一緒に書く習慣をつけましょう!「ナゲッツデイリーニュープラン・4月アップデートチャレンジ」に参加して4日目です。クリックしてイベントの詳細をご覧ください。
私のGitHubへようこそ
Xinchenのすべてのオリジナル作品(サポートするソースコードを含む)は、ここに分類され、要約されています:github.com/zq2599/blog…
顔認識について
- この記事は「JavaCV顔認識三部作」の最初の記事です。記事「JavaCVのカメラ練習8:顔検出」では、顔の検出が実現され、ボックスでマークされていますが、顔の役割のみがフレーム化されています。大きくはありませんが、サインインやアラームなど、さまざまなことができるように、本人の身元を特定するのが最適です。これが次に挑戦する顔認識です。
- 顔認識には、トレーニングと認識の2つのステップが含まれ、次に簡単に説明します。
- 最初に、下の図に示すように、トレーニングに2人の王の写真6枚、合計2つのカテゴリを使用して、トレーニングとは何かを見てみましょう。トレーニングが完了すると、モデルファイルfaceRecognizer.xmlが取得されます。
- トレーニングが成功した後、モデルが識別するための新しい写真を撮り、得られた結果がトレーニング中のカテゴリになります。識別が完了した後、新しい写真のIDを特定しました。
- トレーニングと認識については、以下のフローチャートで詳しく説明します。
「JavaCV顔認識三部作」について
「JavaCV顔認識三部作」は3つの記事で構成されており、内容は以下のとおりです。
- 「動画内の顔を写真として保存する」:この記事では、JavaCVを使用してカメラ内の各顔を検出し、各顔を写真として保存する方法を紹介します。この方法では、で使用する多数の顔写真をすばやく取得できます。トレーニング
- 「トレーニング」:分類された写真を使用してモデルをトレーニングする方法
- 「認識とプレビュー」:トレーニングされたモデルを取得し、ビデオの各フレームで顔を識別し、プレビュー用に画像に結果をマークします
- 三部作全体は、「JavaCVカメラ実際の戦闘」シリーズの第9、第10、および第11章である「JavaCVカメラ実際の戦闘」シリーズの一部でもあります。
この記事の概要
- この記事で行うことは、トレーニング用の写真を準備することです
- 您可能会疑惑:我自己去找一些照片不就行了吗?去网上搜、去相册搜、去拍照不都可以吗?没错,只要找到您想识别的人脸即可,而本篇介绍的是另一种方法:借助摄像头检测人脸,然后将人脸大小的照片保存在硬盘,用这些照片来训练,实测多张照片训练处的模型在检测新照片时效果更好
- 具体做法如下:
- 写个程序,对摄像头的照片做人脸检测,每个检测到的人脸,都作一张图片保存,注意不是摄像头视频帧的完整图片,而是检测出每张人脸,把这个人脸的矩形作为图片保存,而且保存的是灰度图片,不是彩色图片(训练和检测只需要灰度图片)
- 然后找个没人的地方运行程序,一个人对着摄像头,开始......搔首弄姿,各种光线明暗、各种角度、各种表情都用上,作为图片保存
- 用这些图片训练出的模型,由于覆盖了各种亮度、角度、表情,最终的识别效果会更好
- 接下来我们就来写这段程序吧
源码下载
- 《JavaCV的摄像头实战》的完整源码可在GitHub下载到,地址和链接信息如下表所示(github.com/zq2599/blog…
名称 | 链接 | 备注 |
---|---|---|
项目主页 | github.com/zq2599/blog… | 该项目在GitHub上的主页 |
git仓库地址(https) | github.com/zq2599/blog… | 该项目源码的仓库地址,https协议 |
git仓库地址(ssh) | [email protected]:zq2599/blog_demos.git | 该项目源码的仓库地址,ssh协议 |
- 这个git项目中有多个文件夹,本篇的源码在javacv-tutorials文件夹下,如下图红框所示:
- javacv-tutorials里面有多个子工程,《JavaCV的摄像头实战》系列的代码在simple-grab-push工程下:
编码:检测服务
- 先定义一个检测有关的接口DetectService.java,如下,主要是定义了三个方法init、convert、releaseOutputResource,其中init用于初始化检测服务,convert负责处理单个帧(本篇就是检测出人脸、把人脸照片保存在硬盘),releaseOutputResource在结束的时候被执行,用于释放资源,另外还有个静态方法buildGrayImage,很简单,生成灰度图片对应的Mat对象:
public interface DetectService {
/**
* 根据传入的MAT构造相同尺寸的MAT,存放灰度图片用于以后的检测
* @param src 原始图片的MAT对象
* @return 相同尺寸的灰度图片的MAT对象
*/
static Mat buildGrayImage(Mat src) {
return new Mat(src.rows(), src.cols(), CV_8UC1);
}
/**
* 初始化操作,例如模型下载
* @throws Exception
*/
void init() throws Exception;
/**
* 得到原始帧,做识别,添加框选
* @param frame
* @return
*/
Frame convert(Frame frame);
/**
* 释放资源
*/
void releaseOutputResource();
}
复制代码
- 然后就是DetectService的实现类DetectAndSaveService.java,完整代码如下,有几处要注意的地方稍后提到:
@Slf4j
public class DetectAndSaveService implements DetectService {
/**
* 每一帧原始图片的对象
*/
private Mat grabbedImage = null;
/**
* 原始图片对应的灰度图片对象
*/
private Mat grayImage = null;
/**
* 分类器
*/
private CascadeClassifier classifier;
/**
* 转换器
*/
private OpenCVFrameConverter.ToMat converter = new OpenCVFrameConverter.ToMat();
/**
* 模型文件的下载地址
*/
private String modelFileUrl;
/**
* 存放人脸图片的位置
*/
private String basePath;
/**
* 记录图片总数
*/
private final AtomicInteger num = new AtomicInteger();
/**
* 训练的图片尺寸
*/
Size size = new Size(Constants.RESIZE_WIDTH, Constants.RESIZE_HEIGHT);
public DetectAndSaveService(String modelFileUrl, String basePath) {
this.modelFileUrl = modelFileUrl;
// 图片保存在硬盘的位置,注意文件名的固定前缀是当前的年月日时分秒
this.basePath = basePath
+ new SimpleDateFormat("yyyyMMddHHmmss").format(new Date())
+ "-";
}
/**
* 音频采样对象的初始化
* @throws Exception
*/
@Override
public void init() throws Exception {
// 下载模型文件
URL url = new URL(modelFileUrl);
File file = Loader.cacheResource(url);
// 模型文件下载后的完整地址
String classifierName = file.getAbsolutePath();
// 根据模型文件实例化分类器
classifier = new CascadeClassifier(classifierName);
if (classifier == null) {
log.error("Error loading classifier file [{}]", classifierName);
System.exit(1);
}
}
@Override
public Frame convert(Frame frame) {
// 由帧转为Mat
grabbedImage = converter.convert(frame);
// 灰度Mat,用于检测
if (null==grayImage) {
grayImage = DetectService.buildGrayImage(grabbedImage);
}
String filePath = basePath + num.incrementAndGet();
// 进行人脸识别,根据结果做处理得到预览窗口显示的帧
return detectAndSave(classifier, converter, frame, grabbedImage, grayImage, filePath , size);
}
/**
* 程序结束前,释放人脸识别的资源
*/
@Override
public void releaseOutputResource() {
if (null!=grabbedImage) {
grabbedImage.release();
}
if (null!=grayImage) {
grayImage.release();
}
if (null==classifier) {
classifier.close();
}
}
static Frame detectAndSave(CascadeClassifier classifier,
OpenCVFrameConverter.ToMat converter,
Frame rawFrame,
Mat grabbedImage,
Mat grayImage,
String basePath,
Size size) {
// 当前图片转为灰度图片
cvtColor(grabbedImage, grayImage, CV_BGR2GRAY);
// 存放检测结果的容器
RectVector objects = new RectVector();
// 开始检测
classifier.detectMultiScale(grayImage, objects);
// 检测结果总数
long total = objects.size();
// 如果没有检测到结果就提前返回
if (total<1) {
return rawFrame;
}
// 假设现在是一个人对着摄像头,因为此时检测的结果如果大于1,显然是检测有问题
if (total>1) {
return rawFrame;
}
Mat faceMat;
// 如果有检测结果,就根据结果的数据构造矩形框,画在原图上
// 前面的判断确保了此时只有一个人脸
Rect r = objects.get(0);
// 从完整的灰度图中取得一个矩形小图的Mat对象
faceMat = new Mat(grayImage, r);
// 训练时用的图片尺寸是固定的,因此这里要调整大小
resize(faceMat, faceMat, size);
// 图片的保存位置
String imagePath = basePath + "." + Constants.IMG_TYPE;
// 保存图片到硬盘
imwrite(imagePath, faceMat);
// 人脸的位置信息
int x = r.x(), y = r.y(), w = r.width(), h = r.height();
// 在人脸上画矩形
rectangle(grabbedImage, new Point(x, y), new Point(x + w, y + h), Scalar.RED, 1, CV_AA, 0);
// 释放检测结果资源
objects.close();
// 将标注过的图片转为帧,返回
return converter.convert(grabbedImage);
}
}
复制代码
- 上述代码有几处要注意:
- detectAndSave方法中,当前照片检测出的人脸数如果大于1就提前返回不做处理了,这是因为假定运行程序的时候,摄像头前面只有一个人,所以如果检测出超过一张人脸,就认为当前照片的检测不准确,就不再处理当前照片了(实际使用中发现常有检测失误的情况,例如把一个矩形盒子检测为人脸),这个提前返回的逻辑,您可以根据自己的环境去调整
- imwrite方法可以将Mat以图片的形式保存到硬盘
- 保存文件到磁盘前调用了resize方法,将图片调整为164*164大小,这是因为后面的训练和检测统一使用该尺寸
- 现在核心代码已经写完,需要再写一些代码来使用DetectAndSaveService
编码:运行框架
- 《JavaCV的摄像头实战之一:基础》创建的simple-grab-push工程中已经准备好了父类AbstractCameraApplication,所以本篇继续使用该工程,创建子类实现那些抽象方法即可
- 编码前先回顾父类的基础结构,如下图,粗体是父类定义的各个方法,红色块都是需要子类来实现抽象方法,所以接下来,咱们以本地窗口预览为目标实现这三个红色方法即可:
- 新建文件PreviewCameraWithDetectAndSave.java,这是AbstractCameraApplication的子类,其代码很简单,接下来按上图顺序依次说明
- 先定义CanvasFrame类型的成员变量previewCanvas,这是展示视频帧的本地窗口:
protected CanvasFrame previewCanvas
复制代码
- 把前面创建的DetectService作为成员变量,后面检测的时候会用到:
/**
* 检测工具接口
*/
private DetectService detectService;
复制代码
- PreviewCameraWithDetectAndSave的构造方法,接受DetectService的实例:
/**
* 不同的检测工具,可以通过构造方法传入
* @param detectService
*/
public PreviewCameraWithDetectAndSave(DetectService detectService) {
this.detectService = detectService;
}
复制代码
- 然后是初始化操作,可见是previewCanvas的实例化和参数设置:
@Override
protected void initOutput() throws Exception {
previewCanvas = new CanvasFrame("摄像头预览,检测人脸并保存在硬盘", CanvasFrame.getDefaultGamma() / grabber.getGamma());
previewCanvas.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
previewCanvas.setAlwaysOnTop(true);
// 检测服务的初始化操作
detectService.init();
}
复制代码
- 接下来是output方法,定义了拿到每一帧视频数据后做什么事情,这里调用了detectService.convert检测人脸并保存图片,然后在本地窗口显示:
@Override
protected void output(Frame frame) {
// 原始帧先交给检测服务处理,这个处理包括物体检测,再将检测结果标注在原始图片上,
// 然后转换为帧返回
Frame detectedFrame = detectService.convert(frame);
// 预览窗口上显示的帧是标注了检测结果的帧
previewCanvas.showImage(detectedFrame);
}
复制代码
- 最后是处理视频的循环结束后,程序退出前要做的事情,先关闭本地窗口,再释放检测服务的资源:
@Override
protected void releaseOutputResource() {
if (null!= previewCanvas) {
previewCanvas.dispose();
}
// 检测工具也要释放资源
detectService.releaseOutputResource();
}
复制代码
- 由于检测有些耗时,所以两帧之间的间隔时间要低于普通预览:
@Override
protected int getInterval() {
return super.getInterval()/8;
}
复制代码
- 至此,功能已开发完成,再写上main方法,在实例化DetectAndSaveService的时候注意入参有两个,第一个是人脸检测模型的下载地址,第二个是人脸照片保存在本地的位置,还有action方法的参数1000表示预览持续时间是1000秒:
public static void main(String[] args) {
String modelFileUrl = "https://raw.github.com/opencv/opencv/master/data/haarcascades/haarcascade_frontalface_alt.xml";
new PreviewCameraWithDetectAndSave(
new DetectAndSaveService(
modelFileUrl,
"E:\\temp\\202112\\18\\001\\man"))
.action(1000);
}
复制代码
抓取第一个人的照片
- 运行main方法,然后请群众演员A登场,看着他一个人对着摄像头,开始......搔首弄姿,各种光线明暗、各种角度、各种表情都用上吧,哎,不忍直视...
- 由于开启了预览窗口,因此可以看到摄像头拍摄的效果,出现红框的矩形最终都会被保存为图片,请注意调整角度和表情,群众演员A好像很热衷于自拍,玩得不亦乐乎,好吧,让他放飞自我:
- 检测的图片到了一定数量就可以结束了,我这里保存了259张,如下图:
- 上記の写真については、肉眼ですべての写真を確認し、人間以外の顔をすべて削除することをお勧めします。人間の顔ではない写真が10枚以上見つかりました。たとえば、次の写真は、人間の顔としての顔。問題がある場合は、そのような写真を削除し、トレーニングに使用しないでください。
- 上記の写真はすべて、ディレクトリE:\ temp \ 202112 \ 18 \ 001\manに保存されます。
二人目の写真を撮る
- コードを変更し、メインメソッドで写真が保存されているディレクトリをE:\ temp \ 202112 \ 18 \ 001 \ womanに変更してから、プログラムを再度実行し、追加の俳優Bを招待して、彼女に一人でいるように頼みます。前のエキストラ俳優カメラ、開始...頭をかいてポーズをとり、あらゆる種類の明暗、さまざまな角度、さまざまな表現を使用します。
- そのため、2枚目のエクストラの顔写真を多数取得し、各写真を肉眼で観察し、不正確な写真をすべて削除することを忘れないでください。
- これまでのところ、上記のプログラムの助けを借りて、2つのエクストラの顔写真を簡単に大量に取得できました。Aの写真はE:\ temp \ 202112 \ 18 \ 001 \ manに保存され、写真はBのはE:\ temp \ 202112 \ 18 \ 001 \女性に保存されます:
- これまでのところ、この記事のタスクは完了しています。次の記事では、これらの写真をトレーニングに使用して、最終的な認識の準備をします。