快捷導(dǎo)航

Java+opencv3.2.0實(shí)現(xiàn)人臉檢測(cè)功能

更新時(shí)間：2018年02月09日 11:48:59 作者：帥氣的貓爪

這篇文章主要為大家詳細(xì)介紹了Java+opencv3.2.0實(shí)現(xiàn)人臉檢測(cè)功能，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下

說(shuō)到人臉檢測(cè)，首先要了解Haar特征分類器。Haar特征分類器說(shuō)白了就是一個(gè)個(gè)的xml文件，不同的xml里面描述人體各個(gè)部位的特征值，比如人臉、眼睛等等。OpenCV3.2.0中提供了如下特征文件：

haarcascade_eye.xml
haarcascade_eye_tree_eyeglasses.xml
haarcascade_frontalcatface.xml
haarcascade_frontalcatface_extended.xml
haarcascade_frontalface_alt.xml
haarcascade_frontalface_alt_tree.xml
haarcascade_frontalface_alt2.xml
haarcascade_frontalface_default.xml
haarcascade_fullbody.xml
haarcascade_lefteye_2splits.xml
haarcascade_licence_plate_rus_16stages.xml
haarcascade_lowerbody.xml
haarcascade_profileface.xml
haarcascade_righteye_2splits.xml
haarcascade_russian_plate_number.xml
haarcascade_smile.xml
haarcascade_upperbody.xml

通過(guò)加載不同的特征文件，就能達(dá)到相應(yīng)的檢測(cè)效果。

OpenCV3.2.0中detectMultiScale函數(shù)參數(shù)說(shuō)明：
detectMultiScale(Mat image, MatOfRect objects, double scaleFactor, int minNeighbors, int flags, Size minSize, Size maxSize)
image：待檢測(cè)圖片，一般為灰度圖（提高效率）
objects：被檢測(cè)物體的矩形框向量組
scaleFactor：前后兩次相繼的掃描中，搜索窗口的比例系數(shù)。默認(rèn)為1.1即每次搜索窗口依次擴(kuò)大10%
minNeighbors：構(gòu)成檢測(cè)目標(biāo)的相鄰矩形的最小個(gè)數(shù)(默認(rèn)為3個(gè))
flags：要么使用默認(rèn)值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果設(shè)置為CV_HAAR_DO_CANNY_PRUNING，那么函數(shù)將會(huì)使用Canny邊緣檢測(cè)來(lái)排除邊緣過(guò)多或過(guò)少的區(qū)域，因此這些區(qū)域通常不會(huì)是人臉?biāo)趨^(qū)域
minSize：得到的目標(biāo)區(qū)域的最小范圍
maxSize：得到的目標(biāo)區(qū)域的最大范圍

人臉檢測(cè)示例代碼：

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfRect;
import org.opencv.core.Point;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import org.opencv.objdetect.CascadeClassifier;
public class FaceDetect
{

  public static void main(String[] args)
  {
    // TODO Auto-generated method stub
    System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    System.out.println("\nRunning FaceDetector");
    CascadeClassifier faceDetector = new CascadeClassifier();
    faceDetector.load(
        "C:\\Program Files\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml");
    Mat image = Imgcodecs.imread("F:\\1114.jpg");

    MatOfRect faceDetections = new MatOfRect();
    faceDetector.detectMultiScale(image, faceDetections);
    System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));
    for (Rect rect : faceDetections.toArray())
    {
      Imgproc.rectangle(image, new Point(rect.x, rect.y),
          new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));
    }

    String filename = "F:\\ouput.jpg";
    Imgcodecs.imwrite(filename, image);
  }
}

源圖像與結(jié)果圖：