JavaCV的摄像头实战之八：人脸检测

V2AS问路

JavaCV的摄像头实战之八：人脸检测

阅读原文时间：2023年08月25日阅读：1

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：
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
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：
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&lt;1) {
    return rawFrame;
}

// 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 &lt; total; i++) {
    Rect r = objects.get(i);
    int x = r.x(), y = r.y(), w = r.width(), h = r.height();
    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);
}

以上就是接口DetectService.java的全部：三个方法定义，两个静态方法，接下来就是接口的实现类了

人脸检测功能的实现类

前面的DetectService接口仅定义了三个方法：初始化(init)、检测(convert)、资源释放(releaseOutputResource)，现在开发这个接口的实现类HaarCascadeDetectService.java，实现真正的人脸检测功能
完整代码如下，核心是init方法中实例化的分类器classifier，以及负责处理每一帧的convert方法，这里面会中调用刚才写的静态方法DetectService.detect，把原始帧转换成标注了检测结果的帧：

package com.bolingcavalry.grabpush.extend;

import lombok.extern.slf4j.Slf4j;
import org.bytedeco.javacpp.Loader;
import org.bytedeco.javacv.Frame;
import org.bytedeco.javacv.OpenCVFrameConverter;
import org.bytedeco.opencv.opencv_core.Mat;
import org.bytedeco.opencv.opencv_objdetect.CascadeClassifier;
import java.io.File;
import java.net.URL;

/**
- @author willzhao
- @version 1.0
- @description Haar检测的实现类
- @date 2021/12/3 8:09
  */
  @Slf4j
  public class HaarCascadeDetectService 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();
  /**
  - 模型文件的下载地址
    */
    private String modelFileUrl;
  /**
  - 构造方法，在此指定模型文件的下载地址
  - @param modelFileUrl
    */
    public HaarCascadeDetectService(String modelFileUrl) {
    this.modelFileUrl = modelFileUrl;
    }
  /**
  - 音频采样对象的初始化
  - @throws Exception
    */
    @Override
    public void init() throws Exception {
    // 下载模型文件
    URL url = new URL(modelFileUrl);
    File file = Loader.cacheResource(url);
    
    // 模型文件下载后的完整地址
    String classifierName = file.getAbsolutePath();
    
    // 根据模型文件实例化分类器
    classifier = new CascadeClassifier(classifierName);
    
    if (classifier == null) {
    log.error("Error loading classifier file [{}]", classifierName);
    System.exit(1);
    }
    }
  @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);
}

// 进行人脸检测，根据结果做处理得到预览窗口显示的帧
return DetectService.detect(classifier, converter, frame, grabbedImage, grayImage);
```
  }
  
  /**
  - 程序结束前，释放人脸检测的资源
    */
    @Override
    public void releaseOutputResource() {
    if (null!=grabbedImage) {
    grabbedImage.release();
    }
    
    if (null!=grayImage) {
    grayImage.release();
    }
    
    if (null==classifier) {
    classifier.close();
    }
    }
    }

主程序PreviewCameraWithDetect

在《JavaCV的摄像头实战之一：基础》一文创建的simple-grab-push工程中已经准备好了父类AbstractCameraApplication，所以本篇继续使用该工程，创建子类实现那些抽象方法即可
编码前先回顾父类的基础结构，如下图，粗体是父类定义的各个方法，红色块都是需要子类来实现抽象方法，所以接下来，咱们以本地窗口预览为目标实现这三个红色方法即可：
新建文件PreviewCameraWithDetect.java，这是AbstractCameraApplication的子类，其代码很简单，接下来按上图顺序依次说明
先定义CanvasFrame类型的成员变量previewCanvas，这是展示视频帧的本地窗口：

protected CanvasFrame previewCanvas

还要定义DetectService类型的成员变量，用于稍后的检测操作，并在构造方法中对改成员变量赋值：

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

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

然后是初始化操作，除了previewCanvas的实例化和参数设置，还要调用检测服务的初始化方法：

@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();
}

接下来是output方法，定义了拿到每一帧视频数据后做什么事情，这里会交给检测服务去处理，将处理结果在本地窗口显示：

@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);
}

由于检测服务也会耗时，所以这里调整每帧输出后的等待时间，以免预览时卡顿，请依照自己电脑CPU性能调整，我这里改为原有时长的八分之一：
```
@Override
protected int getInterval() {
    return super.getInterval()/8;
}
```

最后是处理视频的循环结束后，程序退出前要做的事情，即关闭本地窗口，另外还要调用检测服务的releaseOutputResource来释放其相关资源：

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

至此，用本地窗口预览摄像头的功能已开发完成，再写上main方法，注意参数100表示预览持续时间是100秒，modelFileUrl是模型文件在GitHub上的地址（注释掉的那个是人体的，您也可以试试）：
```
public static void main(String[] args) {
    String modelPath = "https://raw.github.com/opencv/opencv/master/data/haarcascades/haarcascade_frontalface_alt.xml";
```
// String modelPath = "https://raw.github.com/opencv/opencv/master/data/haarcascades/haarcascade_upperbody.xml";
new PreviewCameraWithDetect(new HaarCascadeDetectService(modelPath)).action(1000);
}
运行main方法即可启动程序，如下图，预览窗口中如果有人像，人脸上就会出现红框（为了不侵犯群众演员的肖像权，手动对面部做了马赛克处理）：
至此，本地窗口预览集成人脸检测的功能就完成了，得益于JavaCV的强大，整个过程是如此的轻松愉快，接下来请继续关注欣宸原创，《JavaCV的摄像头实战》系列还会呈现更多丰富的应用；
本文涉及的所有代码都能在接下来的介绍的GitHub仓库中找到