title: Android 通過opencv實現人臉識別,追蹤
categories:
- Android
tags: - opencv
- 人臉識別
- 人臉追蹤
date: 2020-05-29 10:11:41
前言
好了,上篇文章講了如何進行原生的人臉識別,檢測,追蹤等,相信玩過的肯定已經有了感覺,今天我們用opencv來實現,
那麼很多人會問,原生都實現了,爲什麼還要接opencv的方式來實現,那麼下面看完大家應該就會清楚
正文
導入opencv引用
首先,opencv的接入方式有幾種
1.自己編譯需要的模塊生成so庫,然後ndk接入
2.接入官網編譯好的ndk,用C/C++來寫功能
3.直接接入官網library sdk,
今天我們講第三種,後續研究下載opencv2d轉3d,目標是實現所有機型,前置攝像頭精確出人臉到屏幕的距離
opencv 認準android-sdk.zip下載就好了
下載後解壓
講該圖片中java導入項目中,作爲library
更改build
apply plugin: 'com.android.library'
android {
compileSdkVersion 29
buildToolsVersion "29.0.2"
defaultConfig {
minSdkVersion 21
targetSdkVersion 29
}
buildTypes {
release {
minifyEnabled false
proguardFiles getDefaultProguardFile('proguard-android.txt'), 'proguard-rules.txt'
}
}
}
Sdk版本與項目的保持一直即可
然後在app中引用
implementation project(path: ':CVLibrary430')
opencv初始化
我這裏是寫在onResume 裏面需要用initDebug
@Override
public void onResume() {
super.onResume();
//初始化opencv資源
if (!OpenCVLoader.initDebug()) {
Log.d("OpenCV", "Internal OpenCV library not found. Using OpenCV Manager for initialization");
boolean success = OpenCVLoader.initAsync(OpenCVLoader.OPENCV_VERSION, this, openCVLoaderCallback);
if (!success)
Log.e("OpenCV", "Asynchronous initialization failed!");
else
Log.d("OpenCV", "Asynchronous initialization succeeded!");
} else {
Log.d("OpenCV", "OpenCV library found inside package. Using it!");
openCVLoaderCallback.onManagerConnected(LoaderCallbackInterface.SUCCESS);
}
}
然後是監聽部分的
LoaderCallbackInterface openCVLoaderCallback = new LoaderCallbackInterface() {
@Override
public void onManagerConnected(int status) {
if (status == LoaderCallbackInterface.SUCCESS) {
Log.i(TAG, "OpenCV loaded successfully");
initOpencv();
}
}
@Override
public void onPackageInstall(int operation, InstallCallbackInterface callback) {
Log.d("OpenCV", "onPackageInstall " + operation);
}
};
但是你可能會發現你初始化失敗了,此處我們還需要修改app下面的build----android{}內
externalNativeBuild {
cmake {
// 我們配置cmake命令
// cppFlags ""
arguments "-DANDROID_STL=c++_shared"
}
}
ndk {
abiFilters 'armeabi-v7a', 'x86'
}
然後這裏用cmake但是,不用c++的可能不需要配置
externalNativeBuild {
cmake {
path "src/main/cpp/CMakeLists.txt"
version "3.10.2"
}
}
sourceSets {
main {
// jni.srcDirs = []
jniLibs.srcDirs = ['libs']
}
}
dummy.cpp 是空的,暫時沒用到 到這我們可以發現opencv已經初始化成功了,我們可以愉快的開始使用了
初始化分類起initOpcv
protected void initOpencv() {
try {
//OpenCV的人臉模型文件: haarcascade_frontalface_alt
InputStream is = getResources().openRawResource(R.raw.haarcascade_frontalface_alt);
File cascadeDir = getDir("cascade", Context.MODE_PRIVATE);
File mCascadeFile = new File(cascadeDir, "haarcascade_frontalface_alt.xml");
FileOutputStream os = new FileOutputStream(mCascadeFile);
byte[] buffer = new byte[4096];
int bytesRead;
while ((bytesRead = is.read(buffer)) != -1) {
os.write(buffer, 0, bytesRead);
}
is.close();
os.close();
// 加載 人臉分類器
mFrontalFaceClassifier = new CascadeClassifier(mCascadeFile.getAbsolutePath());
} catch (Exception e) {
Log.e(TAG, e.toString());
}
openCvCameraView.enableView();
}
這裏面我們看到用了一個R.raw.haarcascade_frontalface_alt, 這裏我們可以去剛纔下載的opencv包裏面找到,具體位置在第一篇
文章裏面可以看到截圖,此處是爲了加載分類器,也就是我理解的所謂人臉模型數據,用來對我們的圖片做對比
代碼引用
佈局代碼需要引用
<?xml version="1.0" encoding="utf-8"?>
<RelativeLayout xmlns:tools="http://schemas.android.com/tools"
xmlns:app="http://schemas.android.com/apk/res-auto"
android:id="@+id/baseView"
xmlns:android="http://schemas.android.com/apk/res/android"
android:layout_width="match_parent"
android:layout_height="match_parent">
<org.opencv.android.JavaCamera2View
android:id="@+id/openCvCameraView"
android:layout_width="match_parent"
android:layout_height="match_parent"
app:show_fps="true"
/>
<LinearLayout
android:layout_width="wrap_content"
android:layout_height="wrap_content"
android:orientation="vertical">
<TextView
android:id="@+id/mFrontalFaceNumber"
android:layout_width="wrap_content"
android:layout_height="wrap_content"
android:textColor="#00ff00"
android:textSize="20sp"/>
<TextView
android:id="@+id/mProfileFaceNumber"
android:layout_width="wrap_content"
android:layout_height="wrap_content"
android:textColor="#00ff00"
android:textSize="20sp"/>
<TextView
android:id="@+id/mCurrentNumber"
android:layout_width="wrap_content"
android:layout_height="wrap_content"
android:textColor="#00ff00"
android:textSize="20sp"/>
<TextView
android:id="@+id/mWaitTime"
android:layout_width="wrap_content"
android:layout_height="wrap_content"
android:textColor="#00ff00"
android:textSize="20sp"/>
</LinearLayout>
</RelativeLayout>
然後初始化佈局後,初始攝像頭,代碼如下
protected void initCamera() {
openCvCameraView.setCameraPermissionGranted(); //該方法用於判斷權限後,自行設置,opencv430版本新改的邏輯
openCvCameraView.setCameraIndex(CameraBridgeViewBase.CAMERA_ID_FRONT); //攝像頭索引 設置
openCvCameraView.setCvCameraViewListener(this);//監聽
openCvCameraView.setVisibility(SurfaceView.VISIBLE);
openCvCameraView.setCameraDistance(1.5f); // 設置焦距
openCvCameraView.setMaxFrameSize(640, 480);//設置幀大小
}
監聽是CameraBridgeViewBase.CvCameraViewListener2的方法在回調中我們可以收到相機獲取到的數據,以此來做處理
首先是start
@Override
public void onCameraViewStarted(int width, int height) {
Log.d("camera","---onCameraViewStarted" + width);
mRgba = new Mat();
mGray = new Mat();
Matlin = new Mat(width, height, CvType.CV_8UC4);
gMatlin = new Mat(width, height, CvType.CV_8UC4);
matWidth = width;
absoluteFaceSize = (int)(height * 0.2);
}
然後記得在stop的時候釋放,我們創建的mat(opencv中)對象
@Override
public void onCameraViewStopped() {
Log.d("camera","---onCameraViewStopped");
mRgba.release();
mGray.release();
Matlin.release();
gMatlin.release();
}
然後是onCameraFrame return 的mat是你畫面顯示的mat此處的灰度通道十分簡單,直接個可以獲取
但需要注意的是mat的方向如果不是正向會導致檢測不到人臉,所以此處需要做一個旋轉
@Override
public Mat onCameraFrame(CameraBridgeViewBase.CvCameraViewFrame inputFrame) {
mRgba = inputFrame.rgba(); //RGBA
mGray = inputFrame.gray(); //單通道灰度圖
int rotation = openCvCameraView.getDisplay().getRotation();
double area = 0;
double width = 0;
MatOfRect frontalFaces = new MatOfRect();
switch (rotation){
case Surface.ROTATION_0:
mRgba = Matutils.rotate(mRgba,90);
mGray = Matutils.rotate(mGray,90);
break;
case Surface.ROTATION_90:
break;
case Surface.ROTATION_180:
mRgba = Matutils.rotate(mRgba,270);
mGray = Matutils.rotate(mGray,270);
break;
case Surface.ROTATION_270:
mRgba = Matutils.rotate(mRgba,180);
mGray = Matutils.rotate(mGray,180);
break;
}
if (mFrontalFaceClassifier != null) {
//這裏2個 Size 是用於檢測人臉的,越小,檢測距離越遠,1.1, 5, 2, m65Size, mDefault着四個參數可以提高檢測的準確率,5表示確認五次,具體百度 detectMultiScale 這個方法
mFrontalFaceClassifier.detectMultiScale(mGray, frontalFaces, 1.1, 2, 2, new Size(absoluteFaceSize, absoluteFaceSize), mDefault);
mFrontalFacesArray = frontalFaces.toArray();
if (mFrontalFacesArray.length > 0) {
area = mFrontalFacesArray[0].area();
width = mFrontalFacesArray[0].width;
Log.i(TAG, "1 : " + mFrontalFacesArray.length);
Log.i(TAG, "1 : " + mFrontalFacesArray[0].size());
Log.i(TAG, "1 : " + mFrontalFacesArray[0].area());
Log.i(TAG, "1 : " + mFrontalFacesArray[0].tl());
Log.i(TAG, "1 : " + mFrontalFacesArray[0].br());
}
mCurrentFaceSize = mFrontalFacesArray.length;
}
if (mCurrentFaceSize > 0){
for (int i = 0; i < mFrontalFacesArray.length; i++) { //用框標記
Imgproc.rectangle(mRgba, mFrontalFacesArray[i].tl(), mFrontalFacesArray[i].br(), new Scalar(0, 255, 0, 255), 3);
}
}
//顯示檢測到的人數
double distence = (1 + 153 * openCvCameraView.getWidth() / width / 36 ) * 30 * 1.5;
double areas = area/openCvCameraView.getScale();
Log.i(TAG, "openCvCameraView : " + openCvCameraView.getWidth());
Log.i(TAG, "openCvCameraView : " + openCvCameraView.getHeight());
Log.i(TAG, "openCvCameraView : " + openCvCameraView.getScaleX());
Log.i(TAG, "openCvCameraView : " + openCvCameraView.getScaleY());
mHandler.postDelayed(new Runnable() {
@SuppressLint("SetTextI18n")
@Override
public void run() {
mFrontalFaceNumber.setText(areas + "mm2");
mProfileFaceNumber.setText("CameraDistance:" + mRgba.width() + mRgba.height());
mCurrentNumber.setText("distence:" + distence + "mm");
mWaitTime.setText( "");
}
}, 0);
return mRgba;
}
此處也用到一個旋轉的工具類
public static Mat rotate(Mat src, double angele) {
Mat dst = src.clone();
Point center = new Point(src.width() / 2.0, src.height() / 2.0);
Mat affineTrans = Imgproc.getRotationMatrix2D(center, angele, 1.0);
Imgproc.warpAffine(src, dst, affineTrans, dst.size(), Imgproc.INTER_NEAREST);
return dst;
}
然後你就可以跑起來看效果了
結語
筆者做這個目的是做人臉到屏幕距離的檢測,但是這裏我們可以獲取到雙額的距離,但是對於測算公式需要用到,焦距,全畫幅
有效焦距等,由於沒有api的提供,獲取不到實際焦距,而安卓機型太多所以此處中斷了
後續會更新使用arcroe實現測距,還有opencv的2d模型轉3d來實現測算的思路
有問題的歡迎評論或者私聊筆者