OpenCVCheck

OpenCV人脸识别、图片相似度检测

检测任意两张图片的相似度思路

加载两张图片为bitmap进入内存
将内存中的两张图片bitmap转换为Mat矩阵(Mat类是OpenCV最基本的一个数据类型，它可以表示一个多维的多通道的数组。Mat常用来存储图像，包括单通道二维数组——灰度图，多通道二维数组——彩色图)
把Mat矩阵的type转换为Cv_8uc1(1通道8位矩阵)类型，然后转换为Cv_32F，因为在c++代码中会判断他的类型。
通过OpenCv 来进行俩个矩阵的比较（俩个矩阵必须一样大小的高宽）

识别图片中是否有人脸思路

需要一个人脸的Haar特征分类器就是一个XML文件，该文件中会描述人脸的Haar特征值，CascadeClassifier人脸探测器将该特征值集合加载入内存
加载图片为bitmap进入内存，将bitmap转换为Mat矩阵。
有了Mat矩阵，然后通过调用OpenCV的Native方法，人脸探测器CascadeClassifier在该Mat矩阵中检测当前是否有人脸。
如果有，我们会获取到一个Rect数组，里面会有人脸数据，然后将人脸画在屏幕上，方框或者圆形

识别两张图片中的人脸是否是同一个人脸思路

识别出人脸后会得到两个人脸的Rect数组，然后比较这两个Rect数组的相似度即可！

实现步骤

工程目录准备

新建Android Studio项目 OpenCVCheck
导入OpenCVLibrary320
在module下的build.gradle中引入OpenCVLibrary的编译：
```
 compile project(':openCVLibrary320')
```

检测任意两张图片的相似度的实现步骤

初始化OpenCV：

static {
    if (OpenCVLoader.initDebug()) {
        Log.e(TAG, "OpenCV load success !");
    } else {
        Log.e(TAG, "OpenCV load failed !");
    }
}

加载两张图片进入内存

Bitmap mBitmap1 = BitmapFactory.decodeResource(getResources(), R.mipmap.pic1);
Bitmap mBitmap2 = BitmapFactory.decodeResource(getResources(), R.mipmap.pic2);

将内存中的两张图片bitmap转换为Mat矩阵

Mat mat1 = new Mat();
Mat mat2 = new Mat();
Mat mat11 = new Mat();
Mat mat22 = new Mat();
Utils.bitmapToMat(mBitmap1, mat1);
Utils.bitmapToMat(mBitmap2, mat2);

Imgproc.cvtColor(mat1, mat11, Imgproc.COLOR_BGR2GRAY);
Imgproc.cvtColor(mat2, mat22, Imgproc.COLOR_BGR2GRAY);

把Mat矩阵的type转换为Cv_8uc1(1通道8位矩阵)类型，然后转换为Cv_32F,通过OpenCV来进行俩个矩阵的比较

/**
 * 比较来个矩阵的相似度
 *
 * @param srcMat
 * @param desMat
 */
public void comPareHist(Mat srcMat, Mat desMat) {

    srcMat.convertTo(srcMat, CvType.CV_32F);
    desMat.convertTo(desMat, CvType.CV_32F);
    double target = Imgproc.compareHist(srcMat, desMat, Imgproc.CV_COMP_CORREL);

    textView.setText("相似度:" + target);
}

识别图片中是否有人脸步骤

初始化OpenCV

if (!OpenCVLoader.initDebug()) {
   Log.d(TAG, "Internal OpenCV library not found. Using OpenCV Manager for initialization");
   OpenCVLoader.initAsync(OpenCVLoader.OPENCV_VERSION_2_4_11, this, mLoaderCallback);
} else {
   Log.d(TAG, "OpenCV library found inside package. Using it!");
   mLoaderCallback.onManagerConnected(LoaderCallbackInterface.SUCCESS);
}

编译 .so 库

通过ndk 来编译 jni文件下的.cpp 文件，生成.so库，以备程序使用

加载.so 库

     // 在Opencv初始化完成后，调用Native库
     System.loadLibrary("detection_based_tracker");

加载需要的人脸的Haar特征分类器就是一个XML文件，该文件中会描述人脸的Haar特征值

private BaseLoaderCallback mLoaderCallback = new BaseLoaderCallback(this) {
       @Override
       public void onManagerConnected(int status) {
           switch (status) {
               case LoaderCallbackInterface.SUCCESS: {
                   Log.i(TAG, "OpenCV loaded successfully");

                   // Load native library after(!) OpenCV initialization
                   System.loadLibrary("detection_based_tracker");

                   try {
                       // load cascade file from application resources
                       InputStream is = getResources().openRawResource(R.raw.lbpcascade_frontalface);
                       File cascadeDir = getDir("cascade", Context.MODE_PRIVATE);
                       mCascadeFile = new File(cascadeDir, "lbpcascade_frontalface.xml");
                       FileOutputStream os = new FileOutputStream(mCascadeFile);

                       byte[] buffer = new byte[4096];
                       int bytesRead;
                       while ((bytesRead = is.read(buffer)) != -1) {
                           os.write(buffer, 0, bytesRead);
                       }
                       is.close();
                       os.close();

                       mJavaDetector = new CascadeClassifier(mCascadeFile.getAbsolutePath());
                       if (mJavaDetector.empty()) {
                           Log.e(TAG, "Failed to load cascade classifier");
                           mJavaDetector = null;
                       } else
                           Log.i(TAG, "Loaded cascade classifier from " + mCascadeFile.getAbsolutePath());

                       mNativeDetector = new DetectionBasedTracker(mCascadeFile.getAbsolutePath(), 0);

                       cascadeDir.delete();

                   } catch (IOException e) {
                       e.printStackTrace();
                       Log.e(TAG, "Failed to load cascade. Exception thrown: " + e);
                   }


               }
               break;
               default: {
                   super.onManagerConnected(status);
               }
               break;
           }
       }
   };

加载图片进入内存，得到Mat矩阵，有了Mat矩阵，然后通过调用OpenCV的Native方法，人脸探测器CascadeClassifier在该Mat矩阵中检测当前是否有人脸

        Bitmap imgtemp = BitmapFactory.decodeResource(getResources(), R.mipmap.twop);

        Utils.bitmapToMat(imgtemp, mRgba);

        Mat mat1 = new Mat();

        Utils.bitmapToMat(imgtemp, mat1);

        Imgproc.cvtColor(mat1, mGray, Imgproc.COLOR_BGR2GRAY);

        if (mAbsoluteFaceSize == 0) {
            int height = mGray.rows();
            if (Math.round(height * mRelativeFaceSize) > 0) {
                mAbsoluteFaceSize = Math.round(height * mRelativeFaceSize);
            }
            mNativeDetector.setMinFaceSize(mAbsoluteFaceSize);
        }

        MatOfRect faces = new MatOfRect();

        if (mDetectorType == JAVA_DETECTOR) {
            if (mJavaDetector != null)
                mJavaDetector.detectMultiScale(mGray, faces, 1.1, 2, 2, // TODO: objdetect.CV_HAAR_SCALE_IMAGE
                        new Size(mAbsoluteFaceSize, mAbsoluteFaceSize), new Size());
        } else if (mDetectorType == NATIVE_DETECTOR) {
            if (mNativeDetector != null)
                mNativeDetector.detect(mGray, faces);
        } else {
            Log.e(TAG, "Detection method is not selected!");
        }

如果有，我们会获取到一个Rect数组，里面会有人脸数据，然后将人脸画在屏幕上，方框或者圆形

Rect[] facesArray = faces.toArray();
for (int i = 0; i < facesArray.length; i++)
    Imgproc.rectangle(mRgba, facesArray[i].tl(), facesArray[i].br(), FACE_RECT_COLOR, 3);

Utils.matToBitmap(mRgba, imgtemp, true);

imageView.setImageBitmap(imgtemp);

识别两张图片中的人脸是否是同一个人脸步骤

这个功能前面的步骤跟检测人脸的一样，唯一不同的就是：检测出两个人脸的Rect数组后，进行相似度比较：

/**
     * 特征对比
     *
     * @param file1 人脸特征
     * @param file2 人脸特征
     * @return 相似度
     */
    public double CmpPic(String file1, String file2) {
        try {
            int l_bins = 256;
            int hist_size[] = {l_bins};
            float v_ranges[] = {0, 255};
            float ranges[][] = {v_ranges};
            opencv_core.IplImage Image1 = cvLoadImage(getFilePath(file1), CV_LOAD_IMAGE_GRAYSCALE);
            opencv_core.IplImage Image2 = cvLoadImage(getFilePath(file2), CV_LOAD_IMAGE_GRAYSCALE);
            opencv_core.IplImage imageArr1[] = {Image1};
            opencv_core.IplImage imageArr2[] = {Image2};
            opencv_imgproc.CvHistogram Histogram1 = opencv_imgproc.CvHistogram.create(1, hist_size, CV_HIST_ARRAY, ranges, 1);
            opencv_imgproc.CvHistogram Histogram2 = opencv_imgproc.CvHistogram.create(1, hist_size, CV_HIST_ARRAY, ranges, 1);
            cvCalcHist(imageArr1, Histogram1, 0, null);
            cvCalcHist(imageArr2, Histogram2, 0, null);
            cvNormalizeHist(Histogram1, 100.0);
            cvNormalizeHist(Histogram2, 100.0);

            double c1 = cvCompareHist(Histogram1, Histogram2, CV_COMP_CORREL) * 100;
            double c2 = cvCompareHist(Histogram1, Histogram2, CV_COMP_INTERSECT);
            return (c1 + c2) / 2;
        } catch (Exception e) {
            e.printStackTrace();
            return -1;
        }
    }

SOFTPOWER1991/OpenCVCheck