JavaCV的摄像头实战之十二：性别检测 - IT评测·应用市场-qidao123.com

protected CanvasFrame previewCanvas

复制代码

/**
* 检测工具接口
*/
private DetectService detectService;

复制代码

/**
* 不同的检测工具，可以通过构造方法传入
* @param detectService
*/
public PreviewCameraWithGenderAge(DetectService detectService) {
this.detectService = detectService;
}

复制代码

@Override
protected void initOutput() throws Exception {
previewCanvas = new CanvasFrame("摄像头预览", CanvasFrame.getDefaultGamma() / grabber.getGamma());
previewCanvas.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
previewCanvas.setAlwaysOnTop(true);
// 检测服务的初始化操作
detectService.init();
}

复制代码

@Override
protected void output(Frame frame) {
// 原始帧先交给检测服务处理，这个处理包括物体检测，再将检测结果标注在原始图片上，
// 然后转换为帧返回
Frame detectedFrame = detectService.convert(frame);
// 预览窗口上显示的帧是标注了检测结果的帧
previewCanvas.showImage(detectedFrame);
}

复制代码

@Override
protected void releaseOutputResource() {
if (null!= previewCanvas) {
previewCanvas.dispose();
}
// 检测工具也要释放资源
detectService.releaseOutputResource();
}

复制代码

@Override
protected int getInterval() {
return super.getInterval()/8;
}

复制代码

public static void main(String[] args) {
String base = "E:\\temp\\202112\\25\\opencv\";
DetectService detectService = new GenderDetectService(
base + "haarcascade_frontalface_alt.xml",
base + "gender\\deploy.prototxt",
base + "gender\\gender_net.caffemodel");
new PreviewCameraWithGenderAge(detectService).action(1000);
}

复制代码

package com.bolingcavalry.grabpush.extend;
public interface DetectService {
/**
* 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);
}
/**
* 初始化操作，例如模型下载
* @throws Exception
*/
void init() throws Exception;
/**
* 得到原始帧，做识别，添加框选
* @param frame
* @return
*/
Frame convert(Frame frame);
/**
* 释放资源
*/
void releaseOutputResource();
}

复制代码

package com.bolingcavalry.grabpush.extend;
import com.bolingcavalry.grabpush.Constants;
import lombok.extern.slf4j.Slf4j;
import org.bytedeco.javacpp.indexer.Indexer;
import org.bytedeco.javacv.Frame;
import org.bytedeco.javacv.OpenCVFrameConverter;
import org.bytedeco.opencv.opencv_core.*;
import org.bytedeco.opencv.opencv_dnn.Net;
import org.bytedeco.opencv.opencv_objdetect.CascadeClassifier;
import static org.bytedeco.opencv.global.opencv_core.NORM_MINMAX;
import static org.bytedeco.opencv.global.opencv_core.normalize;
import static org.bytedeco.opencv.global.opencv_dnn.blobFromImage;
import static org.bytedeco.opencv.global.opencv_dnn.readNetFromCaffe;
import static org.bytedeco.opencv.global.opencv_imgproc.*;
/**
* @author willzhao
* @version 1.0
* @description 音频相关的服务
* @date 2021/12/3 8:09
*/
@Slf4j
public class GenderDetectService implements DetectService {
/**
* 每一帧原始图片的对象
*/
private Mat grabbedImage = null;
/**
* 原始图片对应的灰度图片对象
*/
private Mat grayImage = null;
/**
* 分类器
*/
private CascadeClassifier classifier;
/**
* 转换器
*/
private OpenCVFrameConverter.ToMat converter = new OpenCVFrameConverter.ToMat();
/**
* 人脸检测模型文件的下载地址
*/
private String classifierModelFilePath;
/**
* 性别识别proto文件的下载地址
*/
private String genderProtoFilePath;
/**
* 性别识别模型文件的下载地址
*/
private String genderModelFilePath;
/**
* 推理性别的神经网络对象
*/
private Net cnnNet;
/**
* 构造方法，在此指定proto和模型文件的下载地址
* @param classifierModelFilePath
* @param cnnProtoFilePath
* @param cnnModelFilePath
*/
public GenderDetectService(String classifierModelFilePath,
String cnnProtoFilePath,
String cnnModelFilePath) {
this.classifierModelFilePath = classifierModelFilePath;
this.genderProtoFilePath = cnnProtoFilePath;
this.genderModelFilePath = cnnModelFilePath;
}
/**
* 初始化操作，主要是创建推理用的神经网络
* @throws Exception
*/
@Override
public void init() throws Exception {
// 根据模型文件实例化分类器
classifier = new CascadeClassifier(classifierModelFilePath);
// 实例化推理性别的神经网络
cnnNet = readNetFromCaffe(genderProtoFilePath, genderModelFilePath);
}
@Override
public Frame convert(Frame frame) {
// 由帧转为Mat
grabbedImage = converter.convert(frame);
// 灰度Mat，用于检测
if (null==grayImage) {
grayImage = DetectService.buildGrayImage(grabbedImage);
}
// 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<1) {
return frame;
}
int pos_x;
int pos_y;
Mat faceMat;
//推理时的入参
Mat inputBlob;
// 推理结果
Mat prob;
// 如果有检测结果，就根据结果的数据构造矩形框，画在原图上
for (long i = 0; i < total; i++) {
Rect r = objects.get(i);
// 人脸对应的Mat实例（注意：要用彩图，不能用灰度图！！！）
faceMat = new Mat(grabbedImage, r);
// 缩放到神经网络所需的尺寸
resize(faceMat, faceMat, new Size(Constants.CNN_PREIDICT_IMG_WIDTH, Constants.CNN_PREIDICT_IMG_HEIGHT));
// 归一化
normalize(faceMat, faceMat, 0, Math.pow(2, frame.imageDepth), NORM_MINMAX, -1, null);
// 转为推理时所需的的blob类型
inputBlob = blobFromImage(faceMat);
// 为神经网络设置入参
cnnNet.setInput(inputBlob, "data", 1.0, null); //set the network input
// 推理
prob = cnnNet.forward("prob");
// 根据推理结果得到在人脸上标注的内容
String lable = getDescriptionFromPredictResult(prob);
// 人脸标注的横坐标
pos_x = Math.max(r.tl().x()-10, 0);
// 人脸标注的纵坐标
pos_y = Math.max(r.tl().y()-10, 0);
// 给人脸做标注，标注性别
putText(grabbedImage, lable, new Point(pos_x, pos_y), FONT_HERSHEY_PLAIN, 1.5, new Scalar(0,255,0,2.0));
// 给人脸加边框时的边框位置
int x = r.x(), y = r.y(), w = r.width(), h = r.height();
// 给人脸加边框
rectangle(grabbedImage, new Point(x, y), new Point(x + w, y + h), Scalar.RED, 1, CV_AA, 0);
}
// 释放检测结果资源
objects.close();
// 将标注过的图片转为帧，返回
return converter.convert(grabbedImage);
}
/**
* 程序结束前，释放人脸识别的资源
*/
@Override
public void releaseOutputResource() {
if (null!=grabbedImage) {
grabbedImage.release();
}
if (null!=grayImage) {
grayImage.release();
}
if (null!=classifier) {
classifier.close();
}
if (null!= cnnNet) {
cnnNet.close();
}
}
/**
* 根据推理结果得到在头像上要标注的内容
* @param prob
* @return
*/
protected String getDescriptionFromPredictResult(Mat prob) {
Indexer indexer = prob.createIndexer();
// 比较两种性别的概率，概率大的作为当前头像的性别
return indexer.getDouble(0,0) > indexer.getDouble(0,1)
? "male"
: "female";
}
}

复制代码