Android NDK OpenCV级联方式实时进行人脸检测

Vaccae

发布于 2019-07-30 12:29:06

1.5K0

发布于 2019-07-30 12:29:06

文章被收录于专栏：微卡智享

前言

前面的文章《Android通过OpenCV和TesserartOCR实时进行识别》我们已经搭好一个利用NDK方式实时处理摄像头数据的程序了，今天我们就在看看OpenCV中通过级联方式实时进行人脸检测。

视频效果
特别说明

本章我把OpenCV版本改为了4.1，原因是用Opencv3.4.6版本时，在做编译运行后报错

在网上找了好多资料，如在build.gradle中改

都无法解决这个问题，所以我换了OpenCV4.1后完全无问题了。等我再研究研究找到解决OpenCV3.4.6的问题后，会专门写一章来说明。

代码演示

为了减少前面环境搭建，我们直接用《Android通过OpenCV和TesserartOCR实时进行识别》项目，在这个基础上直接实现我们的人脸检测。

haarcascade_frontalface_alt2.xml

级联检测的数据文件，这个文件是OpenCV已经训练好的数据，我们直接拿来就可以用，文件在OpenCV的源码下的data\haarcascades文件夹下，网上也可以找到这个文件的下载链接。

找到文件后我们需要把这个文件存放到Android项目的资源文件下，在res下新建一个raw的类型

然后把我们的haarcascade_frontalface_alt2.xml拷贝到raw下面

然后在MainActivity下面定义一个File类型，写一个将训练文件复制到Android本地的方法，便于后面NDK调动训练文件时可以直接从路径中加载。

    private File mCascadeFile;

    private void copyCascadeFile() {
        try {
            // load cascade file from application resources
            InputStream is = getResources().openRawResource(R.raw.haarcascade_frontalface_alt2);
            File cascadeDir = getDir("cascade", Context.MODE_PRIVATE);
            mCascadeFile = new File(cascadeDir, "lbpcascade_frontalface2.xml");
            if(mCascadeFile.exists()) return;
            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();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

然后在CPP下面新建一个facedetector的文件

facedetector.h

头文件中写入加载训练文件(loadcascade)和人脸检测(detectorface)两个方法。

facedetector.cpp

CPP文件中写两个方法的实现，首先定义了一个CascadeClassifier

加载训练文件，这里单独列出加载训练文件是因为我们打开摄像头时就先加载过来，后面直接进行检测即可，如果每一帧都要重新加载，被影响速度。

人脸检测方法

转为灰度图
直方图均衡化
多尺度检测detectMultiScale
在源图上绘制检测的矩形

CPP的全部代码

//
// Created by 36574 on 2019-07-11.
//

#include "facedetector.h"

CascadeClassifier cascadeClassifier;

void facedetector::loadcascade(char *filepath) {
    cascadeClassifier.load(filepath);
}

//人脸检测
vector<Mat> facedetector::detectorface(Mat &src) {
    //用于存放识别到的图像
    std::vector<Mat>output;

    std::vector<Rect> faces;
    Mat gray;

    //灰度图
    cvtColor(src, gray, COLOR_BGRA2GRAY);
    //直方图均衡化
    equalizeHist(gray, gray);

    //多尺度人脸检测
    cascadeClassifier.detectMultiScale(gray, faces, 2, 3, 0);
    //在源图上画出人脸
    for (int i = 0; i < faces.size(); i++) {
        rectangle(src, faces[i], Scalar(255, 0, 255), 2);
    }

    return output;
}

VaccaeOpenCVJNI

我们在OpenCVJNI的类里面加入一个加载训练文件的方法

然后通过ALT+ENTER会在native-lib.cpp生成对应的方法

native-lib.cpp

我们在这里直接调用facedetector类中的loadcascade即可。

然后在native-lib.cpp中原来的getCameraframebitbmp方法后屏蔽掉我们原来的检测，改为调用facedetector类中的detectorface，如下：

完整的native-lib.cpp

#include <jni.h>
#include <string>
#include <android/log.h>
#include <android/bitmap.h>
#include <opencv2/opencv.hpp>
#include "testcv.h"
#include "facedetector.h"

#define LOG_TAG "System.out"
#define LOGI(...) __android_log_print(ANDROID_LOG_INFO, LOG_TAG, __VA_ARGS__)

//将Mat转换为bitmap
jobject mat2bitmap(JNIEnv *env, cv::Mat &src, bool needPremultiplyAlpha, jobject bitmap_config) {
    jclass java_bitmap_class = (jclass) env->FindClass("android/graphics/Bitmap");
    jmethodID mid = env->GetStaticMethodID(java_bitmap_class, "createBitmap",
                                           "(IILandroid/graphics/Bitmap$Config;)Landroid/graphics/Bitmap;");
    jobject bitmap = env->CallStaticObjectMethod(java_bitmap_class,
                                                 mid, src.size().width, src.size().height,
                                                 bitmap_config);
    AndroidBitmapInfo info;
    void *pixels = 0;

    try {
        CV_Assert(AndroidBitmap_getInfo(env, bitmap, &info) >= 0);
        CV_Assert(src.type() == CV_8UC1 || src.type() == CV_8UC3 || src.type() == CV_8UC4);
        CV_Assert(AndroidBitmap_lockPixels(env, bitmap, &pixels) >= 0);
        CV_Assert(pixels);

        if (info.format == ANDROID_BITMAP_FORMAT_RGBA_8888) {
            cv::Mat tmp(info.height, info.width, CV_8UC4, pixels);
            if (src.type() == CV_8UC1) {
                cvtColor(src, tmp, cv::COLOR_GRAY2RGBA);
            } else if (src.type() == CV_8UC3) {
                cvtColor(src, tmp, cv::COLOR_RGB2BGRA);
            } else if (src.type() == CV_8UC4) {
                if (needPremultiplyAlpha) {
                    cvtColor(src, tmp, cv::COLOR_RGBA2mRGBA);
                } else {
                    src.copyTo(tmp);
                }
            }
        } else {
            // info.format == ANDROID_BITMAP_FORMAT_RGB_565
            cv::Mat tmp(info.height, info.width, CV_8UC2, pixels);
            if (src.type() == CV_8UC1) {
                cvtColor(src, tmp, cv::COLOR_GRAY2BGR565);
            } else if (src.type() == CV_8UC3) {
                cvtColor(src, tmp, cv::COLOR_RGB2BGR565);
            } else if (src.type() == CV_8UC4) {
                cvtColor(src, tmp, cv::COLOR_RGBA2BGR565);
            }
        }
        AndroidBitmap_unlockPixels(env, bitmap);
        return bitmap;
    } catch (cv::Exception e) {
        AndroidBitmap_unlockPixels(env, bitmap);
        jclass je = env->FindClass("org/opencv/core/CvException");
        if (!je) je = env->FindClass("java/lang/Exception");
        env->ThrowNew(je, e.what());
        return bitmap;
    } catch (...) {
        AndroidBitmap_unlockPixels(env, bitmap);
        jclass je = env->FindClass("java/lang/Exception");
        env->ThrowNew(je, "Unknown exception in JNI code {nMatToBitmap}");
        return bitmap;
    }
}



extern "C"
JNIEXPORT jobject JNICALL
Java_dem_vac_tesseractocr_VaccaeOpenCVJNI_getCameraframebitbmp(JNIEnv *env, jclass type,
                                                               jobject bmp, jstring text_) {
    const char *text = env->GetStringUTFChars(text_, 0);

    AndroidBitmapInfo bitmapInfo;
    void *pixelscolor;
    int ret;

    //获取图像信息，如果返回值小于0就是执行失败
    if ((ret = AndroidBitmap_getInfo(env, bmp, &bitmapInfo)) < 0) {
        LOGI("AndroidBitmap_getInfo failed! error-%d", ret);
        return NULL;
    }

    //判断图像类型是不是RGBA_8888类型
    if (bitmapInfo.format != ANDROID_BITMAP_FORMAT_RGBA_8888) {
        LOGI("BitmapInfoFormat error");
        return NULL;
    }

    //获取图像像素值
    if ((ret = AndroidBitmap_lockPixels(env, bmp, &pixelscolor)) < 0) {
        LOGI("AndroidBitmap_lockPixels() failed ! error=%d", ret);
        return NULL;
    }

    //获取ArrayList类引用
    jclass list_jcls = env->FindClass("java/util/ArrayList");
    if (list_jcls == NULL) {
        LOGI("ArrayList没找到相关类!");
        return 0;
    }

    //获取ArrayList构造函数id
    jmethodID list_init = env->GetMethodID(list_jcls, "<init>", "()V");
    //创建一个ArrayList对象
    jobject list_obj = env->NewObject(list_jcls, list_init, "");


    //获取ArrayList对象的add()的methodID
    jmethodID list_add = env->GetMethodID(list_jcls, "add", "(Ljava/lang/Object;)Z");

    //生成源图像
    cv::Mat src(bitmapInfo.height, bitmapInfo.width, CV_8UC4, pixelscolor);

    //图像处理
//    std::vector<cv::Mat> outdsts=testcv::getrectdetector(src);
    std::vector<cv::Mat> outdsts = facedetector::detectorface(src);

    //获取原图片的参数
    jclass java_bitmap_class = (jclass) env->FindClass("android/graphics/Bitmap");
    jmethodID mid = env->GetMethodID(java_bitmap_class, "getConfig",
                                     "()Landroid/graphics/Bitmap$Config;");
    jobject bitmap_config = env->CallObjectMethod(bmp, mid);
    //将SRC转换为图片
    jobject _bitmap = mat2bitmap(env, src, false, bitmap_config);

    env->CallBooleanMethod(list_obj, list_add, _bitmap);

    //判断有截出的图像后加入到返回的List<Bitmap>列表中
    if(outdsts.size()>0) {
        for (int i = 0; i < outdsts.size(); i++) {
            jobject dstbmp = mat2bitmap(env, outdsts[i], false, bitmap_config);
            env->CallBooleanMethod(list_obj, list_add, dstbmp);
        }
    }

    AndroidBitmap_unlockPixels(env, bmp);


    return list_obj;
}

extern "C"
JNIEXPORT void JNICALL
Java_dem_vac_tesseractocr_VaccaeOpenCVJNI_loadcascade(JNIEnv *env, jclass type, jstring filepath_) {
    const char *filepath = env->GetStringUTFChars(filepath_, 0);

    // TODO
    facedetector::loadcascade(const_cast<char *>(filepath));

    env->ReleaseStringUTFChars(filepath_, filepath);
}

最后我们在MainActivity开户摄像头前加入加载训练文件的过程即可。