JavaCV的摄像头实战之八：人脸检测
欢迎访问我的GitHub这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos
本篇概览
[*]本文是《JavaCV的摄像头实战》的第八篇，前面的操作夯实了的帧和流处理的基本功，接下来开始实现一些常见的CV能力，就从本篇的人检测别开始吧
[*]OpenCV中常用的人脸检测是基于Haar特征的级联分类器，本篇借助JavaCV来使用该分类器实现人脸检测
简单的设计
[*]编码之前先把要做的事情梳理一下：
[*]检测功能可能用在多个场景：窗口预览、推流、存文件都可能用到，所以检测功能的代码最好独立出来，不要和预览、推流这些代码写在一起，如下图，检测的接口DetectService会作为每个应用的成员变量存在：
https://img2023.cnblogs.com/blog/485422/202306/485422-20230619064800669-745852568.png
[*]检测服务不仅是人脸检测，今后还有人体检测、物体检测等等，所以设计一个检测服务接口DetectService，人脸检测、人体检测、物体检测这些类都是这个接口的实现，如下图所示，对于预览、推流、存文件这个应用的代码，直接使用接口的API即可，具体检测的实现类可以在初始化的时候确定
https://img2023.cnblogs.com/blog/485422/202306/485422-20230619064800672-1539825464.png
[*]聪明的您应该会觉得欣宸的水平过于原始：上面的设计不就是Spring的依赖注入吗？为啥不用呢？其实这个系列的重点是JavaCV，所以保持代码简单吧，不引入Spring框架了
[*]总的来说，今天的要写的代码如下图所示，绿色块的AbstractCameraApplication类已在《JavaCV的摄像头实战之一：基础》一文中完成，其余三个全部在本篇编写，包括两个java类、一个接口：
https://img2023.cnblogs.com/blog/485422/202306/485422-20230619064800806-1648177851.png
[*]分析得差不多了，开始编码，先写接口DetectService
检测服务接口DetectService
[*]新增接口DetectService.java，里面有三个方法定义：
/**
* 初始化操作，例如模型下载
* @throws Exception
*/
void init() throws Exception;
/**
* 得到原始帧，做检测，添加框选
* @param frame
* @return
*/
Frame convert(Frame frame);
/**
* 释放资源
*/
void releaseOutputResource();
[*]另外还有两个静态方法，也放在DetectService.java中，第一个是buildGrayImage，该方法会根据入参Mat的尺寸新建一个Mat对象，新建的对象用于保存灰度图片，因为检测时用的是灰度图片而不是原图：
/**
* 根据传入的MAT构造相同尺寸的MAT，存放灰度图片用于以后的检测
* @param src 原始图片的MAT对象
* @return 相同尺寸的灰度图片的MAT对象
*/
static Mat buildGrayImage(Mat src) {
return new Mat(src.rows(), src.cols(), CV_8UC1);
}
[*]第二个方法是第一个是detect，该方法非常重要：将原图转为灰度图片，再用指定的分类器检测，将检测结果在原图上标注出来，标注后的Mat转为Frame对象返回：
/** * 检测图片，将检测结果用矩形标注在原始图片上 * @param classifier 分类器 * @param converter Frame和mat的转换器 * @param rawFrame 原始视频帧 * @param grabbedImage 原始视频帧对应的mat * @param grayImage 存放灰度图片的mat * @return 标注了检测结果的视频帧 */ static Frame detect(CascadeClassifier classifier, OpenCVFrameConverter.ToMat converter, Frame rawFrame, Mat grabbedImage, Mat grayImage) { // 当前图片转为灰度图片 cvtColor(grabbedImage, grayImage, CV_BGR2GRAY); // 存放检测结果的容器 RectVector objects = new RectVector(); // 开始检测 classifier.detectMultiScale(grayImage, objects); // 检测结果总数 long total = objects.size(); // 如果没有检测到结果，就用原始帧返回 if (total
页:
[1]