum.FACENET_FEATURE_EXTRACTION);//人脸模型
-            config.setModelPath("/Users/wenjie/Documents/develop/face_model/face_feature.pt");
+            //人脸模型
+            config.setModelEnum(FaceModelEnum.FACENET_MODEL);
             FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
-            //自动裁剪人脸并比对人脸特征
-            float similar = faceModel.featureComparison("src/main/resources/kana1.jpg","src/main/resources/kana2.jpg");
+            //基于图像直接比对人脸特征
+            float similar = faceModel.featureComparison("src/main/resources/face/iu_1.jpg","src/main/resources/face/iu_2.jpg");
             log.info("相似度：{}", similar);
         }
         catch (Exception e){
@@ -137,27 +133,239 @@ public class FaceNetDemo {
     }
 
     /**
-     * 人脸比对（1：1）- 使用离线模型
-     * 图片参数：图片路径
+     * 人脸比对1：1（基于特征值比对）
+     * 流程：从输入图像中裁剪分数最高的人脸 → 提取其人脸特征 → 比对两张图片中提取的人脸特征。
+     * 注意事项：
+     * 1、首次调用接口，可能会较慢。只要不关闭程序，后续调用会明显加快。若每次重启程序，则每次首次调用都将重新加载，仍会较慢。
+     * 2、若人脸朝向不正，可开启人脸对齐以提升特征提取准确度。（方法参考自定义配置人脸特征提取）
+     * @throws Exception
+     */
+    @Test
+    public void featureComparison2(){
+        try {
+            FaceModelConfig config = new FaceModelConfig();
+            //人脸模型
+            config.setModelEnum(FaceModelEnum.FACENET_MODEL);
+            FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
+            //特征提取（提取分数最高人脸特征）,适用于单人脸场景
+            R<float[]> featureResult1 = faceModel.extractTopFaceFeature("src/main/resources/face/iu_1.jpg");
+            if(featureResult1.isSuccess()){
+                log.info("图片1人脸特征提取成功：{}", JSONObject.toJSONString(featureResult1.getData()));
+            }else{
+                log.info("图片1人脸特征提取失败：{}", featureResult1.getMessage());
+                return;
+            }
+            //特征提取（提取分数最高人脸特征）,适用于单人脸场景
+            R<float[]> featureResult2 = faceModel.extractTopFaceFeature("src/main/resources/face/iu_2.jpg");
+            if(featureResult2.isSuccess()){
+                log.info("图片2人脸特征提取成功：{}", JSONObject.toJSONString(featureResult2.getData()));
+            }else{
+                log.info("图片2人脸特征提取失败：{}", featureResult2.getMessage());
+                return;
+            }
+            //计算相似度
+            float similar = faceModel.calculSimilar(featureResult1.getData(), featureResult2.getData());
+            log.info("相似度：{}", similar);
+        }
+        catch (Exception e){
+            e.printStackTrace();
+        }
+    }
+
+
+    /**
+     * 人脸注册 + 人脸更新 + 人脸查询 + 人脸删除（使用向量数据库Milvus）
+     * 流程：从输入图像中裁剪分数最高的人脸 → 提取其人脸特征 → 注册人脸
+     * 注意事项：
+     * 1、首次调用接口，可能会较慢。只要不关闭程序，后续调用会明显加快。若每次重启程序，则每次首次调用都将重新加载，仍会较慢。
+     * 2、若人脸朝向不正，可开启人脸对齐以提升特征提取准确度。（方法参考自定义配置人脸特征提取）
+     * @throws Exception
+     */
+    @Test
+    public void searchFace(){
+        try {
+            FaceModelConfig config = new FaceModelConfig();
+            //人脸模型
+            config.setModelEnum(FaceModelEnum.FACENET_MODEL);
+            //初始化向量数据库：Milvus数据库配置
+            MilvusConfig vectorDBConfig = new MilvusConfig();
+            vectorDBConfig.setHost("127.0.0.1");
+            vectorDBConfig.setPort(19530);
+            //vectorDBConfig.setCollectionName("face5");
+            //ID策略：自动生成
+            vectorDBConfig.setIdStrategy(IdStrategy.AUTO);
+            //索引类型:内积 (Inner Product) 不建议修改
+            //vectorDBConfig.setMetricType(MetricType.IP);
+            config.setVectorDBConfig(vectorDBConfig);
+            FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
+            //等待加载人脸库结束
+            while (!faceModel.isLoadFaceCompleted()){
+                Thread.sleep(100);
+            }
+            log.info("====================人脸注册==========================");
+            //特征提取（提取分数最高人脸特征）,适用于单人脸场景
+            R<float[]> featureResult = faceModel.extractTopFaceFeature("src/main/resources/face/iu_1.jpg");
+            if(featureResult.isSuccess()){
+                log.info("人脸特征提取成功：{}", JSONObject.toJSONString(featureResult.getData()));
+            }else{
+                log.info("人脸特征提取失败：{}", featureResult.getMessage());
+                return;
+            }
+            //人脸注册信息
+            FaceRegisterInfo faceRegisterInfo = new FaceRegisterInfo();
+            //设置人脸注册的自定义元数据，本例中使用 JSON 格式存储用户信息
+            JSONObject metadataJson = new JSONObject();
+            metadataJson.put("name", "iu");
+            metadataJson.put("age", "25");
+            faceRegisterInfo.setMetadata(metadataJson.toJSONString());
+            //人脸注册，返回人脸库ID
+            R<String> registerResult = faceModel.register(faceRegisterInfo, featureResult.getData());
+            if(registerResult.isSuccess()){
+                log.info("注册成功：ID-{}", registerResult.getData());
+            }else{
+                log.info("注册失败：{}", registerResult.getMessage());
+            }
+            /*log.info("====================人脸更新==========================");
+            //更新人脸 只支持自定义ID：vectorDBConfig.setIdStrategy(IdStrategy.CUSTOM);
+            FaceRegisterInfo updateInfo = new FaceRegisterInfo();
+            //设置人脸注册的自定义元数据，本例中使用 JSON 格式存储用户信息
+            JSONObject metadataJsonUpdate = new JSONObject();
+            metadataJsonUpdate.put("name", "iu_update");
+            metadataJsonUpdate.put("age", "25");
+            updateInfo.setMetadata(metadataJsonUpdate.toJSONString());
+            //更新必须设置ID,只有
+            updateInfo.setId(registerResult.getData());
+            faceModel.upsertFace(updateInfo, "src/main/resources/face/iu_2.jpg");
+            log.info("更新人脸成功");*/
+            log.info("====================人脸查询==========================");
+            //特征提取（提取分数最高人脸特征）,适用于单人脸场景
+            R<float[]> featureResult2 = faceModel.extractTopFaceFeature("src/main/resources/face/iu_3.jpg");
+            if(featureResult2.isSuccess()){
+                log.info("人脸特征提取成功：{}", JSONObject.toJSONString(featureResult2.getData()));
+            }else{
+                log.info("人脸特征提取失败：{}", featureResult2.getMessage());
+                return;
+            }
+            FaceSearchParams faceSearchParams = new FaceSearchParams();
+            faceSearchParams.setTopK(1);
+            faceSearchParams.setThreshold(0.8f);
+
+            List<FaceSearchResult> faceSearchResults = faceModel.search(featureResult2.getData(), faceSearchParams);
+//                R<DetectionResponse> faceSearchResults = faceModel.search("src/main/resources/face/iu_3.jpg", faceSearchParams);
+            log.info("人脸查询结果：{}", JSONArray.toJSONString(faceSearchResults));
+            log.info("====================人脸删除==========================");
+            faceModel.removeRegister(registerResult.getData());
+            log.info("人脸删除成功");
+        }
+        catch (Exception e){
+            e.printStackTrace();
+        }
+    }
+
+    /**
+     * 人脸注册 + 人脸更新 + 人脸查询 + 人脸删除（使用轻量数据库SQLite）
+     * 流程：从输入图像中裁剪分数最高的人脸 → 提取其人脸特征 → 注册人脸
+     * 注意事项：
+     * 1、首次调用接口，可能会较慢。只要不关闭程序，后续调用会明显加快。若每次重启程序，则每次首次调用都将重新加载，仍会较慢。
+     * 2、若人脸朝向不正，可开启人脸对齐以提升特征提取准确度。（方法参考自定义配置人脸特征提取）
+     * @throws Exception
+     */
+    @Test
+    public void searchFace2(){
+        try {
+            FaceModelConfig config = new FaceModelConfig();
+            //人脸模型
+            config.setModelEnum(FaceModelEnum.FACENET_MODEL);
+            //初始化向量数据库：Milvus数据库配置
+            SQLiteConfig vectorDBConfig = new SQLiteConfig();
+            vectorDBConfig.setDbPath("/Users/wenjie/Downloads/face.db");
+            vectorDBConfig.setSimilarityType(SimilarityType.IP);
+            config.setVectorDBConfig(vectorDBConfig);
+            FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
+            //等待加载人脸库结束
+            while (!faceModel.isLoadFaceCompleted()){
+                Thread.sleep(100);
+            }
+            log.info("====================人脸注册==========================");
+            //特征提取（提取分数最高人脸特征）,适用于单人脸场景
+            R<float[]> featureResult = faceModel.extractTopFaceFeature("src/main/resources/face/iu_1.jpg");
+            if(featureResult.isSuccess()){
+                log.info("人脸特征提取成功：{}", JSONObject.toJSONString(featureResult.getData()));
+            }else{
+                log.info("人脸特征提取失败：{}", featureResult.getMessage());
+                return;
+            }
+            //人脸注册信息
+            FaceRegisterInfo faceRegisterInfo = new FaceRegisterInfo();
+            //设置人脸注册的自定义元数据，本例中使用 JSON 格式存储用户信息
+            JSONObject metadataJson = new JSONObject();
+            metadataJson.put("name", "iu");
+            metadataJson.put("age", "25");
+            faceRegisterInfo.setMetadata(metadataJson.toJSONString());
+            //可自定义 ID，若未设置则自动生成。
+            //faceRegisterInfo.setId("00001");
+            //人脸注册，返回人脸库ID
+            R<String> registerResult = faceModel.register(faceRegisterInfo, featureResult.getData());
+            if(registerResult.isSuccess()){
+                log.info("注册成功：ID-{}", registerResult.getData());
+            }else{
+                log.info("注册失败：{}", registerResult.getMessage());
+            }
+            log.info("====================人脸更新==========================");
+            FaceRegisterInfo updateInfo = new FaceRegisterInfo();
+            //设置人脸注册的自定义元数据，本例中使用 JSON 格式存储用户信息
+            JSONObject metadataJsonUpdate = new JSONObject();
+            metadataJsonUpdate.put("name", "iu_update");
+            metadataJsonUpdate.put("age", "25");
+            updateInfo.setMetadata(metadataJsonUpdate.toJSONString());
+            //更新必须设置ID,只有
+            updateInfo.setId(registerResult.getData());
+            faceModel.upsertFace(updateInfo, "src/main/resources/face/iu_2.jpg");
+            log.info("更新人脸成功");
+            log.info("====================人脸查询==========================");
+            //特征提取（提取分数最高人脸特征）,适用于单人脸场景
+            R<float[]> featureResult2 = faceModel.extractTopFaceFeature("src/main/resources/face/iu_3.jpg");
+            if(featureResult2.isSuccess()){
+                log.info("人脸特征提取成功：{}", JSONObject.toJSONString(featureResult2.getData()));
+            }else{
+                log.info("人脸特征提取失败：{}", featureResult2.getMessage());
+                return;
+            }
+            FaceSearchParams faceSearchParams = new FaceSearchParams();
+            faceSearchParams.setTopK(1);
+            faceSearchParams.setThreshold(0.8f);
+            List<FaceSearchResult> faceSearchResults = faceModel.search(featureResult2.getData(), faceSearchParams);
+            log.info("人脸查询结果：{}", JSONArray.toJSONString(faceSearchResults));
+            log.info("====================人脸删除==========================");
+            faceModel.removeRegister(registerResult.getData());
+            log.info("人脸删除成功");
+        }
+        catch (Exception e){
+            e.printStackTrace();
+        }
+    }
+
+
+    /**
+     * 使用离线模型
      * @throws Exception
      */
     @Test
     public void featureComparisonOffline(){
         try {
             FaceModelConfig config = new FaceModelConfig();
-            config.setModelEnum(FaceModelEnum.FACENET_FEATURE_EXTRACTION);//人脸模型
+            config.setModelEnum(FaceModelEnum.FACENET_MODEL);//人脸模型
+            //设置人脸识别模型文件路径，请根据实际情况替换为本地模型文件的绝对路径
             config.setModelPath("/Users/xxx/Documents/develop/face_model/face_feature.pt");
             //人脸特征提取参数
             FaceExtractConfig extractConfig = new FaceExtractConfig();
             FaceModelConfig detectModelConfig = new FaceModelConfig(FaceModelEnum.ULTRA_LIGHT_FAST_GENERIC_FACE);
+            //设置人脸检测模型文件路径，请根据实际情况替换为本地模型文件的绝对路径
             detectModelConfig.setModelPath("/Users/xxx/Documents/develop/face_model/ultranet.pt");
             //人脸检测模型配置
             extractConfig.setDetectModel(FaceModelFactory.getInstance().getModel(detectModelConfig));
             config.setExtractConfig(extractConfig);
             FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
-            //自动裁剪人脸并比对人脸特征
-            float similar = faceModel.featureComparison("src/main/resources/kana1.jpg","src/main/resources/kana2.jpg");
-            log.info("相似度：{}", similar);
         }
         catch (Exception e){
             e.printStackTrace();

examples/src/main/java/smartai/examples/face/facerec/SeetaFace6Demo.java

@@ -1,12 +1,24 @@
 package smartai.examples.face.facerec;
 
 import cn.smartjavaai.common.entity.DetectionResponse;
+import cn.smartjavaai.common.entity.FaceSearchResult;
+import cn.smartjavaai.common.entity.R;
+import cn.smartjavaai.face.config.FaceExtractConfig;
 import cn.smartjavaai.face.config.FaceModelConfig;
+import cn.smartjavaai.face.entity.FaceRegisterInfo;
 import cn.smartjavaai.face.entity.FaceResult;
+import cn.smartjavaai.face.entity.FaceSearchParams;
 import cn.smartjavaai.face.enums.FaceModelEnum;
+import cn.smartjavaai.face.enums.IdStrategy;
+import cn.smartjavaai.face.enums.SimilarityType;
 import cn.smartjavaai.face.factory.FaceModelFactory;
 import cn.smartjavaai.face.model.facerec.FaceModel;
+import cn.smartjavaai.face.utils.SimilarityUtil;
+import cn.smartjavaai.face.vector.config.MilvusConfig;
+import cn.smartjavaai.face.vector.config.SQLiteConfig;
+import com.alibaba.fastjson.JSONArray;
 import com.alibaba.fastjson.JSONObject;
+import io.milvus.param.MetricType;
 import lombok.extern.slf4j.Slf4j;
 import org.junit.Assert;
 import org.junit.Test;
@@ -21,7 +33,7 @@ import java.util.List;
 
 /**
  * SeetaFace6人脸算法模型demo
- * 支持系统：windows 64位
+ * 支持系统：windows 64位，linux 64位
  * 支持功能：人脸检测、人脸特征提取、人脸比对（1：1）、人脸比对（1：N）、人脸注册
  * @author dwj
  * @date 2025/4/11
@@ -31,84 +43,56 @@ public class SeetaFace6Demo {
 
 
     /**
-     * 人脸检测(自定义模型参数)
-     * 图片参数：图片路径
-     */
-    @Test
-    public void testFaceDetectCustomConfig(){
-        FaceModelConfig config = new FaceModelConfig();
-        config.setModelEnum(FaceModelEnum.SEETA_FACE6_MODEL);//人脸模型
-        config.setModelPath("C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models");
-        FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
-        DetectionResponse detectedResult = faceModel.detect("src/main/resources/largest_selfie.jpg");
-        log.info("人脸检测结果：{}", JSONObject.toJSONString(detectedResult));
-    }
-
-
-    /**
-     * 人脸检测并绘制人脸框
-     */
-    @Test
-    public void testFaceDetectAndDraw(){
-        FaceModelConfig config = new FaceModelConfig();
-        config.setModelEnum(FaceModelEnum.SEETA_FACE6_MODEL);//人脸模型
-        config.setModelPath("C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models");
-        FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
-        faceModel.detectAndDraw("src/main/resources/largest_selfie.jpg","output/largest_selfie_detected.png");
-    }
-
-    /**
-     * 人脸检测并绘制人脸框,返回BufferedImage
-     *
-     */
-    @Test
-    public void testFaceDetectAndDraw2(){
-        try {
-            FaceModelConfig config = new FaceModelConfig();
-            config.setModelEnum(FaceModelEnum.SEETA_FACE6_MODEL);//人脸模型
-            config.setModelPath("C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models");
-            FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
-            BufferedImage image = null;
-            String imagePath = "src/main/resources/largest_selfie.jpg";
-            image = ImageIO.read(new File(Paths.get(imagePath).toAbsolutePath().toString()));
-            //可以根据后续业务场景使用detectedImage
-            BufferedImage detectedImage = faceModel.detectAndDraw(image);
-            Assert.assertNotNull("detectedImage null", detectedImage);
-        } catch (IOException e) {
-            e.printStackTrace();
-        }
-
-    }
-
-
-    /**
-     * 提取人脸特征(支持多人脸)
-     * 自动裁剪人脸 + 人脸对齐
+     * 提取人脸特征(多人脸场景)
+     * 默认使用SEETA_FACE6_MODEL自己的检测模型
+     * 注意事项：
+     * 1、首次调用接口，可能会较慢。只要不关闭程序，后续调用会明显加快。若每次重启程序，则每次首次调用都将重新加载，仍会较慢。
      */
     @Test
     public void testExtractFeatures(){
         try {
-            FaceModel faceModel = FaceModelFactory.getInstance().getModel(new FaceModelConfig(FaceModelEnum.SEETA_FACE6_MODEL,
-                    "C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models"));
-            List<float[]> faceResult = faceModel.extractFeatures("src/main/resources/kana1.jpg");
-            log.info("人脸特征提取结果：{}", JSONObject.toJSONString(faceResult));
+            //人脸特征提取模型
+            FaceModelConfig config = new FaceModelConfig();
+            //指定模型
+            config.setModelEnum(FaceModelEnum.SEETA_FACE6_MODEL);
+            //指定模型路径：请根据实际情况替换为本地模型文件的绝对路径（模型下载地址请查看文档）
+            config.setModelPath("C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models");
+            FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
+            //提取图片中所有人脸特征
+            R<DetectionResponse> faceResult  = faceModel.extractFeatures("src/main/resources/face/iu_1.jpg");
+            if(faceResult.isSuccess()){
+                log.info("人脸特征提取成功：{}", JSONObject.toJSONString(faceResult.getData()));
+            }else{
+                log.info("人脸特征提取失败：{}", faceResult.getMessage());
+            }
         }catch (Exception e){
             e.printStackTrace();
         }
     }
 
-
     /**
-     * 提取人脸特征(分数最高人脸)
-     * 自动裁剪人脸 + 人脸对齐
+     * 提取人脸特征(只提取图片中分数最高人脸特征)
+     * 默认使用SEETA_FACE6_MODEL自己的检测模型
+     * 注意事项：
+     * 1、首次调用接口，可能会较慢。只要不关闭程序，后续调用会明显加快。若每次重启程序，则每次首次调用都将重新加载，仍会较慢。
      */
     @Test
-    public void testExtractTopFaceFeature(){
+    public void testExtractFeatures2(){
         try {
-            FaceModel faceModel = FaceModelFactory.getInstance().getModel(new FaceModelConfig(FaceModelEnum.SEETA_FACE6_MODEL,
-                    "C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models"));
-            float[] faceResult = faceModel.extractTopFaceFeature("src/main/resources/kana1.jpg");
-            log.info("人脸特征提取结果：{}", JSONObject.toJSONString(faceResult));
+            //人脸特征提取模型
+            FaceModelConfig config = new FaceModelConfig();
+            //指定模型
+            config.setModelEnum(FaceModelEnum.SEETA_FACE6_MODEL);
+            //指定模型路径：请根据实际情况替换为本地模型文件的绝对路径（模型下载地址请查看文档）
+            config.setModelPath("C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models");
+            FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
+            //提取图片中检测分数最高人脸特征
+            R<float[]> faceResult  = faceModel.extractTopFaceFeature("src/main/resources/face/iu_1.jpg");
+            if(faceResult.isSuccess()){
+                log.info("人脸特征提取成功：{}", faceResult.getData());
+            }else{
+                log.info("人脸特征提取失败：{}", faceResult.getMessage());
+            }
         }catch (Exception e){
             e.printStackTrace();
         }
@@ -117,20 +101,66 @@ public class SeetaFace6Demo {
 
 
 
+
     /**
-     * 人脸比对（1：1）
-     * 图片参数：图片路径
+     * 人脸比对1：1（基于图像直接比对）
+     * 流程：从输入图像中裁剪分数最高的人脸 → 提取其人脸特征 → 比对两张图片中提取的人脸特征。（接口内自动完成）
+     * 注意事项：
+     * 1、首次调用接口，可能会较慢。只要不关闭程序，后续调用会明显加快。若每次重启程序，则每次首次调用都将重新加载，仍会较慢。
      * @throws Exception
      */
     @Test
     public void featureComparison(){
         try {
             FaceModelConfig config = new FaceModelConfig();
-            config.setModelEnum(FaceModelEnum.SEETA_FACE6_MODEL);//人脸模型
+            //指定模型
+            config.setModelEnum(FaceModelEnum.SEETA_FACE6_MODEL);
+            //指定模型路径：请根据实际情况替换为本地模型文件的绝对路径（模型下载地址请查看文档）
             config.setModelPath("C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models");
             FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
-            //自动裁剪人脸并比对人脸特征
-            float similar = faceModel.featureComparison("src/main/resources/kana1.jpg","src/main/resources/kana2.jpg");
+            //基于图像直接比对人脸特征
+            float similar = faceModel.featureComparison("src/main/resources/face/iu_1.jpg","src/main/resources/face/iu_2.jpg");
+            log.info("相似度：{}", similar);
+        }
+        catch (Exception e){
+            e.printStackTrace();
+        }
+    }
+
+    /**
+     * 人脸比对1：1（基于特征值比对）
+     * 流程：从输入图像中裁剪分数最高的人脸 → 提取其人脸特征 → 比对两张图片中提取的人脸特征。
+     * 注意事项：
+     * 1、首次调用接口，可能会较慢。只要不关闭程序，后续调用会明显加快。若每次重启程序，则每次首次调用都将重新加载，仍会较慢。
+     * @throws Exception
+     */
+    @Test
+    public void featureComparison2(){
+        try {
+            FaceModelConfig config = new FaceModelConfig();
+            //指定模型
+            config.setModelEnum(FaceModelEnum.SEETA_FACE6_MODEL);
+            //指定模型路径：请根据实际情况替换为本地模型文件的绝对路径（模型下载地址请查看文档）
+            config.setModelPath("C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models");
+            FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
+            //特征提取（提取分数最高人脸特征）,适用于单人脸场景
+            R<float[]> featureResult1 = faceModel.extractTopFaceFeature("src/main/resources/face/iu_1.jpg");
+            if(featureResult1.isSuccess()){
+                log.info("图片1人脸特征提取成功：{}", JSONObject.toJSONString(featureResult1.getData()));
+            }else{
+                log.info("图片1人脸特征提取失败：{}", featureResult1.getMessage());
+                return;
+            }
+            //特征提取（提取分数最高人脸特征）,适用于单人脸场景
+            R<float[]> featureResult2 = faceModel.extractTopFaceFeature("src/main/resources/face/iu_2.jpg");
+            if(featureResult2.isSuccess()){
+                log.info("图片2人脸特征提取成功：{}", JSONObject.toJSONString(featureResult2.getData()));
+            }else{
+                log.info("图片2人脸特征提取失败：{}", featureResult2.getMessage());
+                return;
+            }
+            //计算相似度
+            float similar = faceModel.calculSimilar(featureResult1.getData(), featureResult2.getData());
             log.info("相似度：{}", similar);
         }
         catch (Exception e){
@@ -140,81 +170,90 @@ public class SeetaFace6Demo {
 
 
     /**
-     * 人脸比对（1：1）
-     * 先特征提取，后比对人脸特征
-     * 提取人脸特征图片参数：图片路径
-     */
-    @Test
-    public void featureExtractionAndCompare(){
-        try {
-            FaceModelConfig config = new FaceModelConfig();
-            config.setModelEnum(FaceModelEnum.SEETA_FACE6_MODEL);//人脸模型
-            config.setModelPath("C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models");
-            FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
-            //提取图像中最大人脸的特征
-            float[] feature1 = faceModel.extractTopFaceFeature("src/main/resources/kana1.jpg");
-            float[] feature2 = faceModel.extractTopFaceFeature("src/main/resources/kana2.jpg");
-            if(feature1 != null && feature2 != null){
-                float similar = faceModel.calculSimilar(feature1, feature2);
-                log.info("相似度：{}", similar);
-            }else{
-                log.warn("人脸特征提取失败");
-            }
-        }
-        catch (Exception e){
-            e.printStackTrace();
-        }
-    }
-
-
-
-    /**
-     * 注册人脸
-     * 图片参数：图片路径
-     */
-    @Test
-    public void registerFace(){
-        try {
-            FaceModelConfig config = new FaceModelConfig();
-            config.setModelEnum(FaceModelEnum.SEETA_FACE6_MODEL);//人脸模型
-            //人脸库路径，从项目中 db/faces-data.db下载到本地
-            config.setFaceDbPath("C:/Users/Administrator/Downloads/faces-data.db");
-            config.setModelPath("C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models");
-            FaceModel faceModel = FaceModelFactory.getInstance().getModel(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 = faceModel.register("kana1","src/main/resources/kana1.jpg");
-            log.info("注册结果：{}", isSuccss);
-        }
-        catch (Exception e){
-            e.printStackTrace();
-        }
-    }
-
-
-    /**
-     * 搜索人脸（1：N）
-     * 图片参数：图片路径
-     * 注意事项：请先注册人脸
+     * 人脸注册 + 人脸更新 + 人脸查询 + 人脸删除（使用向量数据库Milvus）
+     * 流程：从输入图像中裁剪分数最高的人脸 → 提取其人脸特征 → 注册人脸
+     * 注意事项：
+     * 1、首次调用接口，可能会较慢。只要不关闭程序，后续调用会明显加快。若每次重启程序，则每次首次调用都将重新加载，仍会较慢。
+     * 2、若人脸朝向较正，可关闭人脸对齐以提升性能。（方法参考自定义配置人脸特征提取）
+     * @throws Exception
      */
     @Test
     public void searchFace(){
         try {
             FaceModelConfig config = new FaceModelConfig();
-            config.setModelEnum(FaceModelEnum.SEETA_FACE6_MODEL);//人脸模型
-            //人脸库路径，从项目中 db/faces-data.db下载到本地
-            config.setFaceDbPath("C:/Users/Administrator/Downloads/faces-data.db");
+            //人脸模型
+            config.setModelEnum(FaceModelEnum.SEETA_FACE6_MODEL);
             config.setModelPath("C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models");
+            //初始化向量数据库：Milvus数据库配置
+            MilvusConfig vectorDBConfig = new MilvusConfig();
+            vectorDBConfig.setHost("127.0.0.1");
+            vectorDBConfig.setPort(19530);
+            //vectorDBConfig.setCollectionName("face10");
+            //ID策略：自动生成
+            vectorDBConfig.setIdStrategy(IdStrategy.AUTO);
+            //索引类型:内积 (Inner Product) 不建议修改
+            vectorDBConfig.setMetricType(MetricType.COSINE);
+            config.setVectorDBConfig(vectorDBConfig);
             FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
-            //等待人脸库加载完毕
-            Thread.sleep(1000);
-            FaceResult faceResult = faceModel.search("src/main/resources/kana1.jpg");
-            if(faceResult != null){
-                log.info("查询到人脸：{}", faceResult.toString());
-            }else{
-                log.info("未查询到人脸");
+
+            //等待加载人脸库结束
+            while (!faceModel.isLoadFaceCompleted()) {
+                Thread.sleep(50); // 避免 CPU 占用过高
             }
+
+            log.info("====================人脸注册==========================");
+            //特征提取（提取分数最高人脸特征）,适用于单人脸场景
+            R<float[]> featureResult = faceModel.extractTopFaceFeature("src/main/resources/face/iu_1.jpg");
+            if(featureResult.isSuccess()){
+                log.info("人脸特征提取成功：{}", JSONObject.toJSONString(featureResult.getData()));
+            }else{
+                log.info("人脸特征提取失败：{}", featureResult.getMessage());
+                return;
+            }
+
+            //人脸注册信息
+            FaceRegisterInfo faceRegisterInfo = new FaceRegisterInfo();
+            //设置人脸注册的自定义元数据，本例中使用 JSON 格式存储用户信息
+            JSONObject metadataJson = new JSONObject();
+            metadataJson.put("name", "iu");
+            metadataJson.put("age", "25");
+            faceRegisterInfo.setMetadata(metadataJson.toJSONString());
+            //人脸注册，返回人脸库ID
+            R<String> registerResult = faceModel.register(faceRegisterInfo, featureResult.getData());
+            if(registerResult.isSuccess()){
+                log.info("注册成功：ID-{}", registerResult.getData());
+            }else{
+                log.info("注册失败：{}", registerResult.getMessage());
+            }
+            /*log.info("====================人脸更新==========================");
+            //更新人脸 只支持自定义ID：vectorDBConfig.setIdStrategy(IdStrategy.CUSTOM);
+            FaceRegisterInfo updateInfo = new FaceRegisterInfo();
+            //设置人脸注册的自定义元数据，本例中使用 JSON 格式存储用户信息
+            JSONObject metadataJsonUpdate = new JSONObject();
+            metadataJsonUpdate.put("name", "iu_update");
+            metadataJsonUpdate.put("age", "25");
+            updateInfo.setMetadata(metadataJsonUpdate.toJSONString());
+            //更新必须设置ID,只有
+            updateInfo.setId(registerResult.getData());
+            faceModel.upsertFace(updateInfo, "src/main/resources/face/iu_2.jpg");
+            log.info("更新人脸成功");*/
+            log.info("====================人脸查询==========================");
+            //特征提取（提取分数最高人脸特征）,适用于单人脸场景
+            R<float[]> featureResult2 = faceModel.extractTopFaceFeature("src/main/resources/face/iu_2.jpg");
+            if(featureResult2.isSuccess()){
+                log.info("人脸特征提取成功：{}", JSONObject.toJSONString(featureResult2.getData()));
+            }else{
+                log.info("人脸特征提取失败：{}", featureResult2.getMessage());
+                return;
+            }
+            FaceSearchParams faceSearchParams = new FaceSearchParams();
+            faceSearchParams.setTopK(1);
+            faceSearchParams.setThreshold(0.8f);
+            List<FaceSearchResult> faceSearchResults = faceModel.search(featureResult2.getData(), faceSearchParams);
+            log.info("人脸查询结果：{}", JSONArray.toJSONString(faceSearchResults));
+            log.info("====================人脸删除==========================");
+            faceModel.removeRegister(registerResult.getData());
+            log.info("人脸删除成功");
         }
         catch (Exception e){
             e.printStackTrace();
@@ -222,25 +261,80 @@ public class SeetaFace6Demo {
     }
 
     /**
-     * 删除已注册人脸
-     * 注意事项：请先注册人脸
+     * 人脸注册 + 人脸更新 + 人脸查询 + 人脸删除（使用轻量数据库SQLite）
+     * 流程：从输入图像中裁剪分数最高的人脸 → 提取其人脸特征 → 注册人脸
+     * 注意事项：
+     * 1、首次调用接口，可能会较慢。只要不关闭程序，后续调用会明显加快。若每次重启程序，则每次首次调用都将重新加载，仍会较慢。
+     * 2、若人脸朝向较正，可关闭人脸对齐以提升性能。（方法参考自定义配置人脸特征提取）
+     * @throws Exception
      */
     @Test
-    public void removeRegisterFace(){
+    public void searchFace2(){
         try {
             FaceModelConfig config = new FaceModelConfig();
-            config.setModelEnum(FaceModelEnum.SEETA_FACE6_MODEL);//人脸模型
-            //人脸库路径，从项目中 db/faces-data.db下载到本地
-            config.setFaceDbPath("C:/Users/Administrator/Downloads/faces-data.db");
+            //人脸模型
+            config.setModelEnum(FaceModelEnum.SEETA_FACE6_MODEL);
             config.setModelPath("C:/Users/Administrator/Downloads/sf3.0_models/sf3.0_models");
+            //使用轻量数据库SQLite
+            config.setVectorDBConfig(new SQLiteConfig());
             FaceModel faceModel = FaceModelFactory.getInstance().getModel(config);
-            //等待人脸库加载完毕
-            Thread.sleep(1000);
-            //使用注册人脸时的key值删除，可一次性删除单个
-            long num = faceModel.removeRegister("kana1");
-            //删除全部人脸
-            //long num = currentAlgorithm.clearFace();
-            log.info("删除成功数量：" + num);
+            log.info("====================人脸注册==========================");
+            //特征提取（提取分数最高人脸特征）,适用于单人脸场景
+            R<float[]> featureResult = faceModel.extractTopFaceFeature("src/main/resources/face/iu_1.jpg");
+            if(featureResult.isSuccess()){
+                log.info("人脸特征提取成功：{}", JSONObject.toJSONString(featureResult.getData()));
+            }else{
+                log.info("人脸特征提取失败：{}", featureResult.getMessage());
+                return;
+            }
+            //人脸注册信息
+            FaceRegisterInfo faceRegisterInfo = new FaceRegisterInfo();
+            //设置人脸注册的自定义元数据，本例中使用 JSON 格式存储用户信息
+            JSONObject metadataJson = new JSONObject();
+            metadataJson.put("name", "iu");
+            metadataJson.put("age", "25");
+            faceRegisterInfo.setMetadata(metadataJson.toJSONString());
+            //可自定义 ID，若未设置则自动生成。
+            //faceRegisterInfo.setId("00001");
+            //人脸注册，返回人脸库ID
+            R<String> registerResult = faceModel.register(faceRegisterInfo, featureResult.getData());
+            if(registerResult.isSuccess()){
+                log.info("注册成功：ID-{}", registerResult.getData());
+            }else{
+                log.info("注册失败：{}", registerResult.getMessage());
+            }
+            log.info("====================人脸更新==========================");
+            FaceRegisterInfo updateInfo = new FaceRegisterInfo();
+            //设置人脸注册的自定义元数据，本例中使用 JSON 格式存储用户信息
+            JSONObject metadataJsonUpdate = new JSONObject();
+            metadataJsonUpdate.put("name", "iu_update");
+            metadataJsonUpdate.put("age", "25");
+            updateInfo.setMetadata(metadataJsonUpdate.toJSONString());
+            //更新必须设置ID,只有
+            updateInfo.setId(registerResult.getData());
+            faceModel.upsertFace(updateInfo, "src/main/resources/face/iu_2.jpg");
+            log.info("更新人脸成功");
+            log.info("====================人脸查询==========================");
+            //特征提取（提取分数最高人脸特征）,适用于单人脸场景
+            R<float[]> featureResult2 = faceModel.extractTopFaceFeature("src/main/resources/face/iu_3.jpg");
+            if(featureResult2.isSuccess()){
+                log.info("人脸特征提取成功：{}", JSONObject.toJSONString(featureResult2.getData()));
+            }else{
+                log.info("人脸特征提取失败：{}", featureResult2.getMessage());
+                return;
+            }
+            FaceSearchParams faceSearchParams = new FaceSearchParams();
+            faceSearchParams.setTopK(1);
+            faceSearchParams.setThreshold(0.62f);
+            //等待加载人脸库结束
+            while (!faceModel.isLoadFaceCompleted()) {
+                Thread.sleep(50); // 避免 CPU 占用过高
+            }
+            List<FaceSearchResult> faceSearchResults = faceModel.search(featureResult2.getData(), faceSearchParams);
+            log.info("人脸查询结果：{}", JSONArray.toJSONString(faceSearchResults));
+            log.info("====================人脸删除==========================");
+            faceModel.removeRegister(registerResult.getData());
+            log.info("人脸删除成功");
         }
         catch (Exception e){
             e.printStackTrace();
@@ -248,4 +342,5 @@ public class SeetaFace6Demo {
     }
 
 
+
 }

examples/src/main/java/smartai/examples/ocr/OcrDetectionDemo.java

@@ -38,7 +38,7 @@ public class OcrDetectionDemo {
         //指定检测模型
         config.setModelEnum(CommonDetModelEnum.PADDLEOCR_V5_DET_MODEL);
         //指定模型位置，需要更改为自己的模型路径（下载地址请查看文档）
-        config.setDetModelPath("/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
+        config.setDetModelPath("/Users/wenjie/Documents/develop/ocr模型/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
         OcrCommonDetModel model = OcrModelFactory.getInstance().getDetModel(config);
         List<OcrBox> boxes = model.detect("src/main/resources/ocr_1.jpg");
         log.info("OCR检测结果：{}", JSONObject.toJSONString(boxes));

examples/src/main/java/smartai/examples/ocr/OcrDirectionDetDemo.java

@@ -37,11 +37,11 @@ public class OcrDirectionDetDemo {
         //指定检测模型
         directionModelConfig.setDetModelEnum(CommonDetModelEnum.PADDLEOCR_V5_DET_MODEL);
         //指定检测模型位置，需要更改为自己的模型路径（下载地址请查看文档）
-        directionModelConfig.setDetModelPath("/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
+        directionModelConfig.setDetModelPath("/Users/wenjie/Documents/develop/ocr模型/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
         //指定文本方向检测模型
         directionModelConfig.setModelEnum(DirectionModelEnum.CH_PPOCR_MOBILE_V2_CLS);
         //指定文本方向检测模型路径，需要更改为自己的模型路径（下载地址请查看文档）
-        directionModelConfig.setModelPath("/cls/ch_ppocr_mobile_v2.0_cls.onnx");
+        directionModelConfig.setModelPath("/Users/wenjie/Documents/develop/ocr模型/ch_ppocr_mobile_v2.0_cls.onnx");
         OcrDirectionModel directionModel = OcrModelFactory.getInstance().getDirectionModel(directionModelConfig);
         List<OcrItem> itemList = directionModel.detect("src/main/resources/ocr_3.jpg");
         log.info("OCR方向检测结果：{}", JSONObject.toJSONString(itemList));

examples/src/main/java/smartai/examples/ocr/OcrRecognizeDemo.java

@@ -27,8 +27,7 @@ public class OcrRecognizeDemo {
 
     /**
      * 文本识别
-     * 本方法支持旋转角度范围为 -90 到 90 度的文字
-     * 同时兼容印刷体和手写体文字。
+     * 支持简体中文、繁体中文、英文、日文四种主要语言，以及手写、竖版、拼音、生僻字
      * 流程：文本检测 -> 文本识别
      * 模型需要放在单独文件夹
      */
@@ -38,21 +37,20 @@ public class OcrRecognizeDemo {
         //指定检测模型
         recModelConfig.setDetModelEnum(CommonDetModelEnum.PADDLEOCR_V5_DET_MODEL);
         //指定检测模型位置，需要更改为自己的模型路径（下载地址请查看文档）
-        recModelConfig.setDetModelPath("/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
+        recModelConfig.setDetModelPath("/Users/wenjie/Documents/develop/ocr模型/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
         //指定识别模型
         recModelConfig.setRecModelEnum(CommonRecModelEnum.PADDLEOCR_V5_REC_MODEL);
         //指定识别模型位置，需要更改为自己的模型路径（下载地址请查看文档）
-        recModelConfig.setRecModelPath("/PP-OCRv5_server_rec_infer/PP-OCRv5_server_rec.onnx");
+        recModelConfig.setRecModelPath("/Users/wenjie/Documents/develop/ocr模型/PP-OCRv5_server_rec_infer/PP-OCRv5_server_rec.onnx");
         OcrCommonRecModel recModel = OcrModelFactory.getInstance().getRecModel(recModelConfig);
-        OcrInfo ocrInfo = recModel.recognize("src/main/resources/general_ocr_002.png");
+        OcrInfo ocrInfo = recModel.recognize("src/main/resources/ocr_1.jpg");
         log.info("OCR识别结果：{}", JSONObject.toJSONString(ocrInfo));
     }
 
 
     /**
      * 文本识别（手写字）
-     * 本方法支持旋转角度范围为 -90 到 90 度的文字
-     * 同时兼容印刷体和手写体文字。
+     * 支持简体中文、繁体中文、英文、日文四种主要语言，以及手写、竖版、拼音、生僻字
      * 流程：文本检测 -> 文本识别
      * 模型需要放在单独文件夹
      */
@@ -74,8 +72,8 @@ public class OcrRecognizeDemo {
 
     /**
      * 文本识别（带方向矫正）
-     * 本方法支持任意角度文字识别
-     * 同时兼容印刷体和手写体文字。
+     * 支持简体中文、繁体中文、英文、日文四种主要语言，以及手写、竖版、拼音、生僻字
+     * 本方法支持多角度文字识别
      * 流程：文本检测 -> 方向检测 -> 方向矫正 ->  文本识别
      * 模型需要放在单独文件夹
      */
@@ -103,8 +101,7 @@ public class OcrRecognizeDemo {
 
     /**
      * 文本识别并绘制结果
-     * 本方法支持旋转角度范围为 -90 到 90 度的文字
-     * 同时兼容印刷体和手写体文字。
+     * 支持简体中文、繁体中文、英文、日文四种主要语言，以及手写、竖版、拼音、生僻字
      * 流程：文本检测 -> 文本识别
      * 模型需要放在单独文件夹
      */
@@ -114,16 +111,19 @@ public class OcrRecognizeDemo {
         //指定检测模型
         recModelConfig.setDetModelEnum(CommonDetModelEnum.PADDLEOCR_V5_DET_MODEL);
         //指定检测模型位置，需要更改为自己的模型路径（下载地址请查看文档）
-        recModelConfig.setDetModelPath("/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
+        recModelConfig.setDetModelPath("/Users/wenjie/Documents/develop/ocr模型/PP-OCRv5_server_det_infer/PP-OCRv5_server_det.onnx");
         //指定识别模型
         recModelConfig.setRecModelEnum(CommonRecModelEnum.PADDLEOCR_V5_REC_MODEL);
         //directionModelConfig.setDirectionModelEnum(DirectionModelEnum.CH_PPOCR_MOBILE_V2_CLS);
         //指定识别模型位置，需要更改为自己的模型路径（下载地址请查看文档）
-        recModelConfig.setRecModelPath("/PP-OCRv5_server_rec_infer/PP-OCRv5_server_rec.onnx");
-        //directionModelConfig.setDirectionModelPath("/Users/wenjie/Documents/develop/ocr模型/ch_ppocr_mobile_v2.0_cls.onnx");
+        recModelConfig.setRecModelPath("/Users/wenjie/Documents/develop/ocr模型/PP-OCRv5_server_rec_infer/PP-OCRv5_server_rec.onnx");
+        //指定方向检测模型
+        recModelConfig.setDirectionModelEnum(DirectionModelEnum.CH_PPOCR_MOBILE_V2_CLS);
+        //指定方向模型位置，需要更改为自己的模型路径（下载地址请查看文档）
+        recModelConfig.setDirectionModelPath("/Users/wenjie/Documents/develop/ocr模型/ch_ppocr_mobile_v2.0_cls.onnx");
         OcrCommonRecModel recModel = OcrModelFactory.getInstance().getRecModel(recModelConfig);
-        int fontSize = 20;
-        recModel.recognizeAndDraw("src/main/resources/general_ocr_002.png", "output/general_ocr_002_recognized.png", fontSize);
+        int fontSize = 25;
+        recModel.recognizeAndDraw("src/main/resources/ocr_4.jpg", "output/ocr_4_recognized.jpg", fontSize);
     }