OpenCVCheck

Introduction: OpenCV 人脸识别、图片相似度检测
More: Author   ReportBugs   
Tags:

OpenCV 人脸识别、图片相似度检测

检测任意两张图片的相似度思路

  1. 加载两张图片为 bitmap 进入内存
  2. 将内存中的两张图片 bitmap 转换为 Mat 矩阵(Mat 类是 OpenCV 最基本的一个数据类型,它可以表示一个多维的多通道的数组。Mat 常用来存储图像,包括单通道二维数组——灰度图,多通道二维数组——彩色图)
  3. 把 Mat 矩阵的 type 转换为 Cv_8uc1(1 通道 8 位矩阵)类型,然后转换为 Cv_32F, 因为在 c++代码中会判断他的类型。
  4. 通过 OpenCv 来进行俩个矩阵的比较(俩个矩阵必须一样大小的高宽)

识别图片中是否有人脸思路

  1. 需要一个人脸的 Haar 特征分类器就是一个 XML 文件,该文件中会描述人脸的 Haar 特征值,CascadeClassifier 人脸探测器将该特征值集合加载入内存
  2. 加载图片为 bitmap 进入内存,将 bitmap 转换为 Mat 矩阵。
  3. 有了 Mat 矩阵,然后通过调用 OpenCV 的 Native 方法,人脸探测器 CascadeClassifier 在该 Mat 矩阵中检测当前是否有人脸。
  4. 如果有,我们会获取到一个 Rect 数组,里面会有人脸数据,然后将人脸画在屏幕上,方框或者圆形

识别两张图片中的人脸是否是同一个人脸思路

  1. 识别出人脸后会得到两个人脸的 Rect 数组,然后比较这两个 Rect 数组的相似度即可!

实现步骤

工程目录准备

  1. 新建 Android Studio 项目 OpenCVCheck
  2. 导入 OpenCVLibrary320
  3. 在 module 下的 build.gradle 中引入 OpenCVLibrary 的编译:

      compile project(':openCVLibrary320')
    

检测任意两张图片的相似度的实现步骤

  1. 初始化 OpenCV:

     static {
         if (OpenCVLoader.initDebug()) {
             Log.e(TAG, "OpenCV load success !");
         } else {
             Log.e(TAG, "OpenCV load failed !");
         }
     }
    
  2. 加载两张图片进入内存

     Bitmap mBitmap1 = BitmapFactory.decodeResource(getResources(), R.mipmap.pic1);
     Bitmap mBitmap2 = BitmapFactory.decodeResource(getResources(), R.mipmap.pic2);
    
  3. 将内存中的两张图片 bitmap 转换为 Mat 矩阵

     Mat mat1 = new Mat();
     Mat mat2 = new Mat();
     Mat mat11 = new Mat();
     Mat mat22 = new Mat();
     Utils.bitmapToMat(mBitmap1, mat1);
     Utils.bitmapToMat(mBitmap2, mat2);
    
     Imgproc.cvtColor(mat1, mat11, Imgproc.COLOR_BGR2GRAY);
     Imgproc.cvtColor(mat2, mat22, Imgproc.COLOR_BGR2GRAY);
    
  4. 把 Mat 矩阵的 type 转换为 Cv_8uc1(1 通道 8 位矩阵)类型,然后转换为 Cv_32F,通过 OpenCV 来进行俩个矩阵的比较

     /**
      * 比较来个矩阵的相似度
      *
      * @param srcMat
      * @param desMat
      */
     public void comPareHist(Mat srcMat, Mat desMat) {
    
         srcMat.convertTo(srcMat, CvType.CV_32F);
         desMat.convertTo(desMat, CvType.CV_32F);
         double target = Imgproc.compareHist(srcMat, desMat, Imgproc.CV_COMP_CORREL);
    
         textView.setText("相似度:" + target);
     }
    

识别图片中是否有人脸步骤

  1. 初始化 OpenCV

     if (!OpenCVLoader.initDebug()) {
        Log.d(TAG, "Internal OpenCV library not found. Using OpenCV Manager for initialization");
        OpenCVLoader.initAsync(OpenCVLoader.OPENCV_VERSION_2_4_11, this, mLoaderCallback);
     } else {
        Log.d(TAG, "OpenCV library found inside package. Using it!");
        mLoaderCallback.onManagerConnected(LoaderCallbackInterface.SUCCESS);
     }
    
  2. 编译 .so 库

    通过 ndk 来编译 jni 文件下的.cpp 文件,生成.so 库,以备程序使用

  3. 加载.so 库

          // 在 Opencv 初始化完成后,调用 Native 库
          System.loadLibrary("detection_based_tracker");
    
  4. 加载需要的人脸的 Haar 特征分类器就是一个 XML 文件,该文件中会描述人脸的 Haar 特征值

    ``` private BaseLoaderCallback mLoaderCallback = new BaseLoaderCallback(this) {

        @Override
        public void onManagerConnected(int status) {
            switch (status) {
                case LoaderCallbackInterface.SUCCESS: {
                    Log.i(TAG, "OpenCV loaded successfully");
    
                    // Load native library after(!) OpenCV initialization
                    System.loadLibrary("detection_based_tracker");
    
                    try {
                        // load cascade file from application resources
                        InputStream is = getResources().openRawResource(R.raw.lbpcascade_frontalface);
                        File cascadeDir = getDir("cascade", Context.MODE_PRIVATE);
                        mCascadeFile = new File(cascadeDir, "lbpcascade_frontalface.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();
    
                        mJavaDetector = new CascadeClassifier(mCascadeFile.getAbsolutePath());
                        if (mJavaDetector.empty()) {
                            Log.e(TAG, "Failed to load cascade classifier");
                            mJavaDetector = null;
                        } else
                            Log.i(TAG, "Loaded cascade classifier from " + mCascadeFile.getAbsolutePath());
    
                        mNativeDetector = new DetectionBasedTracker(mCascadeFile.getAbsolutePath(), 0);
    
                        cascadeDir.delete();
    
                    } catch (IOException e) {
                        e.printStackTrace();
                        Log.e(TAG, "Failed to load cascade. Exception thrown: " + e);
                    }
    
               }
               break;
               default: {
                   super.onManagerConnected(status);
               }
               break;
           }
       }
   };
```
  1. 加载图片进入内存,得到 Mat 矩阵,有了 Mat 矩阵,然后通过调用 OpenCV 的 Native 方法,人脸探测器 CascadeClassifier 在该 Mat 矩阵中检测当前是否有人脸

              Bitmap imgtemp = BitmapFactory.decodeResource(getResources(), R.mipmap.twop);
    
              Utils.bitmapToMat(imgtemp, mRgba);
    
              Mat mat1 = new Mat();
    
              Utils.bitmapToMat(imgtemp, mat1);
    
              Imgproc.cvtColor(mat1, mGray, Imgproc.COLOR_BGR2GRAY);
    
              if (mAbsoluteFaceSize == 0) {
                  int height = mGray.rows();
                  if (Math.round(height * mRelativeFaceSize) > 0) {
                      mAbsoluteFaceSize = Math.round(height * mRelativeFaceSize);
                  }
                  mNativeDetector.setMinFaceSize(mAbsoluteFaceSize);
              }
    
              MatOfRect faces = new MatOfRect();
    
              if (mDetectorType == JAVA_DETECTOR) {
                  if (mJavaDetector != null)
                      mJavaDetector.detectMultiScale(mGray, faces, 1.1, 2, 2, // TODO: objdetect.CV_HAAR_SCALE_IMAGE
                              new Size(mAbsoluteFaceSize, mAbsoluteFaceSize), new Size());
              } else if (mDetectorType == NATIVE_DETECTOR) {
                  if (mNativeDetector != null)
                      mNativeDetector.detect(mGray, faces);
              } else {
                  Log.e(TAG, "Detection method is not selected!");
              }
    
  2. 如果有,我们会获取到一个 Rect 数组,里面会有人脸数据,然后将人脸画在屏幕上,方框或者圆形

      Rect[] facesArray = faces.toArray();
      for (int i = 0; i < facesArray.length; i++)
          Imgproc.rectangle(mRgba, facesArray[i].tl(), facesArray[i].br(), FACE_RECT_COLOR, 3);
    
      Utils.matToBitmap(mRgba, imgtemp, true);
    
      imageView.setImageBitmap(imgtemp);
    
## 识别两张图片中的人脸是否是同一个人脸步骤

 这个功能前面的步骤跟检测人脸的一样,唯一不同的就是:检测出两个人脸的 Rect 数组后,进行相似度比较:

 ```
 /**
      * 特征对比
      *
      * @param file1 人脸特征
      * @param file2 人脸特征
      * @return 相似度
      */
     public double CmpPic(String file1, String file2) {
         try {
             int l_bins = 256;
             int hist_size[] = {l_bins};
             float v_ranges[] = {0, 255};
             float ranges[][] = {v_ranges};
             opencv_core.IplImage Image1 = cvLoadImage(getFilePath(file1), CV_LOAD_IMAGE_GRAYSCALE);
             opencv_core.IplImage Image2 = cvLoadImage(getFilePath(file2), CV_LOAD_IMAGE_GRAYSCALE);
             opencv_core.IplImage imageArr1[] = {Image1};
             opencv_core.IplImage imageArr2[] = {Image2};
             opencv_imgproc.CvHistogram Histogram1 = opencv_imgproc.CvHistogram.create(1, hist_size, CV_HIST_ARRAY, ranges, 1);
             opencv_imgproc.CvHistogram Histogram2 = opencv_imgproc.CvHistogram.create(1, hist_size, CV_HIST_ARRAY, ranges, 1);
             cvCalcHist(imageArr1, Histogram1, 0, null);
             cvCalcHist(imageArr2, Histogram2, 0, null);
             cvNormalizeHist(Histogram1, 100.0);
             cvNormalizeHist(Histogram2, 100.0);

             double c1 = cvCompareHist(Histogram1, Histogram2, CV_COMP_CORREL) * 100;
             double c2 = cvCompareHist(Histogram1, Histogram2, CV_COMP_INTERSECT);
             return (c1 + c2) / 2;
         } catch (Exception e) {
             e.printStackTrace();
             return -1;
         }
     }
 ```
Apps
About Me
Google+: Trinea trinea
GitHub: Trinea