Android开发 API人脸检测实例教程

2024-04-29 00:38
文章标签 android 开发 检测 api 人脸 实例教程

本文主要是介绍Android开发 API人脸检测实例教程，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Android中文API最新中文版
http://www.eoeandroid.com/thread-58597-1-1.html
=============帖子正文=======================

通过两个主要的API，Android提供了一个直接在位图上进行脸部检测的方法，这两个API分别是    android.media.FaceDetector和android.media.FaceDetector.Face，已经包含在Android官方API中。本教程来自Developer网站，向大家介绍了这些API，同时提供教程中实例代码下载。 
102_120427155144_1_lit.jpg 
所谓人脸检测就是指从一副图片或者一帧视频中标定出所有人脸的位置和尺寸。人脸检测是人脸识别系统中的一个重要环节，也可以独立应用于视频监控。在数字媒体日益普及的今天，利用人脸检测技术还可以帮助我们从海量图片数据中快速筛选出包含人脸的图片。 在目前的数码相机中，人脸检测可以用来完成自动对焦，即“脸部对焦”。“脸部对焦”是在自动曝光和自动对焦发明后，二十年来最重要的一次摄影技术革新。家用数码相机，占绝大多数的照片是以人为拍摄主体的，这就要求相机的自动曝光和对焦以人物为基准。

构建一个人脸检测的Android Activity
你可以构建一个通用的Android Activity，我们扩展了基类ImageView，成为MyImageView,而我们需要进行检测的包含人脸的位图文件必须是565格式，API才能正常工作。被检测出来的人脸需要一个置信测度（confidence measure），这个措施定义在android.media.FaceDetector.Face.CONFIDENCE_THRESHOLD。
最重要的方法实现在setFace()，它将FaceDetector对象实例化，同时调用findFaces，结果存放在faces里，人脸的中点转移到MyImageView。代码如下：

 
public class TutorialOnFaceDetect1 extends Activity { 

private MyImageView mIV; 

private Bitmap mFaceBitmap; 

private int mFaceWidth = 200; 

private int mFaceHeight = 200; 

private static final int MAX_FACES = 1; 

private static String TAG = "TutorialOnFaceDetect"; 



@Override 

public void onCreate(Bundle savedInstanceState) { 

super.onCreate(savedInstanceState); 



mIV = new MyImageView(this); 

setContentView(mIV, new LayoutParams(LayoutParams.WRAP_CONTENT, LayoutParams.WRAP_CONTENT)); 



// load the photo 

Bitmap b = BitmapFactory.decodeResource(getResources(), R.drawable.face3); 

mFaceBitmap = b.copy(Bitmap.Config.RGB_565, true); 

b.recycle(); 



mFaceWidth = mFaceBitmap.getWidth(); 

mFaceHeight = mFaceBitmap.getHeight(); 

mIV.setImageBitmap(mFaceBitmap); 



// perform face detection and set the feature points setFace(); 



mIV.invalidate(); 

} 



public void setFace() { 

FaceDetector fd; 

FaceDetector.Face [] faces = new FaceDetector.Face[MAX_FACES]; 

PointF midpoint = new PointF(); 

int [] fpx = null; 

int [] fpy = null; 

int count = 0; 



try { 

fd = new FaceDetector(mFaceWidth, mFaceHeight, MAX_FACES); 

count = fd.findFaces(mFaceBitmap, faces); 

} catch (Exception e) { 

Log.e(TAG, "setFace(): " + e.toString()); 

return; 

} 



// check if we detect any faces 

if (count > 0) { 

fpx = new int[count]; 

fpy = new int[count]; 



for (int i = 0; i < count; i++) { 

try { 

faces.getMidPoint(midpoint); 



fpx = (int)midpoint.x; 

fpy = (int)midpoint.y; 

} catch (Exception e) { 

Log.e(TAG, "setFace(): face " + i + ": " + e.toString()); 

} 

} 

} 



mIV.setDisplayPoints(fpx, fpy, count, 0); 

} 

}


接下来的代码中，我们在MyImageView中添加setDisplayPoints() ，用来在被检测出的人脸上标记渲染。图1展示了一个标记在被检测处的人脸上处于中心位置。
 
// set up detected face features for display 

public void setDisplayPoints(int [] xx, int [] yy, int total, int style) { 

mDisplayStyle = style; 

mPX = null; 

mPY = null; 



if (xx != null && yy != null && total > 0) { 

mPX = new int[total]; 

mPY = new int[total]; 



for (int i = 0; i < total; i++) { 

mPX = xx; 

mPY = yy; 

} 

} 

}


多人脸检测
通过FaceDetector可以设定检测到人脸数目的上限。比如设置最多只检测10张脸：
  1. private static final int MAX_FACES = 10; 
复制代码
图2展示检测到多张人脸的情况。
102_120427154908_1.jpg 
定位眼睛中心位置

Android人脸检测返回其他有用的信息，例同时会返回如eyesDistance，pose，以及confidence。我们可以通过eyesDistance来定位眼睛的中心位置。

下面的代码中，我们将setFace()放在doLengthyCalc()中。同时图3展示了定位眼睛中心位置的效果。
 
public class TutorialOnFaceDetect extends Activity { 

private MyImageView mIV; 

private Bitmap mFaceBitmap; 

private int mFaceWidth = 200; 

private int mFaceHeight = 200; 

private static final int MAX_FACES = 10; 

private static String TAG = "TutorialOnFaceDetect"; 

private static boolean DEBUG = false; 



protected static final int GUIUPDATE_SETFACE = 999; 

protected Handler mHandler = new Handler(){ 

// @Override 

public void handleMessage(Message msg) { 

mIV.invalidate(); 



super.handleMessage(msg); 

} 

}; 



@Override 

public void onCreate(Bundle savedInstanceState) { 

super.onCreate(savedInstanceState); 



mIV = new MyImageView(this); 

setContentView(mIV, new LayoutParams(LayoutParams.WRAP_CONTENT, LayoutParams.WRAP_CONTENT)); 



// load the photo 

Bitmap b = BitmapFactory.decodeResource(getResources(), R.drawable.face3); 

mFaceBitmap = b.copy(Bitmap.Config.RGB_565, true); 

b.recycle(); 



mFaceWidth = mFaceBitmap.getWidth(); 

mFaceHeight = mFaceBitmap.getHeight(); 

mIV.setImageBitmap(mFaceBitmap); 

mIV.invalidate(); 



// perform face detection in setFace() in a background thread 

doLengthyCalc(); 

} 



public void setFace() { 

FaceDetector fd; 

FaceDetector.Face [] faces = new FaceDetector.Face[MAX_FACES]; 

PointF eyescenter = new PointF(); 

float eyesdist = 0.0f; 

int [] fpx = null; 

int [] fpy = null; 

int count = 0; 



try { 

fd = new FaceDetector(mFaceWidth, mFaceHeight, MAX_FACES); 

count = fd.findFaces(mFaceBitmap, faces); 

} catch (Exception e) { 

Log.e(TAG, "setFace(): " + e.toString()); 

return; 

} 



// check if we detect any faces 

if (count > 0) { 

fpx = new int[count * 2]; 

fpy = new int[count * 2]; 



for (int i = 0; i < count; i++) { 

try { 

faces.getMidPoint(eyescenter); 

eyesdist = faces.eyesDistance(); 



// set up left eye location 

fpx[2 * i] = (int)(eyescenter.x - eyesdist / 2); 

fpy[2 * i] = (int)eyescenter.y; 



// set up right eye location 

fpx[2 * i + 1] = (int)(eyescenter.x + eyesdist / 2); 

fpy[2 * i + 1] = (int)eyescenter.y; 



if (DEBUG) { 

Log.e(TAG, "setFace(): face " + i + ": confidence = " + faces.confidence() 

+ ", eyes distance = " + faces.eyesDistance() 

+ ", pose = ("+ faces.pose(FaceDetector.Face.EULER_X) + "," 
 + faces.pose(FaceDetector.Face.EULER_Y) + "," 
 + faces.pose(FaceDetector.Face.EULER_Z) + ")" 
 + ", eyes midpoint = (" + eyescenter.x + "," + eyescenter.y +")"); 
 } 
 } catch (Exception e) { 
 Log.e(TAG, "setFace(): face " + i + ": " + e.toString()); 
 } 
 } 
 } 
 
 mIV.setDisplayPoints(fpx, fpy, count * 2, 1); 
 } 
 
 private void doLengthyCalc() { 
 Thread t = new Thread() { 
 Message m = new Message(); 
 
 public void run() { 
 try { 
 setFace(); 
 m.what = TutorialOnFaceDetect.GUIUPDATE_SETFACE; 
 TutorialOnFaceDetect.this.mHandler.sendMessage(m); 
 } catch (Exception e) { 
 Log.e(TAG, "doLengthyCalc(): " + e.toString()); 
 } 
 } 
 }; 
 
 t.start(); 
 } 
 }

原文地址：点击打开链接

这篇关于Android开发 API人脸检测实例教程的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/944687。

相关文章

这15个Vue指令，让你的项目开发爽到爆

这15个Vue指令，让你的项目开发爽到爆

1. V-Hotkey 仓库地址: github.com/Dafrok/v-ho… Demo: 戳这里 https://dafrok.github.io/v-hotkey 安装: npm install --save v-hotkey 这个指令可以给组件绑定一个或多个快捷键。你想要通过按下 Escape 键后隐藏某个组件，按住 Control 和回车键再显示它吗？小菜一碟： <template
阅读更多...
Hadoop企业开发案例调优场景

Hadoop企业开发案例调优场景

需求 （1）需求：从1G数据中，统计每个单词出现次数。服务器3台，每台配置4G内存，4核CPU，4线程。 （2）需求分析： 1G / 128m = 8个MapTask；1个ReduceTask；1个mrAppMaster 平均每个节点运行10个 / 3台 ≈ 3个任务（4    3    3） HDFS参数调优 （1）修改：hadoop-env.sh export HDFS_NAMENOD
阅读更多...
综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动，这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升：减少抖动，提高图像的清晰度和细节表现力，使得监控画面更加真实可信。 - 细节增强：在低光条件下，抖
阅读更多...
嵌入式QT开发：构建高效智能的嵌入式系统

嵌入式QT开发：构建高效智能的嵌入式系统

摘要： 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发，详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程，包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发，涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用，以及嵌入式 QT 与硬件设备的交互，包括输入输出设
阅读更多...
OpenHarmony鸿蒙开发（ Beta5.0）无感配网详解

OpenHarmony鸿蒙开发（ Beta5.0）无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息，即可快速实现设备配网，是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递，利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力，实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后，即可发送相关配网数据。同时还支持与常规Sof
阅读更多...
活用c4d官方开发文档查询代码

活用c4d官方开发文档查询代码

当你问AI助手比如豆包，如何用python禁止掉xpresso标签时候，它会提示到 这时候要用到两个东西。https://developers.maxon.net/论坛搜索和开发文档 比如这里我就在官方找到正确的id描述 然后我就把参数标签换过来
阅读更多...
Android实现任意版本设置默认的锁屏壁纸和桌面壁纸（两张壁纸可不一致）

Android实现任意版本设置默认的锁屏壁纸和桌面壁纸（两张壁纸可不一致）

客户有些需求需要设置默认壁纸和锁屏壁纸  在默认情况下 这两个壁纸是相同的  如果需要默认的锁屏壁纸和桌面壁纸不一样 需要额外修改 Android13实现 替换默认桌面壁纸： 将图片文件替换frameworks/base/core/res/res/drawable-nodpi/default_wallpaper.*  （注意不能是bmp格式） 替换默认锁屏壁纸： 将图片资源放入vendo
阅读更多...
Android平台播放RTSP流的几种方案探究（VLC VS ExoPlayer VS SmartPlayer）

Android平台播放RTSP流的几种方案探究（VLC VS ExoPlayer VS SmartPlayer）

技术背景 好多开发者需要遴选Android平台RTSP直播播放器的时候，不知道如何选的好，本文针对常用的方案，做个大概的说明： 1. 使用VLC for Android VLC Media Player（VLC多媒体播放器），最初命名为VideoLAN客户端，是VideoLAN品牌产品，是VideoLAN计划的多媒体播放器。它支持众多音频与视频解码器及文件格式，并支持DVD影音光盘，VCD影
阅读更多...
烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集，专门用于烟火目标检测，是一个非常有价值的资源，尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍： 数据集名称：烟火目标检测数据集 数据集规模： 图片数量：7800张类别：主要包含烟火类目标，可能还包括其他相关类别，如烟火发射装置、背景等。格式：图像文件通常为JPEG或PNG格式；标注文件可能为X
阅读更多...
Linux_kernel驱动开发11

Linux_kernel驱动开发11

一、改回nfs方式挂载根文件系统         在产品将要上线之前，需要制作不同类型格式的根文件系统         在产品研发阶段，我们还是需要使用nfs的方式挂载根文件系统         优点：可以直接在上位机中修改文件系统内容，延长EMMC的寿命         【1】重启上位机nfs服务         sudo service nfs-kernel-server resta
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2