怎么在Android中使用dlib+opencv实现一个动态人脸检测功能

怎么在Android 中使用 dlib+opencv 实现一个动态人脸检测功能？针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

在阜新等地区，都构建了全面的区域性战略布局，加强发展的系统性、市场前瞻性、产品创新能力，以专注、极致的服务理念，为客户提供网站设计、成都做网站 网站设计制作定制网站建设,公司网站建设,企业网站建设,品牌网站设计,全网整合营销推广,成都外贸网站建设,阜新网站建设费用合理。

1 概述

完成 Android 相机预览功能以后，在此基础上我使用 dlib 与 opencv 库做了一个关于人脸检测的 demo。该 demo 在相机预览过程中对人脸进行实时检测，并将检测到的人脸用矩形框描绘出来。具体实现原理如下：

采用双层 View，底层的 TextureView 用于预览，程序从 TextureView 中获取预览帧数据，然后调用 dlib 库对帧数据进行处理，最后将检测结果绘制在顶层的 SurfaceView 中。

2 项目配置

由于项目中用到了 dlib 与 opencv 库，因此需要对其进行配置。主要涉及到以下几个方面：

2.1 C++支持

在项目创建过程中依次选择 Include C++ Support、C++11、Exceptions Support ( -fexceptions ）以及 Runtime Type Information Support ( -frtti ) 。最后生成的 build.gradle 文件如下：

defaultConfig {
 applicationId "com.example.lightweh.facedetection"
 minSdkVersion 23
 targetSdkVersion 28
 versionCode 1
 versionName "1.0"
 testInstrumentationRunner "android.support.test.runner.AndroidJUnitRunner"
 externalNativeBuild {
 cmake {
  arguments "-DCMAKE_BUILD_TYPE=Release"
  cppFlags "-std=c++11 -frtti -fexceptions"
 }
 }
}

其中，arguments 参数是后添加上去的，主要用于指定 CMake 的编译模式为 Release，因为在 Debug 模式下 dlib 库中相关算法的运行速度非常慢。前期如果需要调试 C++ 代码，可先将 arguments 参数注释。

2.2 dlib 与 opencv 下载

•到dlib官网下载最新版本的源码，解压后将文件夹中的dlib目录复制到 Android Studio 工程的 cpp 目录下。

•到sourceforge 下载最新的 opencv-android 库，解压后将文件夹中的 native 目录同样复制到 Android Studio 工程的 cpp 目录下，并改名为 opencv。

2.3 CMakeLists 配置

在 CMakeLists 文件中，我们首先包含 dlib 的 cmake 文件，接下来添加 opencv 的 include 文件夹并引入 opencv 的 so 库，同时将 jni_common 目录中的文件及人脸检测相关文件添加至 native-lib 库中，最后进行链接。

# 设置native目录
set(NATIVE_DIR ${CMAKE_SOURCE_DIR}/src/main/cpp)
# 设置dlib
include(${NATIVE_DIR}/dlib/cmake)
# 设置opencv include文件夹
include_directories(${NATIVE_DIR}/opencv/jni/include)
# 设置opencv的so库
add_library(
 libopencv_java3
 SHARED
 IMPORTED)
set_target_properties(
 libopencv_java3
 PROPERTIES
 IMPORTED_LOCATION
 ${NATIVE_DIR}/opencv/libs/${ANDROID_ABI}/libopencv_java3.so)
# 将jni_common目录中所有文件名，存至SRC_LIST中
AUX_SOURCE_DIRECTORY(${NATIVE_DIR}/jni_common SRC_LIST)
add_library( # Sets the name of the library.
 native-lib
 # Sets the library as a shared library.
 SHARED
 # Provides a relative path to your source file(s).
 ${SRC_LIST}
 src/main/cpp/face_detector.h
 src/main/cpp/face_detector.cpp
 src/main/cpp/native-lib.cpp)
find_library( # Sets the name of the path variable.
 log-lib
 # Specifies the name of the NDK library that
 # you want CMake to locate.
 log)
target_link_libraries( # Specifies the target library.
 native-lib
 dlib
 libopencv_java3
 jnigraphics
 # Links the target library to the log library
 # included in the NDK.
 ${log-lib})
# 指定release编译选项
set(CMAKE_C_FLAGS_RELEASE "${CMAKE_C_FLAGS_RELEASE} -s -O3 -Wall")
set(CMAKE_CXX_FLAGS_RELEASE "${CMAKE_CXX_FLAGS_RELEASE} -s -O3 -Wall")

由于 C++ 代码中用到了头文件 "android/bitmap.h"，所以链接时需要添加 jnigraphics 库。

3 JNI相关 Java 类定义

3.1 VisionDetRet 类

VisionDetRet 类的相关对象主要负责 C++ 与 Java 之间的数据传递。

public final class VisionDetRet {
 private int mLeft;
 private int mTop;
 private int mRight;
 private int mBottom;
 VisionDetRet() {}
 public VisionDetRet(int l, int t, int r, int b) {
 mLeft = l;
 mTop = t;
 mRight = r;
 mBottom = b;
 }
 public int getLeft() {
 return mLeft;
 }
 public int getTop() {
 return mTop;
 }
 public int getRight() {
 return mRight;
 }
 public int getBottom() {
 return mBottom;
 }
}

3.2 FaceDet 类

FaceDet 类为 JNI 函数调用类，主要定义了一些需要 C++ 实现的 native 方法。

public class FaceDet {
 private static final String TAG = "FaceDet";
 // accessed by native methods
 @SuppressWarnings("unused")
 private long mNativeFaceDetContext;
 static {
 try {
  // 预加载native方法库
  System.loadLibrary("native-lib");
  jniNativeClassInit();
  Log.d(TAG, "jniNativeClassInit success");
 } catch (UnsatisfiedLinkError e) {
  Log.e(TAG, "library not found");
 }
 }
 public FaceDet() {
 jniInit();
 }
 @Nullable
 @WorkerThread
 public List detect(@NonNull Bitmap bitmap) {
 VisionDetRet[] detRets = jniBitmapDet(bitmap);
 return Arrays.asList(detRets);
 }
 @Override
 protected void finalize() throws Throwable {
 super.finalize();
 release();
 }
 public void release() {
 jniDeInit();
 }
 @Keep
 private native static void jniNativeClassInit();
 @Keep
 private synchronized native int jniInit();
 @Keep
 private synchronized native int jniDeInit();
 @Keep
 private synchronized native VisionDetRet[] jniBitmapDet(Bitmap bitmap);
}

4 Native 方法实现

4.1 定义 VisionDetRet 类对应的 C++ 类

#include 
#define CLASSNAME_VISION_DET_RET "com/lightweh/dlib/VisionDetRet"
#define CONSTSIG_VISION_DET_RET "()V"
#define CLASSNAME_FACE_DET "com/lightweh/dlib/FaceDet"
class JNI_VisionDetRet {
public:
 JNI_VisionDetRet(JNIEnv *env) {
 // 查找VisionDetRet类信息
 jclass detRetClass = env->FindClass(CLASSNAME_VISION_DET_RET);
 // 获取VisionDetRet类成员变量
 jID_left = env->GetFieldID(detRetClass, "mLeft", "I");
 jID_top = env->GetFieldID(detRetClass, "mTop", "I");
 jID_right = env->GetFieldID(detRetClass, "mRight", "I");
 jID_bottom = env->GetFieldID(detRetClass, "mBottom", "I");
 }
 void setRect(JNIEnv *env, jobject &jDetRet, const int &left, const int &top,
   const int &right, const int &bottom) {
 // 设置VisionDetRet类对象jDetRet的成员变量值
 env->SetIntField(jDetRet, jID_left, left);
 env->SetIntField(jDetRet, jID_top, top);
 env->SetIntField(jDetRet, jID_right, right);
 env->SetIntField(jDetRet, jID_bottom, bottom);
 }
 // 创建VisionDetRet类实例
 static jobject createJObject(JNIEnv *env) {
 jclass detRetClass = env->FindClass(CLASSNAME_VISION_DET_RET);
 jmethodID mid =
  env->GetMethodID(detRetClass, "", CONSTSIG_VISION_DET_RET);
 return env->NewObject(detRetClass, mid);
 }
 // 创建VisionDetRet类对象数组
 static jobjectArray createJObjectArray(JNIEnv *env, const int &size) {
 jclass detRetClass = env->FindClass(CLASSNAME_VISION_DET_RET);
 return (jobjectArray) env->NewObjectArray(size, detRetClass, NULL);
 }
private:
 jfieldID jID_left;
 jfieldID jID_top;
 jfieldID jID_right;
 jfieldID jID_bottom;
};

4.2 定义人脸检测类

人脸检测算法需要用大小位置不同的窗口在图像中进行滑动，然后判断窗口中是否存在人脸。本文采用的是 dlib 中的是HOG（histogram of oriented gradient）方法对人脸进行检测，其检测效果要好于 opencv。dlib 中同样提供了 CNN 方法来进行人脸检测，效果好于 HOG，不过需要使用 GPU 加速，不然程序运行会非常慢。

class FaceDetector {
private:
 dlib::frontal_face_detector face_detector;
 std::vector det_rects;
public:
 FaceDetector();
 // 实现人脸检测算法
 int Detect(const cv::Mat &image);
 // 返回检测结果
 std::vector getDetResultRects();
};
FaceDetector::FaceDetector() {
 // 定义人脸检测器
 face_detector = dlib::get_frontal_face_detector();
}
int FaceDetector::Detect(const cv::Mat &image) {
 if (image.empty())
 return 0;
 if (image.channels() == 1) {
 cv::cvtColor(image, image, CV_GRAY2BGR);
 }
 dlib::cv_image dlib_image(image);
 det_rects.clear();
 // 返回检测到的人脸矩形特征框
 det_rects = face_detector(dlib_image);
 return det_rects.size();
}
std::vector FaceDetector::getDetResultRects() {
 return det_rects;
}

4.3 native 方法实现

JNI_VisionDetRet *g_pJNI_VisionDetRet;
JavaVM *g_javaVM = NULL;
// 该函数在加载本地库时被调用
JNIEXPORT jint JNI_OnLoad(JavaVM *vm, void *reserved) {
 g_javaVM = vm;
 JNIEnv *env;
 vm->GetEnv((void **) &env, JNI_VERSION_1_6);
 // 初始化 g_pJNI_VisionDetRet
 g_pJNI_VisionDetRet = new JNI_VisionDetRet(env);
 return JNI_VERSION_1_6;
}
// 该函数用于执行清理操作
void JNI_OnUnload(JavaVM *vm, void *reserved) {
 g_javaVM = NULL;
 delete g_pJNI_VisionDetRet;
}
namespace {
#define JAVA_NULL 0
 using DetPtr = FaceDetector *;
 // 用于存放人脸检测类对象的指针，关联Jave层对象与C++底层对象（相互对应）
 class JNI_FaceDet {
 public:
 JNI_FaceDet(JNIEnv *env) {
  jclass clazz = env->FindClass(CLASSNAME_FACE_DET);
  mNativeContext = env->GetFieldID(clazz, "mNativeFaceDetContext", "J");
  env->DeleteLocalRef(clazz);
 }
 DetPtr getDetectorPtrFromJava(JNIEnv *env, jobject thiz) {
  DetPtr const p = (DetPtr) env->GetLongField(thiz, mNativeContext);
  return p;
 }
 void setDetectorPtrToJava(JNIEnv *env, jobject thiz, jlong ptr) {
  env->SetLongField(thiz, mNativeContext, ptr);
 }
 jfieldID mNativeContext;
 };
 // Protect getting/setting and creating/deleting pointer between java/native
 std::mutex gLock;
 std::shared_ptr getJNI_FaceDet(JNIEnv *env) {
 static std::once_flag sOnceInitflag;
 static std::shared_ptr sJNI_FaceDet;
 std::call_once(sOnceInitflag, [env]() {
  sJNI_FaceDet = std::make_shared(env);
 });
 return sJNI_FaceDet;
 }
 // 从java对象获取它持有的c++对象指针
 DetPtr const getDetPtr(JNIEnv *env, jobject thiz) {
 std::lock_guard lock(gLock);
 return getJNI_FaceDet(env)->getDetectorPtrFromJava(env, thiz);
 }
 // The function to set a pointer to java and delete it if newPtr is empty
 // C++对象new以后，将指针转成long型返回给java对象持有
 void setDetPtr(JNIEnv *env, jobject thiz, DetPtr newPtr) {
 std::lock_guard lock(gLock);
 DetPtr oldPtr = getJNI_FaceDet(env)->getDetectorPtrFromJava(env, thiz);
 if (oldPtr != JAVA_NULL) {
  delete oldPtr;
 }
 getJNI_FaceDet(env)->setDetectorPtrToJava(env, thiz, (jlong) newPtr);
 }
} // end unnamespace
#ifdef __cplusplus
extern "C" {
#endif
#define DLIB_FACE_JNI_METHOD(METHOD_NAME) Java_com_lightweh_dlib_FaceDet_##METHOD_NAME
void JNIEXPORT
DLIB_FACE_JNI_METHOD(jniNativeClassInit)(JNIEnv *env, jclass _this) {}
// 生成需要返回的结果数组
jobjectArray getRecResult(JNIEnv *env, DetPtr faceDetector, const int &size) {
 // 根据检测到的人脸数创建相应大小的jobjectArray
 jobjectArray jDetRetArray = JNI_VisionDetRet::createJObjectArray(env, size);
 for (int i = 0; i < size; i++) {
 // 对检测到的每一个人脸创建对应的实例对象，然后插入数组
 jobject jDetRet = JNI_VisionDetRet::createJObject(env);
 env->SetObjectArrayElement(jDetRetArray, i, jDetRet);
 dlib::rectangle rect = faceDetector->getDetResultRects()[i];
 // 将人脸矩形框的值赋给对应的jobject实例对象
 g_pJNI_VisionDetRet->setRect(env, jDetRet, rect.left(), rect.top(),
     rect.right(), rect.bottom());
 }
 return jDetRetArray;
}
JNIEXPORT jobjectArray JNICALL
DLIB_FACE_JNI_METHOD(jniBitmapDet)(JNIEnv *env, jobject thiz, jobject bitmap) {
 cv::Mat rgbaMat;
 cv::Mat bgrMat;
 jniutils::ConvertBitmapToRGBAMat(env, bitmap, rgbaMat, true);
 cv::cvtColor(rgbaMat, bgrMat, cv::COLOR_RGBA2BGR);
 // 获取人脸检测类指针
 DetPtr mDetPtr = getDetPtr(env, thiz);
 // 调用人脸检测算法，返回检测到的人脸数
 jint size = mDetPtr->Detect(bgrMat);
 // 返回检测结果
 return getRecResult(env, mDetPtr, size);
}
jint JNIEXPORT JNICALL
DLIB_FACE_JNI_METHOD(jniInit)(JNIEnv *env, jobject thiz) {
 DetPtr mDetPtr = new FaceDetector();
 // 设置人脸检测类指针
 setDetPtr(env, thiz, mDetPtr);
 return JNI_OK;
}
jint JNIEXPORT JNICALL
DLIB_FACE_JNI_METHOD(jniDeInit)(JNIEnv *env, jobject thiz) {
 // 指针置0
 setDetPtr(env, thiz, JAVA_NULL);
 return JNI_OK;
}
#ifdef __cplusplus
}
#endif

5 Java端调用人脸检测算法

在开启人脸检测之前，需要在相机 AutoFitTextureView 上覆盖一层自定义 BoundingBoxView 用于绘制检测到的人脸矩形框，该 View 的具体实现如下：

public class BoundingBoxView extends SurfaceView implements SurfaceHolder.Callback {
 protected SurfaceHolder mSurfaceHolder;
 private Paint mPaint;
 private boolean mIsCreated;
 public BoundingBoxView(Context context, AttributeSet attrs) {
  super(context, attrs);
  mSurfaceHolder = getHolder();
  mSurfaceHolder.addCallback(this);
  mSurfaceHolder.setFormat(PixelFormat.TRANSPARENT);
  setZOrderOnTop(true);
  mPaint = new Paint();
  mPaint.setAntiAlias(true);
  mPaint.setColor(Color.RED);
  mPaint.setStrokeWidth(5f);
  mPaint.setStyle(Paint.Style.STROKE);
 }
 @Override
 public void surfaceChanged(SurfaceHolder surfaceHolder, int format, int width, int height) {
 }
 @Override
 public void surfaceCreated(SurfaceHolder surfaceHolder) {
  mIsCreated = true;
 }
 @Override
 public void surfaceDestroyed(SurfaceHolder surfaceHolder) {
  mIsCreated = false;
 }
 public void setResults(List detRets)
 {
  if (!mIsCreated) {
   return;
  }
  Canvas canvas = mSurfaceHolder.lockCanvas();
  //清除掉上一次的画框。
  canvas.drawColor(Color.TRANSPARENT, PorterDuff.Mode.CLEAR);
  canvas.drawColor(Color.TRANSPARENT);
  for (VisionDetRet detRet : detRets) {
   Rect rect = new Rect(detRet.getLeft(), detRet.getTop(), detRet.getRight(), detRet.getBottom());
   canvas.drawRect(rect, mPaint);
  }
  mSurfaceHolder.unlockCanvasAndPost(canvas);
 }
}

同时，需要在布局文件中添加对应的 BoundingBoxView 层，保证与 AutoFitTextureView 完全重合：

BoundingBoxView 添加完成以后，即可在 CameraFragment 中添加对应的人脸检测代码：

private class detectAsync extends AsyncTask> {
 @Override
 protected void onPreExecute() {
  mIsDetecting = true;
  super.onPreExecute();
 }
 protected List doInBackground(Bitmap... bp) {
  List results;
  // 返回检测结果
  results = mFaceDet.detect(bp[0]);
  return results;
 }
 protected void onPostExecute(List results) {
  // 绘制检测到的人脸矩形框
  mBoundingBoxView.setResults(results);
  mIsDetecting = false;
 }
}

然后，分别在 onResume 与 onPause 函数中完成人脸检测类对象的初始化和释放：

@Override
public void onResume() {
 super.onResume();
 startBackgroundThread();
 mFaceDet = new FaceDet();
 if (mTextureView.isAvailable()) {
  openCamera(mTextureView.getWidth(), mTextureView.getHeight());
 } else {
  mTextureView.setSurfaceTextureListener(mSurfaceTextureListener);
 }
}
@Override
public void onPause() {
 closeCamera();
 stopBackgroundThread();
 if (mFaceDet != null) {
  mFaceDet.release();
 }
 super.onPause();
}

最后，在 TextureView 的回调函数 onSurfaceTextureUpdated 完成调用：

@Override
public void onSurfaceTextureUpdated(SurfaceTexture texture) {
 if (!mIsDetecting) {
  Bitmap bp = mTextureView.getBitmap();
  // 保证图片方向与预览方向一致
  bp = Bitmap.createBitmap(bp, 0, 0, bp.getWidth(), bp.getHeight(), mTextureView.getTransform(null), true );

  new detectAsync().execute(bp);
 }
}

关于怎么在Android 中使用 dlib+opencv 实现一个动态人脸检测功能问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注创新互联行业资讯频道了解更多相关知识。