Java+opencv3.2.0實現(xiàn)人臉檢測功能

更新時間：2018年02月09日 11:48:59 作者：帥氣的貓爪

這篇文章主要為大家詳細介紹了Java+opencv3.2.0實現(xiàn)人臉檢測功能，具有一定的參考價值，感興趣的小伙伴們可以參考一下

說到人臉檢測，首先要了解Haar特征分類器。Haar特征分類器說白了就是一個個的xml文件，不同的xml里面描述人體各個部位的特征值，比如人臉、眼睛等等。OpenCV3.2.0中提供了如下特征文件：

haarcascade_eye.xml
haarcascade_eye_tree_eyeglasses.xml
haarcascade_frontalcatface.xml
haarcascade_frontalcatface_extended.xml
haarcascade_frontalface_alt.xml
haarcascade_frontalface_alt_tree.xml
haarcascade_frontalface_alt2.xml
haarcascade_frontalface_default.xml
haarcascade_fullbody.xml
haarcascade_lefteye_2splits.xml
haarcascade_licence_plate_rus_16stages.xml
haarcascade_lowerbody.xml
haarcascade_profileface.xml
haarcascade_righteye_2splits.xml
haarcascade_russian_plate_number.xml
haarcascade_smile.xml
haarcascade_upperbody.xml

通過加載不同的特征文件，就能達到相應的檢測效果。

OpenCV3.2.0中detectMultiScale函數(shù)參數(shù)說明：
detectMultiScale(Mat image, MatOfRect objects, double scaleFactor, int minNeighbors, int flags, Size minSize, Size maxSize)
image：待檢測圖片，一般為灰度圖（提高效率）
objects：被檢測物體的矩形框向量組
scaleFactor：前后兩次相繼的掃描中，搜索窗口的比例系數(shù)。默認為1.1即每次搜索窗口依次擴大10%
minNeighbors：構(gòu)成檢測目標的相鄰矩形的最小個數(shù)(默認為3個)
flags：要么使用默認值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果設置為CV_HAAR_DO_CANNY_PRUNING，那么函數(shù)將會使用Canny邊緣檢測來排除邊緣過多或過少的區(qū)域，因此這些區(qū)域通常不會是人臉所在區(qū)域
minSize：得到的目標區(qū)域的最小范圍
maxSize：得到的目標區(qū)域的最大范圍

人臉檢測示例代碼：

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfRect;
import org.opencv.core.Point;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import org.opencv.objdetect.CascadeClassifier;
public class FaceDetect
{

  public static void main(String[] args)
  {
    // TODO Auto-generated method stub
    System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    System.out.println("\nRunning FaceDetector");
    CascadeClassifier faceDetector = new CascadeClassifier();
    faceDetector.load(
        "C:\\Program Files\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml");
    Mat image = Imgcodecs.imread("F:\\1114.jpg");

    MatOfRect faceDetections = new MatOfRect();
    faceDetector.detectMultiScale(image, faceDetections);
    System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));
    for (Rect rect : faceDetections.toArray())
    {
      Imgproc.rectangle(image, new Point(rect.x, rect.y),
          new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));
    }

    String filename = "F:\\ouput.jpg";
    Imgcodecs.imwrite(filename, image);
  }
}

源圖像與結(jié)果圖：