Android 通过opencv实现人脸识别，追踪

title: Android 通过opencv实现人脸识别，追踪
categories:

Android
tags:
opencv
人脸识别
人脸追踪
date: 2020-05-29 10:11:41

前言

好了，上篇文章讲了如何进行原生的人脸识别，检测，追踪等，相信玩过的肯定已经有了感觉，今天我们用opencv来实现，
那么很多人会问，原生都实现了，为什么还要接opencv的方式来实现，那么下面看完大家应该就会清楚

正文

导入opencv引用

首先，opencv的接入方式有几种
1.自己编译需要的模块生成so库，然后ndk接入
2.接入官网编译好的ndk,用C/C++来写功能
3.直接接入官网library sdk，
今天我们讲第三种，后续研究下载opencv2d转3d,目标是实现所有机型，前置摄像头精确出人脸到屏幕的距离
opencv 认准android-sdk.zip下载就好了
下载后解压

url

讲该图片中java导入项目中，作为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版本与项目的保持一直即可
然后在app中引用

implementation project(path: ':CVLibrary430')

opencv初始化

我这里是写在onResume 里面需要用initDebug

@Override
    public void onResume() {
        super.onResume();
        //初始化opencv资源
        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);
        }
    }

然后是监听部分的

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);
        }
    };

但是你可能会发现你初始化失败了，此处我们还需要修改app下面的build----android{}内

externalNativeBuild {
            cmake {
//                我们配置cmake命令
//                cppFlags ""
                arguments "-DANDROID_STL=c++_shared"
            }
        }
        ndk {
            abiFilters 'armeabi-v7a', 'x86'
        }

然后这里用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']
        }
    }

url

dummy.cpp 是空的，暂时没用到到这我们可以发现opencv已经初始化成功了，我们可以愉快的开始使用了

初始化分类起initOpcv

protected void initOpencv() {
        try {
            //OpenCV的人脸模型文件： 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();
            // 加载 人脸分类器
            mFrontalFaceClassifier = new CascadeClassifier(mCascadeFile.getAbsolutePath());
        } catch (Exception e) {
            Log.e(TAG, e.toString());
        }
        openCvCameraView.enableView();
    }

这里面我们看到用了一个R.raw.haarcascade_frontalface_alt，这里我们可以去刚才下载的opencv包里面找到，具体位置在第一篇
文章里面可以看到截图，此处是为了加载分类器，也就是我理解的所谓人脸模型数据，用来对我们的图片做对比

代码引用

布局代码需要引用

<?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>

然后初始化布局后，初始摄像头，代码如下

protected void initCamera() {
        openCvCameraView.setCameraPermissionGranted(); //该方法用于判断权限后，自行设置，opencv430版本新改的逻辑
        openCvCameraView.setCameraIndex(CameraBridgeViewBase.CAMERA_ID_FRONT); //摄像头索引  设置
        openCvCameraView.setCvCameraViewListener(this);//监听
        openCvCameraView.setVisibility(SurfaceView.VISIBLE);
        openCvCameraView.setCameraDistance(1.5f); // 设置焦距
        openCvCameraView.setMaxFrameSize(640, 480);//设置帧大小
    }

监听是CameraBridgeViewBase.CvCameraViewListener2的方法在回调中我们可以收到相机获取到的数据，以此来做处理
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);
        }

然后记得在stop的时候释放，我们创建的mat（opencv中）对象

@Override
    public void onCameraViewStopped() {
        Log.d("camera","---onCameraViewStopped");
        mRgba.release();
        mGray.release();
        Matlin.release();
        gMatlin.release();
    }

然后是onCameraFrame return 的mat是你画面显示的mat此处的灰度通道十分简单，直接个可以获取
但需要注意的是mat的方向如果不是正向会导致检测不到人脸，所以此处需要做一个旋转

@Override
   public Mat onCameraFrame(CameraBridgeViewBase.CvCameraViewFrame inputFrame) {
       mRgba = inputFrame.rgba(); //RGBA
       mGray = inputFrame.gray(); //单通道灰度图


       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) {
           //这里2个 Size 是用于检测人脸的，越小，检测距离越远，1.1, 5, 2, m65Size, mDefault着四个参数可以提高检测的准确率，5表示确认五次，具体百度 detectMultiScale 这个方法
               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++) {    //用框标记
               Imgproc.rectangle(mRgba, mFrontalFacesArray[i].tl(), mFrontalFacesArray[i].br(), new Scalar(0, 255, 0, 255), 3);
           }
       }
       //显示检测到的人数
       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;
   }

此处也用到一个旋转的工具类

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;
    }

然后你就可以跑起来看效果了

结语

笔者做这个目的是做人脸到屏幕距离的检测，但是这里我们可以获取到双额的距离，但是对于测算公式需要用到，焦距，全画幅
有效焦距等，由于没有api的提供，获取不到实际焦距，而安卓机型太多所以此处中断了
后续会更新使用arcroe实现测距，还有opencv的2d模型转3d来实现测算的思路

有问题的欢迎评论或者私聊笔者