opencv在android预览上实现人脸识别(4)

简介

　　现在，继续进行opencv的学习ing。本章中，学习使用opencv提供的库来实现人脸识别的功能。

实现步骤

函数介绍

　　这里是使用的opencv库实现，主要用到两个方面：
                  1、opencv函数:detectMultiScale
                  2、haarcascade_frontalface_alt.xml
　　函数detectMultiScale在opencv官网上有详细资料讲解。
　　haarcascade_frontalface_alt.xml在从opencv里面下载的压缩包里可以找到，路径为:opencv-2.4.9\opencv-2.4.9\data\haarcascades

代码实现

　　代码的实现，也是在之前讲到的opencv在android上预览的那版最小代码上，用jni来实现的。这里只贴出jni中的代码，java的代码，都一样的。

#include <PreviceGray.h>  
#include <opencv2/core/core.hpp>  
#include <opencv2/core/mat.hpp>
#include <opencv/cv.h>
#include <string>  
#include <vector>  
#include "opencv2/objdetect/objdetect.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <android/log.h>
 
using namespace cv;  
using namespace std;  
 
void detectAndDisplay(Mat *frame);
 
String face_cascade_name = "/sdcard/haarcascade_frontalface_alt.xml";
CascadeClassifier face_cascade;
#define LOG_TAG "show infomation"
 
void detectAndDisplay(Mat *frame)
{
    std::vector<Rect> faces;
    Mat frame_gray;
 
    cvtColor( *frame, frame_gray, COLOR_BGR2GRAY );
    equalizeHist( frame_gray, frame_gray );
 
    face_cascade.detectMultiScale( frame_gray, faces, 1.1, 2, 0|CASCADE_SCALE_IMAGE, Size(30, 30) );
    for ( size_t i = 0; i < faces.size(); i++ )
    {
        Point center( faces[i].x + faces[i].width/2, faces[i].y + faces[i].height/2 );
        ellipse(*frame, center, Size( faces[i].width/2, faces[i].height/2 ), 0, 0, 360, Scalar( 255, 0, 255 ), 4, 8, 0 );
    }
}
 
JNIEXPORT void Java_com_example_camera_1opencv_1android_PreviceGray_grayProc(JNIEnv* env, jclass obj, jlong imageGray)
{  
    int i;
 
    Mat mat = Mat(*((Mat*)imageGray));
 
    if(!face_cascade.load(face_cascade_name)){
        __android_log_print(ANDROID_LOG_ERROR, LOG_TAG,"--(!)Error loading face cascade");
    }
    detectAndDisplay(&mat);
}

　　注意，在代码实现中，一定要先将haarcascade_frontalface_alt.xml复制到设备对应的/sdcard/haarcascade_frontalface_alt.xml，同时加入SD的读写操作权限。
　　在代码中，首先是face_cascade.load来加载haarcascade_frontalface_alt.xml，接着使用cvtColor将图像变成灰阶图像。
再然后equalizeHist来做直方图均衡化，直方图均衡化，可以将比较淡的图像变换为比较深的图像（即增强图像的亮度及对比度），
之后，使用face_cascade.detectMultiScale来判断获取图像中人脸信息的坐标。
最后在人脸中间坐标处画，根据脸部大小画一个圆作为标记。最后在预览图像中，就会有一个圆圈中识别到的人脸信息。

参考代码：http://download.csdn.net/detail/u011630458/8403763