JavaCV的攝像頭實戰之八：人臉檢測

### 歡迎訪問我的GitHub > 這裡分類和彙總了欣宸的全部原創(含配套源碼)：[https://github.com/zq2599/blog_demos](https://github.com/zq2599/blog_demos) ### 本篇概覽 - 本文是《JavaCV的攝像頭實戰》的第八 ...

歡迎訪問我的GitHub

這裡分類和彙總了欣宸的全部原創(含配套源碼)：https://github.com/zq2599/blog_demos

本篇概覽

本文是《JavaCV的攝像頭實戰》的第八篇，前面的操作夯實了的幀和流處理的基本功，接下來開始實現一些常見的CV能力，就從本篇的人檢測別開始吧
OpenCV中常用的人臉檢測是基於Haar特征的級聯分類器，本篇藉助JavaCV來使用該分類器實現人臉檢測

簡單的設計

編碼之前先把要做的事情梳理一下：

檢測功能可能用在多個場景：視窗預覽、推流、存文件都可能用到，所以檢測功能的代碼最好獨立出來，不要和預覽、推流這些代碼寫在一起，如下圖，檢測的介面DetectService會作為每個應用的成員變數存在：
檢測服務不僅是人臉檢測，今後還有人體檢測、物體檢測等等，所以設計一個檢測服務介面DetectService，人臉檢測、人體檢測、物體檢測這些類都是這個介面的實現，如下圖所示，對於預覽、推流、存文件這個應用的代碼，直接使用介面的API即可，具體檢測的實現類可以在初始化的時候確定
聰明的您應該會覺得欣宸的水平過於原始：上面的設計不就是Spring的依賴註入嗎？為啥不用呢？其實這個系列的重點是JavaCV，所以保持代碼簡單吧，不引入Spring框架了

總的來說，今天的要寫的代碼如下圖所示，綠色塊的AbstractCameraApplication類已在《JavaCV的攝像頭實戰之一：基礎》一文中完成，其餘三個全部在本篇編寫，包括兩個java類、一個介面：
分析得差不多了，開始編碼，先寫介面DetectService

檢測服務介面DetectService

新增介面DetectService.java，裡面有三個方法定義：

	/**
     * 初始化操作，例如模型下載
     * @throws Exception
     */
    void init() throws Exception;

    /**
     * 得到原始幀，做檢測，添加框選
     * @param frame
     * @return
     */
    Frame convert(Frame frame);

    /**
     * 釋放資源
     */
    void releaseOutputResource();

另外還有兩個靜態方法，也放在DetectService.java中，第一個是buildGrayImage，該方法會根據入參Mat的尺寸新建一個Mat對象，新建的對象用於保存灰度圖片，因為檢測時用的是灰度圖片而不是原圖：

    /**
     * 根據傳入的MAT構造相同尺寸的MAT，存放灰度圖片用於以後的檢測
     * @param src 原始圖片的MAT對象
     * @return 相同尺寸的灰度圖片的MAT對象
     */
    static Mat buildGrayImage(Mat src) {
        return new Mat(src.rows(), src.cols(), CV_8UC1);
    }

第二個方法是第一個是detect，該方法非常重要：將原圖轉為灰度圖片，再用指定的分類器檢測，將檢測結果在原圖上標註出來，標註後的Mat轉為Frame對象返回：

    /**
     * 檢測圖片，將檢測結果用矩形標註在原始圖片上
     * @param classifier 分類器
     * @param converter Frame和mat的轉換器
     * @param rawFrame 原始視頻幀
     * @param grabbedImage 原始視頻幀對應的mat
     * @param grayImage 存放灰度圖片的mat
     * @return 標註了檢測結果的視頻幀
     */
    static Frame detect(CascadeClassifier classifier,
                        OpenCVFrameConverter.ToMat converter,
                        Frame rawFrame,
                        Mat grabbedImage,
                        Mat grayImage) {

        // 當前圖片轉為灰度圖片
        cvtColor(grabbedImage, grayImage, CV_BGR2GRAY);

        // 存放檢測結果的容器
        RectVector objects = new RectVector();

        // 開始檢測
        classifier.detectMultiScale(grayImage, objects);

        // 檢測結果總數
        long total = objects.size();

        // 如果沒有檢測到結果，就用原始幀返回
        if (total<1) {
            return rawFrame;
        }

        // 如果有檢測結果，就根據結果的數據構造矩形框，畫在原圖上
        for (long i = 0; i < 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);
        }

        // 釋放檢測結果資源
        objects.close();

        // 將標註過的圖片轉為幀，返回
        return converter.convert(grabbedImage);
    }

以上就是介面DetectService.java的全部：三個方法定義，兩個靜態方法，接下來就是介面的實現類了

人臉檢測功能的實現類

前面的DetectService介面僅定義了三個方法：初始化(init)、檢測(convert)、資源釋放(releaseOutputResource)，現在開發這個介面的實現類HaarCascadeDetectService.java，實現真正的人臉檢測功能
完整代碼如下，核心是init方法中實例化的分類器classifier，以及負責處理每一幀的convert方法，這裡面會中調用剛纔寫的靜態方法DetectService.detect，把原始幀轉換成標註了檢測結果的幀：

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檢測的實現類
 * @date 2021/12/3 8:09
 */
@Slf4j
public class HaarCascadeDetectService implements DetectService {

    /**
     * 每一幀原始圖片的對象
     */
    private Mat grabbedImage = null;

    /**
     * 原始圖片對應的灰度圖片對象
     */
    private Mat grayImage = null;

    /**
     * 分類器
     */
    private CascadeClassifier classifier;

    /**
     * 轉換器
     */
    private OpenCVFrameConverter.ToMat converter = new OpenCVFrameConverter.ToMat();

    /**
     * 模型文件的下載地址
     */
    private String modelFileUrl;

    /**
     * 構造方法，在此指定模型文件的下載地址
     * @param modelFileUrl
     */
    public HaarCascadeDetectService(String modelFileUrl) {
        this.modelFileUrl = modelFileUrl;
    }
    
    /**
     * 音頻採樣對象的初始化
     * @throws Exception
     */
    @Override
    public void init() throws Exception {
        // 下載模型文件
        URL url = new URL(modelFileUrl);
        File file = Loader.cacheResource(url);
        
        // 模型文件下載後的完整地址
        String classifierName = file.getAbsolutePath();

        // 根據模型文件實例化分類器
        classifier = new CascadeClassifier(classifierName);

        if (classifier == null) {
            log.error("Error loading classifier file [{}]", classifierName);
            System.exit(1);
        }
    }

    @Override
    public Frame convert(Frame frame) {
        // 由幀轉為Mat
        grabbedImage = converter.convert(frame);

        // 灰度Mat，用於檢測
        if (null==grayImage) {
            grayImage = DetectService.buildGrayImage(grabbedImage);
        }

        // 進行人臉檢測，根據結果做處理得到預覽視窗顯示的幀
        return DetectService.detect(classifier, converter, frame, grabbedImage, grayImage);
    }

    /**
     * 程式結束前，釋放人臉檢測的資源
     */
    @Override
    public void releaseOutputResource() {
        if (null!=grabbedImage) {
            grabbedImage.release();
        }

        if (null!=grayImage) {
            grayImage.release();
        }

        if (null==classifier) {
            classifier.close();
        }
    }
}

主程式PreviewCameraWithDetect

在《JavaCV的攝像頭實戰之一：基礎》一文創建的simple-grab-push工程中已經準備好了父類AbstractCameraApplication，所以本篇繼續使用該工程，創建子類實現那些抽象方法即可
編碼前先回顧父類的基礎結構，如下圖，粗體是父類定義的各個方法，紅色塊都是需要子類來實現抽象方法，所以接下來，咱們以本地視窗預覽為目標實現這三個紅色方法即可：
新建文件PreviewCameraWithDetect.java，這是AbstractCameraApplication的子類，其代碼很簡單，接下來按上圖順序依次說明
先定義CanvasFrame類型的成員變數previewCanvas，這是展示視頻幀的本地視窗：

protected CanvasFrame previewCanvas

還要定義DetectService類型的成員變數，用於稍後的檢測操作，併在構造方法中對改成員變數賦值：

    /**
     * 檢測工具介面
     */
    private DetectService detectService;
    
    /**
     * 不同的檢測工具，可以通過構造方法傳入
     * @param detectService
     */
    public PreviewCameraWithDetect(DetectService detectService) {
        this.detectService = detectService;
    }

然後是初始化操作，除了previewCanvas的實例化和參數設置，還要調用檢測服務的初始化方法：

    @Override
    protected void initOutput() throws Exception {
        previewCanvas = new CanvasFrame("攝像頭預覽", CanvasFrame.getDefaultGamma() / grabber.getGamma());
        previewCanvas.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
        previewCanvas.setAlwaysOnTop(true);

        // 檢測服務的初始化操作
        detectService.init();
    }

接下來是output方法，定義了拿到每一幀視頻數據後做什麼事情，這裡會交給檢測服務去處理，將處理結果在本地視窗顯示：

    @Override
    protected void output(Frame frame) {
        // 原始幀先交給檢測服務處理，這個處理包括物體檢測，再將檢測結果標註在原始圖片上，
        // 然後轉換為幀返回
        Frame detectedFrame = detectService.convert(frame);
        // 預覽視窗上顯示的幀是標註了檢測結果的幀
        previewCanvas.showImage(detectedFrame);
    }

由於檢測服務也會耗時，所以這裡調整每幀輸出後的等待時間，以免預覽時卡頓，請依照自己電腦CPU性能調整，我這裡改為原有時長的八分之一：

    @Override
    protected int getInterval() {
        return super.getInterval()/8;
    }

最後是處理視頻的迴圈結束後，程式退出前要做的事情，即關閉本地視窗，另外還要調用檢測服務的releaseOutputResource來釋放其相關資源：

    @Override
    protected void releaseOutputResource() {
        if (null!= previewCanvas) {
            previewCanvas.dispose();
        }

        // 檢測工具也要釋放資源
        detectService.releaseOutputResource();
    }

至此，用本地視窗預覽攝像頭的功能已開發完成，再寫上main方法，註意參數100表示預覽持續時間是100秒，modelFileUrl是模型文件在GitHub上的地址（註釋掉的那個是人體的，您也可以試試）：

    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);
    }

運行main方法即可啟動程式，如下圖，預覽視窗中如果有人像，人臉上就會出現紅框（為了不侵犯群眾演員的肖像權，手動對面部做了馬賽克處理）：
至此，本地視窗預覽集成人臉檢測的功能就完成了，得益於JavaCV的強大，整個過程是如此的輕鬆愉快，接下來請繼續關註欣宸原創，《JavaCV的攝像頭實戰》系列還會呈現更多豐富的應用；
本文涉及的所有代碼都能在接下來的介紹的GitHub倉庫中找到

源碼下載

《JavaCV的攝像頭實戰》的完整源碼可在GitHub下載到，地址和鏈接信息如下表所示(https://github.com/zq2599/blog_demos)：

名稱	鏈接	備註
項目主頁	https://github.com/zq2599/blog_demos	該項目在GitHub上的主頁
git倉庫地址(https)	https://github.com/zq2599/blog_demos.git	該項目源碼的倉庫地址，https協議
git倉庫地址(ssh)	[email protected]:zq2599/blog_demos.git	該項目源碼的倉庫地址，ssh協議