JavaCV攝像頭實(shí)戰(zhàn)之實(shí)現(xiàn)口罩檢測(cè)
本篇概覽
本文是《JavaCV的攝像頭實(shí)戰(zhàn)》系列的第十四篇，如標(biāo)題所說(shuō)，今天的功能是檢測(cè)攝像頭內(nèi)的人是否帶了口罩，把檢測(cè)結(jié)果實(shí)時(shí)標(biāo)注在預(yù)覽窗口，如下圖所示：
整個(gè)處理流程如下，實(shí)現(xiàn)口罩檢測(cè)的關(guān)鍵是將圖片提交到百度AI開(kāi)放平臺(tái)，然后根據(jù)平臺(tái)返回的結(jié)果在本地預(yù)覽窗口標(biāo)識(shí)出人臉位置，以及此人是否帶了口罩：
問(wèn)題提前告知
依賴(lài)云平臺(tái)處理業(yè)務(wù)的一個(gè)典型問(wèn)題，就是處理速度受限
首先，如果您在百度AI開(kāi)放平臺(tái)注冊(cè)的賬號(hào)是個(gè)人類(lèi)型，那么免費(fèi)的接口調(diào)用會(huì)被限制到一秒鐘兩次，如果是企業(yè)類(lèi)型賬號(hào)，該限制是十次
其次，經(jīng)過(guò)實(shí)測(cè)，一次人臉檢測(cè)接口耗時(shí)300ms以上
最終，實(shí)際上一秒鐘只能處理兩幀，這樣的效果在預(yù)覽窗口展現(xiàn)出來(lái)，就只能是幻燈片效果了（低于每秒十五幀就能感受到明顯的卡頓）
因此，本文只適合基本功能展示，無(wú)法作為實(shí)際場(chǎng)景的解決方案
關(guān)于百度AI開(kāi)放平臺(tái)
為了正常使用百度AI開(kāi)放平臺(tái)的服務(wù)，您需要完成一些注冊(cè)和申請(qǐng)操作，詳情請(qǐng)參考《最簡(jiǎn)單的人臉檢測(cè)（免費(fèi)調(diào)用百度AI開(kāi)放平臺(tái)接口）》
現(xiàn)在，如果您完成了百度AI開(kāi)放平臺(tái)的注冊(cè)和申請(qǐng)，那么，現(xiàn)在手里應(yīng)該有可用的access_token，那么現(xiàn)在可以開(kāi)始編碼了
編碼：添加依賴(lài)庫(kù)
本文繼續(xù)使用《JavaCV的攝像頭實(shí)戰(zhàn)之一：基礎(chǔ)》創(chuàng)建的simple-grab-push工程
首先是在pom.xml中增加okhttp和jackson依賴(lài)，分別用于網(wǎng)絡(luò)請(qǐng)求和JSON解析：
<dependency>
<groupId>com.squareup.okhttp3</groupId>
<artifactId>okhttp</artifactId>
<version>3.10.0</version>
</dependency>
<dependency>
<groupId>com.fasterxml.jackson.core</groupId>
<artifactId>jackson-databind</artifactId>
<version>2.11.0</version>
</dependency>
編碼：封裝請(qǐng)求和響應(yīng)百度AI開(kāi)放平臺(tái)的代碼
接下來(lái)要開(kāi)發(fā)一個(gè)服務(wù)類(lèi)，這個(gè)服務(wù)類(lèi)封裝了所有和百度AI開(kāi)放平臺(tái)相關(guān)的代碼
首先，定義web請(qǐng)求的request對(duì)象FaceDetectRequest.java：
package com.bolingcavalry.grabpush.bean.request;
import com.fasterxml.jackson.annotation.JsonProperty;
import lombok.Data;
/**
* @author willzhao
* @version 1.0
* @description 請(qǐng)求對(duì)象
* @date 2022/1/1 16:21
*/
@Data
public class FaceDetectRequest {
// 圖片信息(總數(shù)據(jù)大小應(yīng)小于10M)，圖片上傳方式根據(jù)image_type來(lái)判斷
String image;
// 圖片類(lèi)型
// BASE64:圖片的base64值，base64編碼后的圖片數(shù)據(jù)，編碼后的圖片大小不超過(guò)2M；
// URL:圖片的 URL地址( 可能由于網(wǎng)絡(luò)等原因?qū)е孪螺d圖片時(shí)間過(guò)長(zhǎng))；
// FACE_TOKEN: 人臉圖片的唯一標(biāo)識(shí)，調(diào)用人臉檢測(cè)接口時(shí)，會(huì)為每個(gè)人臉圖片賦予一個(gè)唯一的FACE_TOKEN，同一張圖片多次檢測(cè)得到的FACE_TOKEN是同一個(gè)。
@JsonProperty("image_type")
String imageType;
// 包括age,expression,face_shape,gender,glasses,landmark,landmark150,quality,eye_status,emotion,face_type,mask,spoofing信息
//逗號(hào)分隔. 默認(rèn)只返回face_token、人臉框、概率和旋轉(zhuǎn)角度
@JsonProperty("face_field")
String faceField;
// 最多處理人臉的數(shù)目，默認(rèn)值為1，根據(jù)人臉檢測(cè)排序類(lèi)型檢測(cè)圖片中排序第一的人臉（默認(rèn)為人臉面積最大的人臉），最大值120
@JsonProperty("max_face_num")
int maxFaceNum;
// 人臉的類(lèi)型
// LIVE表示生活照：通常為手機(jī)、相機(jī)拍攝的人像圖片、或從網(wǎng)絡(luò)獲取的人像圖片等
// IDCARD表示身份證芯片照：二代身份證內(nèi)置芯片中的人像照片
// WATERMARK表示帶水印證件照：一般為帶水印的小圖，如公安網(wǎng)小圖
// CERT表示證件照片：如拍攝的身份證、工卡、護(hù)照、學(xué)生證等證件圖片
// 默認(rèn)LIVE
@JsonProperty("face_type")
String faceType;
// 活體控制 檢測(cè)結(jié)果中不符合要求的人臉會(huì)被過(guò)濾
// NONE: 不進(jìn)行控制
// LOW:較低的活體要求(高通過(guò)率 低攻擊拒絕率)
// NORMAL: 一般的活體要求(平衡的攻擊拒絕率, 通過(guò)率)
// HIGH: 較高的活體要求(高攻擊拒絕率 低通過(guò)率)
// 默認(rèn)NONE
@JsonProperty("liveness_control")
String livenessControl;
// 人臉檢測(cè)排序類(lèi)型
// 0:代表檢測(cè)出的人臉按照人臉面積從大到小排列
// 1:代表檢測(cè)出的人臉按照距離圖片中心從近到遠(yuǎn)排列
// 默認(rèn)為0
@JsonProperty("face_sort_type")
int faceSortType;
}
其次，定義web響應(yīng)對(duì)象FaceDetectResponse.java：
package com.bolingcavalry.grabpush.bean.response;
import com.fasterxml.jackson.annotation.JsonProperty;
import lombok.Data;
import lombok.ToString;
import java.io.Serializable;
import java.util.List;
@Data
@ToString
public class FaceDetectResponse implements Serializable {
// 返回碼
@JsonProperty("error_code")
String errorCode;
// 描述信息
@JsonProperty("error_msg")
String errorMsg;
// 返回的具體內(nèi)容
Result result;
@Data
public static class Result {
// 人臉數(shù)量
@JsonProperty("face_num")
private int faceNum;
// 每個(gè)人臉的信息
@JsonProperty("face_list")
List<Face> faceList;
/**
* @author willzhao
* @version 1.0
* @description 檢測(cè)出來(lái)的人臉對(duì)象
* @date 2022/1/1 16:03
*/
@Data
public static class Face {
// 位置
Location location;
// 是人臉的置信度
@JsonProperty("face_probability")
double face_probability;
// 口罩
Mask mask;
/**
* @author willzhao
* @version 1.0
* @description 人臉在圖片中的位置
* @date 2022/1/1 16:04
*/
@Data
public static class Location {
double left;
double top;
double width;
double height;
double rotation;
}
/**
* @author willzhao
* @version 1.0
* @description 口罩對(duì)象
* @date 2022/1/1 16:11
*/
@Data
public static class Mask {
int type;
double probability;
}
}
}
}
然后是服務(wù)類(lèi)BaiduCloudService.java，把請(qǐng)求和響應(yīng)百度AI開(kāi)放平臺(tái)的邏輯全部集中在這里，可見(jiàn)其實(shí)很簡(jiǎn)單：根據(jù)圖片的base64字符串構(gòu)造請(qǐng)求對(duì)象、發(fā)POST請(qǐng)求（path是人臉檢測(cè)服務(wù)）、收到響應(yīng)后用Jackson反序列化成FaceDetectResponse對(duì)象：
package com.bolingcavalry.grabpush.extend;
import com.bolingcavalry.grabpush.bean.request.FaceDetectRequest;
import com.bolingcavalry.grabpush.bean.response.FaceDetectResponse;
import com.fasterxml.jackson.databind.DeserializationFeature;
import com.fasterxml.jackson.databind.ObjectMapper;
import okhttp3.*;
import java.io.IOException;
/**
* @author willzhao
* @version 1.0
* @description 百度云服務(wù)的調(diào)用
* @date 2022/1/1 11:06
*/
public class BaiduCloudService {
OkHttpClient client = new OkHttpClient();
static final MediaType JSON = MediaType.parse("application/json; charset=utf-8");
static final String URL_TEMPLATE = "https://aip.baidubce.com/rest/2.0/face/v3/detect?access_token=%s";
String token;
ObjectMapper mapper = new ObjectMapper();
public BaiduCloudService(String token) {
this.token = token;
// 重要：反序列化的時(shí)候，字符的字段如果比類(lèi)的字段多，下面這個(gè)設(shè)置可以確保反序列化成功
mapper.disable(DeserializationFeature.FAIL_ON_UNKNOWN_PROPERTIES);
}
/**
* 檢測(cè)指定的圖片
* @param imageBase64
* @return
*/
public FaceDetectResponse detect(String imageBase64) {
// 請(qǐng)求對(duì)象
FaceDetectRequest faceDetectRequest = new FaceDetectRequest();
faceDetectRequest.setImageType("BASE64");
faceDetectRequest.setFaceField("mask");
faceDetectRequest.setMaxFaceNum(6);
faceDetectRequest.setFaceType("LIVE");
faceDetectRequest.setLivenessControl("NONE");
faceDetectRequest.setFaceSortType(0);
faceDetectRequest.setImage(imageBase64);
FaceDetectResponse faceDetectResponse = null;
try {
// 用Jackson將請(qǐng)求對(duì)象序列化成字符串
String jsonContent = mapper.writeValueAsString(faceDetectRequest);
//
RequestBody requestBody = RequestBody.create(JSON, jsonContent);
Request request = new Request
.Builder()
.url(String.format(URL_TEMPLATE, token))
.post(requestBody)
.build();
Response response = client.newCall(request).execute();
String rawRlt = response.body().string();
faceDetectResponse = mapper.readValue(rawRlt, FaceDetectResponse.class);
} catch (IOException ioException) {
ioException.printStackTrace();
}
return faceDetectResponse;
}
}
服務(wù)類(lèi)寫(xiě)完了，接下來(lái)是主程序把整個(gè)邏輯串起來(lái)
DetectService接口的實(shí)現(xiàn)
熟悉《JavaCV的攝像頭實(shí)戰(zhàn)》系列的讀者應(yīng)該對(duì)DetectService接口不陌生了，為了在整個(gè)系列的諸多實(shí)戰(zhàn)中以統(tǒng)一的風(fēng)格實(shí)現(xiàn)抓取幀–>處理幀–>輸出處理結(jié)果這樣的流程，咱們定義了一個(gè)DetectService接口，每種不同幀處理業(yè)務(wù)按照自己的特點(diǎn)來(lái)實(shí)現(xiàn)此接口即可（例如人臉檢測(cè)、年齡檢測(cè)、性別檢測(cè)等）
先來(lái)回顧DetectService接口：
package com.bolingcavalry.grabpush.extend;
import org.bytedeco.javacv.Frame;
import org.bytedeco.javacv.OpenCVFrameConverter;
import org.bytedeco.opencv.opencv_core.*;
import org.bytedeco.opencv.opencv_objdetect.CascadeClassifier;
import static org.bytedeco.opencv.global.opencv_core.CV_8UC1;
import static org.bytedeco.opencv.global.opencv_imgproc.*;
/**
* @author willzhao
* @version 1.0
* @description 檢測(cè)工具的通用接口
* @date 2021/12/5 10:57
*/
public interface DetectService {
/**
* 根據(jù)傳入的MAT構(gòu)造相同尺寸的MAT，存放灰度圖片用于以后的檢測(cè)
* @param src 原始圖片的MAT對(duì)象
* @return 相同尺寸的灰度圖片的MAT對(duì)象
*/
static Mat buildGrayImage(Mat src) {
return new Mat(src.rows(), src.cols(), CV_8UC1);
}
/**
* 檢測(cè)圖片，將檢測(cè)結(jié)果用矩形標(biāo)注在原始圖片上
* @param classifier 分類(lèi)器
* @param converter Frame和mat的轉(zhuǎn)換器
* @param rawFrame 原始視頻幀
* @param grabbedImage 原始視頻幀對(duì)應(yīng)的mat
* @param grayImage 存放灰度圖片的mat
* @return 標(biāo)注了識(shí)別結(jié)果的視頻幀
*/
static Frame detect(CascadeClassifier classifier,
OpenCVFrameConverter.ToMat converter,
Frame rawFrame,
Mat grabbedImage,
Mat grayImage) {
// 當(dāng)前圖片轉(zhuǎn)為灰度圖片
cvtColor(grabbedImage, grayImage, CV_BGR2GRAY);
// 存放檢測(cè)結(jié)果的容器
RectVector objects = new RectVector();
// 開(kāi)始檢測(cè)
classifier.detectMultiScale(grayImage, objects);
// 檢測(cè)結(jié)果總數(shù)
long total = objects.size();
// 如果沒(méi)有檢測(cè)到結(jié)果，就用原始幀返回
if (total<1) {
return rawFrame;
}
// 如果有檢測(cè)結(jié)果，就根據(jù)結(jié)果的數(shù)據(jù)構(gòu)造矩形框，畫(huà)在原圖上
for (long i = 0; i < total; i++) {
Rect r = objects.get(i);
int x = r.x(), y = r.y(), w = r.width(), h = r.height();
rectangle(grabbedImage, new Point(x, y), new Point(x + w, y + h), Scalar.RED, 1, CV_AA, 0);
}
// 釋放檢測(cè)結(jié)果資源
objects.close();
// 將標(biāo)注過(guò)的圖片轉(zhuǎn)為幀，返回
return converter.convert(grabbedImage);
}
/**
* 初始化操作，例如模型下載
* @throws Exception
*/
void init() throws Exception;
/**
* 得到原始幀，做識(shí)別，添加框選
* @param frame
* @return
*/
Frame convert(Frame frame);
/**
* 釋放資源
*/
void releaseOutputResource();
}
再來(lái)看看本次實(shí)戰(zhàn)中DetectService接口的實(shí)現(xiàn)類(lèi)BaiduCloudDetectService.java，有幾處要注意的地方稍后會(huì)提到：
package com.bolingcavalry.grabpush.extend;
import com.bolingcavalry.grabpush.bean.response.FaceDetectResponse;
import lombok.extern.slf4j.Slf4j;
import org.bytedeco.javacpp.Loader;
import org.bytedeco.javacv.Frame;
import org.bytedeco.javacv.Java2DFrameConverter;
import org.bytedeco.javacv.OpenCVFrameConverter;
import org.bytedeco.opencv.opencv_core.Mat;
import org.bytedeco.opencv.opencv_core.Point;
import org.bytedeco.opencv.opencv_core.Rect;
import org.bytedeco.opencv.opencv_core.Scalar;
import org.bytedeco.opencv.opencv_objdetect.CascadeClassifier;
import org.opencv.face.Face;
import sun.misc.BASE64Encoder;
import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.ByteArrayOutputStream;
import java.io.File;
import java.io.IOException;
import java.net.URL;
import java.util.List;
import static org.bytedeco.opencv.global.opencv_imgproc.*;
import static org.bytedeco.opencv.global.opencv_imgproc.CV_AA;
/**
* @author willzhao
* @version 1.0
* @description 音頻相關(guān)的服務(wù)
* @date 2021/12/3 8:09
*/
@Slf4j
public class BaiduCloudDetectService implements DetectService {
/**
* 每一幀原始圖片的對(duì)象
*/
private Mat grabbedImage = null;
/**
* 百度云的token
*/
private String token;
/**
* 圖片的base64字符串
*/
private String base64Str;
/**
* 百度云服務(wù)
*/
private BaiduCloudService baiduCloudService;
private OpenCVFrameConverter.ToMat openCVConverter = new OpenCVFrameConverter.ToMat();
private Java2DFrameConverter java2DConverter = new Java2DFrameConverter();
private OpenCVFrameConverter.ToMat converter = new OpenCVFrameConverter.ToMat();
private BASE64Encoder encoder = new BASE64Encoder();
/**
* 構(gòu)造方法，在此指定模型文件的下載地址
* @param token
*/
public BaiduCloudDetectService(String token) {
this.token = token;
}
/**
* 百度云服務(wù)對(duì)象的初始化
* @throws Exception
*/
@Override
public void init() throws Exception {
baiduCloudService = new BaiduCloudService(token);
}
@Override
public Frame convert(Frame frame) {
// 將原始幀轉(zhuǎn)成base64字符串
base64Str = frame2Base64(frame);
// 記錄請(qǐng)求開(kāi)始的時(shí)間
long startTime = System.currentTimeMillis();
// 交給百度云進(jìn)行人臉和口罩檢測(cè)
FaceDetectResponse faceDetectResponse = baiduCloudService.detect(base64Str);
// 如果檢測(cè)失敗，就提前返回了
if (null==faceDetectResponse
|| null==faceDetectResponse.getErrorCode()
|| !"0".equals(faceDetectResponse.getErrorCode())) {
String desc = "";
if (null!=faceDetectResponse) {
desc = String.format("，錯(cuò)誤碼[%s]，錯(cuò)誤信息[%s]", faceDetectResponse.getErrorCode(), faceDetectResponse.getErrorMsg());
}
log.error("檢測(cè)人臉失敗", desc);
// 提前返回
return frame;
}
log.info("檢測(cè)耗時(shí)[{}]ms，結(jié)果：{}", (System.currentTimeMillis()-startTime), faceDetectResponse);
// 如果拿不到檢測(cè)結(jié)果，就返回原始幀
if (null==faceDetectResponse.getResult()
|| null==faceDetectResponse.getResult().getFaceList()) {
log.info("未檢測(cè)到人臉");
return frame;
}
// 取出百度云的檢測(cè)結(jié)果，后面會(huì)逐個(gè)處理
List<FaceDetectResponse.Result.Face> list = faceDetectResponse.getResult().getFaceList();
FaceDetectResponse.Result.Face face;
FaceDetectResponse.Result.Face.Location location;
String desc;
Scalar color;
int pos_x;
int pos_y;
// 如果有檢測(cè)結(jié)果，就根據(jù)結(jié)果的數(shù)據(jù)構(gòu)造矩形框，畫(huà)在原圖上
for (int i = 0; i < list.size(); i++) {
face = list.get(i);
// 每張人臉的位置
location = face.getLocation();
int x = (int)location.getLeft();
int y = (int)location.getHeight();
int w = (int)location.getWidth();
int h = (int)location.getHeight();
// 口罩字段的type等于1表示帶口罩，0表示未帶口罩
if (1==face.getMask().getType()) {
desc = "Mask";
color = Scalar.GREEN;
} else {
desc = "No mask";
color = Scalar.RED;
}
// 在圖片上框出人臉
rectangle(grabbedImage, new Point(x, y), new Point(x + w, y + h), color, 1, CV_AA, 0);
// 人臉標(biāo)注的橫坐標(biāo)
pos_x = Math.max(x-10, 0);
// 人臉標(biāo)注的縱坐標(biāo)
pos_y = Math.max(y-10, 0);
// 給人臉做標(biāo)注，標(biāo)注是否佩戴口罩
putText(grabbedImage, desc, new Point(pos_x, pos_y), FONT_HERSHEY_PLAIN, 1.5, color);
}
// 將標(biāo)注過(guò)的圖片轉(zhuǎn)為幀，返回
return converter.convert(grabbedImage);
}
/**
* 程序結(jié)束前，釋放人臉識(shí)別的資源
*/
@Override
public void releaseOutputResource() {
if (null!=grabbedImage) {
grabbedImage.release();
}
}
private String frame2Base64(Frame frame) {
grabbedImage = converter.convert(frame);
BufferedImage bufferedImage = java2DConverter.convert(openCVConverter.convert(grabbedImage));
ByteArrayOutputStream bStream = new ByteArrayOutputStream();
try {
ImageIO.write(bufferedImage, "png", bStream);
} catch (IOException e) {
throw new RuntimeException("bugImg讀取失敗:"+e.getMessage(),e);
}
return encoder.encode(bStream.toByteArray());
}
}
上述代碼有以下幾點(diǎn)要注意：
1.整個(gè)BaiduCloudDetectService類(lèi)，主要是對(duì)前面BaiduCloudService類(lèi)的使用
2.convert方法中，拿到frame實(shí)例后會(huì)轉(zhuǎn)為base64字符串，用于提交到百度AI開(kāi)放平臺(tái)做人臉檢測(cè)
3.百度AI開(kāi)放平臺(tái)的檢測(cè)結(jié)果中有多個(gè)人臉檢測(cè)結(jié)果，這里要逐個(gè)處理：取出每個(gè)人臉的位置，以此位置在原圖畫(huà)矩形框，然后根據(jù)是否戴口罩在人臉上做標(biāo)記，戴口罩的是綠色標(biāo)記（包括矩形框），不戴口罩的是紅色矩形框
主程序
最后是主程序了，還是《JavaCV的攝像頭實(shí)戰(zhàn)》系列的套路，咱們來(lái)看看主程序的服務(wù)類(lèi)定義好的框架
《JavaCV的攝像頭實(shí)戰(zhàn)之一：基礎(chǔ)》創(chuàng)建的simple-grab-push工程中已經(jīng)準(zhǔn)備好了父類(lèi)AbstractCameraApplication，所以本篇繼續(xù)使用該工程，創(chuàng)建子類(lèi)實(shí)現(xiàn)那些抽象方法即可
編碼前先回顧父類(lèi)的基礎(chǔ)結(jié)構(gòu)，如下圖，粗體是父類(lèi)定義的各個(gè)方法，紅色塊都是需要子類(lèi)來(lái)實(shí)現(xiàn)抽象方法，所以接下來(lái)，咱們以本地窗口預(yù)覽為目標(biāo)實(shí)現(xiàn)這三個(gè)紅色方法即可：
新建文件PreviewCameraWithBaiduCloud.java，這是AbstractCameraApplication的子類(lèi)，其代碼很簡(jiǎn)單，接下來(lái)按上圖順序依次說(shuō)明
先定義CanvasFrame類(lèi)型的成員變量previewCanvas，這是展示視頻幀的本地窗口：
protected CanvasFrame previewCanvas
把前面創(chuàng)建的DetectService作為成員變量，后面檢測(cè)的時(shí)候會(huì)用到：
/**
* 檢測(cè)工具接口
*/
private DetectService detectService;
PreviewCameraWithBaiduCloud的構(gòu)造方法，接受DetectService的實(shí)例：
/**
* 不同的檢測(cè)工具，可以通過(guò)構(gòu)造方法傳入
* @param detectService
*/
public PreviewCameraWithBaiduCloud(DetectService detectService) {
this.detectService = detectService;
}
然后是初始化操作，可見(jiàn)是previewCanvas的實(shí)例化和參數(shù)設(shè)置，還有檢測(cè)、識(shí)別的初始化操作：
@Override
protected void initOutput() throws Exception {
previewCanvas = new CanvasFrame("攝像頭預(yù)覽", CanvasFrame.getDefaultGamma() / grabber.getGamma());
previewCanvas.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
previewCanvas.setAlwaysOnTop(true);
// 檢測(cè)服務(wù)的初始化操作
detectService.init();
}
接下來(lái)是output方法，定義了拿到每一幀視頻數(shù)據(jù)后做什么事情，這里調(diào)用了detectService.convert檢測(cè)人臉并識(shí)別性別，然后在本地窗口顯示：
@Override
protected void output(Frame frame) {
// 原始幀先交給檢測(cè)服務(wù)處理，這個(gè)處理包括物體檢測(cè)，再將檢測(cè)結(jié)果標(biāo)注在原始圖片上，
// 然后轉(zhuǎn)換為幀返回
Frame detectedFrame = detectService.convert(frame);
// 預(yù)覽窗口上顯示的幀是標(biāo)注了檢測(cè)結(jié)果的幀
previewCanvas.showImage(detectedFrame);
}
最后是處理視頻的循環(huán)結(jié)束后，程序退出前要做的事情，先關(guān)閉本地窗口，再釋放檢測(cè)服務(wù)的資源：
@Override
protected void releaseOutputResource() {
if (null!= previewCanvas) {
previewCanvas.dispose();
}
// 檢測(cè)工具也要釋放資源
detectService.releaseOutputResource();
}
每一幀耗時(shí)太多，所以?xún)蓭g就不再額外間隔了：
@Override
protected int getInterval() {
return 0;
}
至此，功能已開(kāi)發(fā)完成，再寫(xiě)上main方法，代碼如下，請(qǐng)注意token的值是前面在百度AI開(kāi)放平臺(tái)取得的access_token：
public static void main(String[] args) {
String token = "21.xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx.xxxxxxx.xxxxxxxxxx.xxxxxx-xxxxxxxx";
new PreviewCameraWithBaiduCloud(new BaiduCloudDetectService(token)).action(1000);
}
至此，代碼寫(xiě)完了，準(zhǔn)備好攝像頭開(kāi)始驗(yàn)證，群眾演員為了免費(fèi)盒飯已經(jīng)在寒風(fēng)中等了很久啦
驗(yàn)證
運(yùn)行PreviewCameraWithBaiduCloud的main方法，請(qǐng)群眾演員出現(xiàn)在攝像頭前面，此時(shí)不戴口罩，可見(jiàn)人臉上是紅色字體和矩形框：
讓群眾演員戴上口罩，再次出現(xiàn)在攝像頭前面，這次檢測(cè)到了口罩，顯示了綠色標(biāo)注和矩形框：
實(shí)際體驗(yàn)中，由于一秒鐘最多只有兩幀，在預(yù)覽窗口展示時(shí)完全是幻燈片效果，慘不忍睹…
以上就是JavaCV攝像頭實(shí)戰(zhàn)之實(shí)現(xiàn)口罩檢測(cè)的詳細(xì)內(nèi)容，更多關(guān)于JavaCV口罩檢測(cè)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
IntelliJ?IDEA軟件內(nèi)如何實(shí)現(xiàn)更新到最新版本
文章介紹了如何在IntelliJIDEA中更新到最新版本以及如何回到之前忽略的版本,解決辦法是通過(guò)選擇"IgnoreThisUpdate"來(lái)跳過(guò)舊版本,重復(fù)操作即可更新到最新版本2024-12-12
這篇文章主要介紹了MyBatis中的JdbcType映射使用方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-12-12
springboot如何使用thymeleaf完成頁(yè)面緩存
這篇文章主要介紹了springboot如何使用thymeleaf完成頁(yè)面緩存，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-06-06
這篇文章主要介紹了JVM內(nèi)置函數(shù)Intrinsics，我們將學(xué)習(xí)什么是intrinsics（內(nèi)部/內(nèi)置函數(shù)），以及它們?nèi)绾卧贘ava和其他基于JVM的語(yǔ)言中工作,需要的朋友可以參考一下2022-02-02
這篇文章主要介紹了Java中對(duì)象的比較操作,結(jié)合實(shí)例形式分析了java對(duì)象比較操作實(shí)現(xiàn)方法與相關(guān)操作注意事項(xiàng),需要的朋友可以參考下2019-08-08
一文掌握SpringSecurity?BCrypt密碼加密和解密
BCrypt就是一款加密工具，可以比較方便地實(shí)現(xiàn)數(shù)據(jù)的加密工作。也可以簡(jiǎn)單理解為它內(nèi)部自己實(shí)現(xiàn)了隨機(jī)加鹽處理，這篇文章主要介紹了SpringSecurity?BCrypt密碼加密和解密，一文學(xué)會(huì)使用BCryptPasswordEncoder的方法,需要的朋友可以參考下2023-04-04
詳解spring中使用Elasticsearch的代碼實(shí)現(xiàn)
本篇文章主要介紹了詳解spring中使用Elasticsearch的代碼實(shí)現(xiàn)，具有一定的參考價(jià)值，有興趣的可以了解一下2017-05-05
spring boot使用sharding jdbc的配置方式
這篇文章主要介紹了spring boot使用sharding jdbc的配置方式，小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-12-12
Springboot接口項(xiàng)目如何使用AOP記錄日志
這篇文章主要介紹了Springboot接口項(xiàng)目如何使用AOP記錄日志,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-06-06
Maven構(gòu)建SpringBoot集成MyBatis過(guò)程
文章介紹了如何使用Maven創(chuàng)建一個(gè)Spring Boot項(xiàng)目,并集成MyBatis,首先,配置Maven環(huán)境,然后在pom.xml中添加MyBatis依賴(lài),配置數(shù)據(jù)庫(kù)連接信息,最后生成Mapper XML文件和DAO層代碼2024-11-11