Android 使用OpenCV实现实时人脸识别，并绘制到SurfaceView上

1. 前言

上篇文章我们已经通过一个简单的例子，在Android Studio中接入了OpenCV。

之前我们也在Visual Studio上，使用OpenCV实现人脸识别中实现了人脸识别的效果。

接着，我们就可以将OpenCV的人脸识别效果移植到Android中了。

1.1 环境说明

操作系统 : windows 10 64位
Android Studio版本 : Android Studio Giraffe | 2022.3.1
OpenCV版本 : OpenCV-4.8.0 (2023年7月最新版)

1.2 实现效果

先来看下实现效果，识别到的人脸会用红框框出来。

接下来我们来一步步实现上述的效果。

2. 前置操作

2.1 添加权限

xml 复制代码

<uses-permission android:name="android.permission.CAMERA" />
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />
<uses-permission android:name="android.permission.RECORD_AUDIO" />

kotlin 复制代码

ActivityCompat.requestPermissions(
    this@FaceDetectionActivity,
    arrayOf(
        Manifest.permission.CAMERA,
        Manifest.permission.WRITE_EXTERNAL_STORAGE,
        Manifest.permission.RECORD_AUDIO
    ),
    1
)

2.2 新建FaceDetectionActivity

新建FaceDetectionActivity，并将其设为默认的Activity，然后修改其XML布局

xml 复制代码

<?xml version="1.0" encoding="utf-8"?>
<RelativeLayout xmlns:android="http://schemas.android.com/apk/res/android"
    xmlns:tools="http://schemas.android.com/tools"
    android:layout_width="match_parent"
    android:layout_height="match_parent"
    xmlns:app="http://schemas.android.com/apk/res-auto"
    android:orientation="vertical"
    tools:context=".MainActivity">

    <androidx.constraintlayout.widget.ConstraintLayout
        android:background="@color/black"
        android:layout_width="match_parent"
        android:layout_height="match_parent">

        <SurfaceView
            android:id="@+id/surfaceView"
            android:layout_width="match_parent"
            android:layout_height="0dp"
            app:layout_constraintBottom_toBottomOf="parent"
            app:layout_constraintDimensionRatio="w,4:3"
            app:layout_constraintLeft_toLeftOf="parent"
            app:layout_constraintRight_toRightOf="parent"
            app:layout_constraintTop_toTopOf="parent" />

    </androidx.constraintlayout.widget.ConstraintLayout>

    <LinearLayout
        android:layout_width="match_parent"
        android:orientation="horizontal"
        android:layout_height="wrap_content">
        <Button

            android:text="切换摄像头"
            android:onClick="switchCamera"
            android:layout_width="wrap_content"
            android:layout_height="wrap_content" />
    </LinearLayout>
</RelativeLayout>

2.3 添加JNI方法

然后修改FaceDetectionActivity为如下代码，这里增加了三个JNI方法

init : 初始化OpenCV人脸识别
setSurface : 设置SurfaceView
postData : 发送视频帧数据

kotlin 复制代码

class FaceDetectionActivity : AppCompatActivity() {
    private lateinit var binding: ActivityFaceDetectionBinding

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        binding = ActivityFaceDetectionBinding.inflate(layoutInflater)
        setContentView(binding.root)
		
		//这里省略了申请权限的代码...
    }

	//初始化OpenCV
    external fun init(path: String?)

	//向OpenCV发送一帧的图像数据
    external fun postData(data: ByteArray?, width: Int, height: Int, cameraId: Int)

	//设置SurfaceView
    external fun setSurface(surface: Surface?)

    companion object {
        init {
            System.loadLibrary("myopencvtest")
        }
    }
}

同时，需要在native-lib.cpp中添加这三个JNI方法，这里的com_heiko_myopencvtest_FaceDetectionActivity需要改为你实际的包名和类名。

cpp 复制代码

extern "C"
JNIEXPORT void JNICALL
Java_com_heiko_myopencvtest_FaceDetectionActivity_init(JNIEnv *env, jobject thiz, jstring path) {

}
extern "C"
JNIEXPORT void JNICALL
Java_com_heiko_myopencvtest_FaceDetectionActivity_postData(JNIEnv *env, jobject thiz,
                                                           jbyteArray data, jint width, jint height,
                                                           jint camera_id) {
}
extern "C"
JNIEXPORT void JNICALL
Java_com_heiko_myopencvtest_FaceDetectionActivity_setSurface(JNIEnv *env, jobject thiz,
                                                             jobject surface) {
}

2.4 实现相机预览功能

这里用到了Camera1 API，直接使用CameraHelper这个工具类接入即可，这部分详见我的另一篇博客 Android 使用Camera1的工具类CameraHelper快速实现相机预览、拍照功能

kotlin 复制代码

override fun onCreate(savedInstanceState: Bundle?) {
    super.onCreate(savedInstanceState)
    binding = ActivityFaceDetectionBinding.inflate(layoutInflater)
	setContentView(binding.root)
	
	//这里省略了申请权限的代码...
	
	val surfaceView = findViewById<SurfaceView>(R.id.surfaceView)
	surfaceView.holder.addCallback(this)
	cameraHelper = CameraHelper(cameraId)
	cameraHelper.setPreviewCallback(this)
}

3. 初始化OpenCV

3.1 配置OpenCV

接着，我们不要忘了配置OpenCV，这部分详见我的另一篇博客 : Android Studio 接入OpenCV最简单的例子 : 实现灰度图效果

3.2 赋值级联分类器文件

配置好OpenCV，我们要将模型，也就是人脸识别的级联分类器文件haarcascade_frontalface_alt.xml复制到asserts文件夹下。

当我们启动App的时候，需要将该文件复制到外置存储中。

kotlin 复制代码

 override fun onCreate(savedInstanceState: Bundle?) {
	super.onCreate(savedInstanceState)
	//省略了其他代码...
	
	//Utils类可以在本文末尾复制
	Utils.copyAssets(this@FaceDetectionActivity, "haarcascade_frontalface_alt.xml")
}

拷贝完成后，调用init()方法，传入路径

kotlin 复制代码

override fun onResume() {
        super.onResume()
		//省略了其他代码...

		//Utils类可以在本文末尾复制
        val path = Utils.getModelFile(
            this@FaceDetectionActivity,
            "haarcascade_frontalface_alt.xml"
        ).absolutePath
        
        init(path)
    }

4. 实现CascadeDetectorAdapter

这里我们需要将我的另一篇博客中的在Visual Studio上，使用OpenCV实现人脸识别 (下面统称为VS实现) 中的代码移植过来。

这里创建了CascadeDetectorAdapter，实现了DetectionBasedTracker::IDetector接口，和VS实现上代码是一样的。

cpp 复制代码

class CascadeDetectorAdapter : public DetectionBasedTracker::IDetector
{
public:
    CascadeDetectorAdapter(cv::Ptr<cv::CascadeClassifier> detector) :
            IDetector(),
            Detector(detector)
    {
        CV_Assert(detector);
    }

    void detect(const cv::Mat& Image, std::vector<cv::Rect>& objects)
    {
        Detector->detectMultiScale(Image, objects, scaleFactor, minNeighbours, 0, minObjSize, maxObjSize);
    }

    virtual ~CascadeDetectorAdapter()
    {
    }

private:
    CascadeDetectorAdapter();
    cv::Ptr<cv::CascadeClassifier> Detector;
};

cv::Ptr<DetectionBasedTracker> tracker;

5. 实现init方法

init方法也是一样的，声明tracker对象，并调用run()方法，会启动一个异步线程，后面的人脸检测会在这个异步线程进行检测了。(这个是保障实时人脸检测不卡的前提)

kotlin 复制代码

//cv::Ptr<DetectionBasedTracker> tracker;
DetectionBasedTracker *tracker = 0;

extern "C"
JNIEXPORT void JNICALL
Java_com_heiko_myopencvtest_FaceDetectionActivity_init(JNIEnv *env, jobject thiz, jstring path) {
    string stdFileName = env->GetStringUTFChars(path, 0);
    //创建一个主检测适配器
    cv::Ptr<CascadeDetectorAdapter> mainDetector = makePtr<CascadeDetectorAdapter>(
            makePtr<CascadeClassifier>(stdFileName));
    //创建一个跟踪检测适配器
    cv::Ptr<CascadeDetectorAdapter> trackingDetector = makePtr<CascadeDetectorAdapter>(
            makePtr<CascadeClassifier>(stdFileName));
    //创建跟踪器
    DetectionBasedTracker::Parameters DetectorParams;
    //tracker = makePtr<DetectionBasedTracker>(mainDetector, trackingDetector, DetectorParams);
    tracker= new DetectionBasedTracker(mainDetector, trackingDetector, DetectorParams);
    tracker->run();
}

5. 设置Surface

在 Android NDK 中，ANativeWindow 是一个C/C++接口，它提供了一种在 C 或 C++ 代码中访问 Android Surface 的方式。通过使用ANativeWindow接口，开发者可以在NDK中直接访问和操作Android窗口系统，实现图形处理和渲染操作。

这里我们将SurfaceView传到JNI中，方便C/C++代码后边将图像实时渲染到Android SurfaceView上。

cpp 复制代码

#include <android/native_window_jni.h>

ANativeWindow *window = 0;

extern "C"
JNIEXPORT void JNICALL
Java_com_heiko_myopencvtest_FaceDetectionActivity_setSurface(JNIEnv *env, jobject thiz,
                                                             jobject surface) {
    if (window) {
        ANativeWindow_release(window);
        window = 0;
    }
    window = ANativeWindow_fromSurface(env, surface);
}

6. 处理数据并实现人脸识别

处理图像数据的部分我们在postData中实现，这部分会先对图像进行处理，然后进行人脸识别，并渲染到SurfaceView上。

kotlin 复制代码

extern "C"
JNIEXPORT void JNICALL
Java_com_heiko_myopencvtest_FaceDetectionActivity_postData(JNIEnv *env, jobject instance, jbyteArray data_,
                                                                                                    jint w, jint h, jint cameraId) {
    //待实现的代码
}

6.1 将图片转化为Mat

参数中的jbyteArray data_，是从Android Java层中获取到的。

然后转化为jbyte *data这个字节数组，接着将其转为一个Mat矩阵。
Mat是是OpenCV最基本的数据结构。它用于存储图像数据。

需要注意的是，由于传入的数据是YUV420，每个像素占1.5byte，

所以这个图像的宽度需要传入实际宽度*1.5，宽度不变。

这里的CV_8UC1是单通道的意思，就是说无论是Y分量还是U、V分量，都存储在同一个通道里。

cpp 复制代码

jbyte *data = env->GetByteArrayElements(data_, NULL);
Mat src(h + h / 2, w, CV_8UC1, data);

要获取Mat对象中每个通道的数据，可以使用OpenCV提供的函数和方法。

对于一个BGR图像（即具有三个通道的图像），每个通道的数据可以分别获取并进行处理。

以下是一些示例代码，演示如何获取每个通道的数据：
cpp 复制代码
// 假设img是包含BGR图像的Mat对象    
// 获取B通道数据   
Mat bChannel = img.channel(0);   
// 获取G通道数据   
Mat gChannel = img.channel(1);   
//获取R通道数据   
Mat rChannel = img.channel(2); 

6.2 将YUV转为RGBA

接着，需要将YUV格式转化为RGBA格式，方便后续的操作。

这里的COLOR_YUV2RGBA_NV21表示原始是NV21的YUV格式，将其转为RGBA格式。

cpp 复制代码

cvtColor(src, src, COLOR_YUV2RGBA_NV21);

6.3 对图像做翻转和镜像

由于手机摄像头硬件安装在手机里时，和屏幕的方向并不是一致的，所以需要将摄像头拍摄的画面进行旋转。

如果是前置摄像头 : 需要将画面逆时针旋转90度，并做左右镜像操作
如果是后置摄像头 : 需要将画面顺时针旋转90度

cpp 复制代码

if (cameraId == 1) {
    //前置摄像头
    rotate(src, src, ROTATE_90_COUNTERCLOCKWISE);
    //1:左右镜像
    //0:上下镜像
    flip(src, src, 1);
}    else {
    //顺时针旋转90度
    rotate(src, src, ROTATE_90_CLOCKWISE);
}

6.4 转为灰度图并进行直方图均衡化处理

接着需要对图像进行灰度和直方图均衡化处理，以便提高人脸识别的准确性和可靠性，这部分和VS实现上是一样。

cpp 复制代码

Mat gray;
//转为灰度图
cvtColor(src, gray, COLOR_RGBA2GRAY);
//直方图均衡化
equalizeHist(gray, gray);

6.5 进行人脸检测

接着就可以调用tracker->process来建人脸检测了。

检测完成后，接着调用tracker->getObjects将检测的人脸位置赋值给faces。

cpp 复制代码

std::vector<Rect> faces;
tracker->process(gray);
tracker->getObjects(faces);

6.6 将人脸用红框框出来

接着，将识别到的人脸，用红色的矩形框绘制出来，rectangle方法就是用来绘制一个矩形框的方法。

cpp 复制代码

for (Rect face : faces) {
    rectangle(src, face, Scalar(255, 0, 0));
}

6.7 将图像渲染到SurfaceView上

6.7.1 设置窗口缓冲区

ANativeWindow_setBuffersGeometry是设置Android Native窗口的缓冲区的大小和像素格式。

cpp 复制代码

if (window) {
    ANativeWindow_setBuffersGeometry(window, src.cols, src.rows, WINDOW_FORMAT_RGBA_8888);
	
	//后续代码在这里编写...
}

6.7.2 将图像数据填充到窗口的缓冲区

这里是个while循环，会不断地将图像数据(RGBA)，填充到窗口的缓冲区，最后调用ANativeWindow_unlockAndPost提交刷新，图像就渲染到SurfaceView上了。

cpp 复制代码

ANativeWindow_Buffer window_buffer;
do {
    //如果 lock 失败，直接 break
    if (ANativeWindow_lock(window, &window_buffer, 0)) {
        ANativeWindow_release(window);
        window = 0;
        break;
    }
    //将window_buffer.bits转化为 uint8_t *
    uint8_t *dst_data = static_cast<uint8_t *>(window_buffer.bits);
    //stride : 一行多少个数据 （RGBA） * 4
    int dst_linesize = window_buffer.stride * 4;

    //一行一行拷贝
    for (int i = 0; i < window_buffer.height; ++i) {
        memcpy(dst_data + i * dst_linesize, src.data + i * src.cols * 4, dst_linesize);
    }
    //提交刷新
    ANativeWindow_unlockAndPost(window);
} while (0);

6.8 回收资源

最后，别忘了回收资源

cpp 复制代码

src.release();
gray.release();
env->ReleaseByteArrayElements(data_, data, 0);

7. 运行项目

我们可以看到效果如下，至此我们就完成在Android上，使用OpenCV实现实时的人脸识别了。

8. 本文源码下载

Android和Windows下，使用OpenCV实现人脸识别示例 Demo

9. OpenCV系列文章

Visual Studio 2022 cmake配置opencv开发环境_opencv visualstudio配置_氦客的博客-CSDN博客
 在Visual Studio上，使用OpenCV实现人脸识别_氦客的博客-CSDN博客
 Android Studio 接入OpenCV，并实现灰度图效果_氦客的博客-CSDN博客
 Android 使用OpenCV实现实时人脸识别，并绘制到SurfaceView上_氦客的博客-CSDN博客

❤️ 如果觉得这篇博文写的不错，对你有所帮助，帮忙点个赞👍

⭐ 这是对我持续输出高质量博文的最好鼓励。😄