公司最近搞人脸识别，顺便要我研究了一下opencv，当然我是一脸懵逼的，网上关于opencv Android的资料比较少。。。一顿操作后，有那么一点点效果，考虑到当时找资料的辛苦，还是贡献出来，人脸检测感觉有90%的正确率，识别就差一点，opencv的算法感觉比较简单，话不多说，直接上代码
GitHub地址
人脸检测用了两个模型，两个通过了才算检测到人脸
mCascadeFile =new File(cascadeDir, "haarcascade_frontalface_default.xml");
mCascadeFile2 =new File(cascadeDir1, "haarcascade_frontalface_alt2.xml");
opencv横屏参考了网上的资料根据屏幕旋转角度旋转Mat
int rotation =mOpenCvCameraView.getDisplay().getRotation();
if (rotation == Surface.ROTATION_0) {}
Core.rotate(mGray, gMatlin, Core.ROTATE_90_CLOCKWISE);
人脸识别
识别效果一般，因为是比较两个图片特征点，提取计算特征点，然后匹配特征点，匹配特征点是参考opencv官方的AKAZE本地功能匹配，因为我检测到的关键点比较少，所以没有完全参照官方的例子。
public static float match(Mat srcA, Mat srcB) {
//寻找关键点
AKAZE fd = AKAZE.create();
MatOfKeyPoint keyPointA =new MatOfKeyPoint();
MatOfKeyPoint keyPointB =new MatOfKeyPoint();
Mat descriptionA =new Mat();
Mat descriptionB =new Mat();
fd.detectAndCompute(srcA, descriptionA, keyPointA, descriptionA);
fd.detectAndCompute(srcB, descriptionB, keyPointB, descriptionB);
//匹配两张图片关键点的特征
List matches =new ArrayList<>();
DescriptorMatcher matcher = DescriptorMatcher.create(DescriptorMatcher.BRUTEFORCE);
matcher.knnMatch(descriptionA, descriptionB, matches, 2);
int total = Math.min(keyPointA.rows(), keyPointB.rows());
int matchedNum =0;
for (MatOfDMatch match : matches) {
if (match.rows() !=0) {
List dMatches = match.toList();
if (dMatches !=null && dMatches.size() >0) {
float dist1 = dMatches.get(0).distance;
float dist2 = dMatches.get(1).distance;
if (dist1 <0.8 * dist2) {
matchedNum++;
}
}
}
}
//Log.d("mine", "matchedNum" + keyPointA.rows() + "_" + keyPointB.rows() + "_" + matchedNum);
float ratio = matchedNum *1.0f / total;
return ratio;
}
人脸识别流程：检测到人脸，跟数据库中的人脸对比，没有相似的返回找不到用户，找不到用户直接注册到本地。
抛砖引玉，希望有大佬指出有更好的识别方法。
如果对你有帮助，可以点赞或打赏哦~