opencv java 人脸识别-杰瑞科技汇

人脸检测：在图片或视频中找到人脸的位置（用矩形框标出），这是识别的基础。
人脸识别：在检测到的人脸基础上，判断这个人是谁。

我们将从最简单的人脸检测开始,然后逐步深入到人脸识别。

（图片来源网络，侵删）

准备工作：环境配置

在开始编码之前,你需要准备好 OpenCV Java 的开发环境。

下载 OpenCV

访问 OpenCV 官网下载页面：https://opencv.org/releases/ 下载适合你操作系统的版本（opencv-4.x.x-windows）。

配置 IDE (以 IntelliJ IDEA 为例)

这是最关键的一步,让你的 Java 项目能够找到并使用 OpenCV 的库文件（.dll 或 .so）。

解压 OpenCV：将下载的 .zip 文件解压到一个固定路径，D:\dev\opencv。
创建新项目：在 IntelliJ IDEA 中创建一个新的 Java 项目。
添加 OpenCV 库：
- 打开 File -> Project Structure...。
- 选择 Libraries -> 点击号 -> 选择 Java。
- 浏览并选择你解压的 OpenCV 目录下的 build/java/opencv-4xx.jar 文件（xx 是版本号）。
- 非常重要：在接下来的窗口中，确保勾选了 "Extract to the project"（或者 "Copy to the project"），这会将 JAR 文件复制到你的项目中。
- 点击 OK。
配置 Native Library Location：
- 再次打开 Project Structure... -> Libraries。
- 找到你刚刚添加的 opencv-4xx.jar 库，选中它。
- 在右侧的 Native library locations 中，点击文件夹图标，然后选择 OpenCV 解压目录下的 build/java/x64 (如果你是 64 位系统) 或 build/java/x86 (32 位系统)。
- 点击 OK。

现在你的项目已经可以正确使用 OpenCV 了。

（图片来源网络，侵删）

第一部分：人脸检测

人脸检测的原理是使用一个预先训练好的“级联分类器”（Haar Cascade 或 LBP）模型，它在图像中滑动窗口，判断每个窗口是否包含人脸。

获取分类器文件

你需要一个 .xml 格式的分类器文件，OpenCV 安装包中已经包含了。

Haar Cascade 人脸检测器：效果较好，但对光照敏感，路径：<opencv_path>/data/haarcascades/haarcascade_frontalface_alt.xml
LBP (Local Binary Patterns) 人脸检测器：速度更快，对光照不敏感，但精度略低，路径：<opencv_path>/data/lbpcascades/lbpcascade_frontalface.xml

我们将使用 Haar Cascade 作为示例。

代码实现：从图片中检测人脸

import org.opencv.core.*;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import org.opencv.objdetect.CascadeClassifier;
import javax.swing.*;
import java.awt.*;
import java.awt.image.BufferedImage;
public class FaceDetectionImage {
    static {
        // 加载 OpenCV 的 native 库
        // 这行代码会去你在 Project Structure 中配置的 Native Library Location 路径下查找 .dll 文件
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    }
    public static void main(String[] args) {
        // 1. 加载分类器
        // 请确保这里的路径是正确的，指向你本地的 haarcascade_frontalface_alt.xml 文件
        String classifierPath = "D:/dev/opencv/data/haarcascades/haarcascade_frontalface_alt.xml";
        CascadeClassifier faceDetector = new CascadeClassifier();
        if (!faceDetector.load(classifierPath)) {
            System.err.println("Error loading classifier file");
            return;
        }
        // 2. 读取图片
        String imagePath = "path/to/your/image.jpg"; // 替换成你的图片路径
        Mat image = Imgcodecs.imread(imagePath);
        if (image.empty()) {
            System.err.println("Error loading image");
            return;
        }
        // 3. 检测人脸
        // MatOfRect 用于存储检测到的人脸的矩形区域
        MatOfRect faceDetections = new MatOfRect();
        // detectMultiScale 方法执行检测
        // 参数：图像, 结果, 缩放因子, 邻近数, 标志, 最小尺寸
        faceDetector.detectMultiScale(image, faceDetections);
        System.out.println(String.format("Detected %s faces", faceDetections.toArray().length));
        // 4. 在检测到的人脸周围画矩形
        for (Rect rect : faceDetections.toArray()) {
            Imgproc.rectangle(
                image,                                  // 原始图像
                new Point(rect.x, rect.y),              // 矩形左上角坐标
                new Point(rect.x + rect.width, rect.y + rect.height), // 矩形右下角坐标
                new Scalar(0, 255, 0),                  // 颜色 (BGR格式, 绿色)
                3                                       // 线条粗细
            );
        }
        // 5. 显示结果
        // OpenCV 的 Mat 不能直接显示，需要转换为 Java 的 BufferedImage
        HighGui.imshow("Face Detection", matToBufferedImage(image));
        HighGui.waitKey(0); // 等待按键
        HighGui.destroyAllWindows();
    }
    // Mat 转 BufferedImage 的辅助方法
    public static BufferedImage matToBufferedImage(Mat mat) {
        int type = BufferedImage.TYPE_BYTE_GRAY;
        if (mat.channels() == 3) {
            type = BufferedImage.TYPE_3BYTE_BGR;
        }
        int bufferSize = mat.channels() * mat.cols() * mat.rows();
        byte[] b = new byte[bufferSize];
        mat.get(0, 0, b); // get all the pixels
        BufferedImage image = new BufferedImage(mat.cols(), mat.rows(), type);
        final byte[] targetPixels = ((DataBufferByte) image.getRaster().getDataBuffer()).getData();
        System.arraycopy(b, 0, targetPixels, 0, b.length);
        return image;
    }
}

代码实现：从摄像头实时检测人脸

import org.opencv.core.*;
import org.opencv.videoio.VideoCapture;
import org.opencv.objdetect.CascadeClassifier;
import javax.swing.*;
import java.awt.*;
import java.awt.image.BufferedImage;
public class FaceDetectionWebcam {
    static {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    }
    public static void main(String[] args) {
        // 1. 加载分类器
        String classifierPath = "D:/dev/opencv/data/haarcascades/haarcascade_frontalface_alt.xml";
        CascadeClassifier faceDetector = new CascadeClassifier(classifierPath);
        // 2. 打开摄像头
        VideoCapture camera = new VideoCapture(0); // 0 表示默认摄像头
        if (!camera.isOpened()) {
            System.err.println("Cannot open camera");
            return;
        }
        // 3. 创建显示窗口
        JFrame frame = new JFrame("Camera Face Detection");
        frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
        JLabel label = new JLabel();
        frame.getContentPane().add(label);
        frame.pack();
        frame.setVisible(true);
        Mat frameMat = new Mat();
        while (true) {
            // 4. 读取摄像头一帧
            if (camera.read(frameMat)) {
                // 5. 检测人脸
                MatOfRect faceDetections = new MatOfRect();
                faceDetector.detectMultiScale(frameMat, faceDetections);
                // 6. 画框
                for (Rect rect : faceDetections.toArray()) {
                    Imgproc.rectangle(frameMat, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0), 3);
                }
                // 7. 显示
                Icon icon = new ImageIcon(matToBufferedImage(frameMat));
                label.setIcon(icon);
                frame.pack();
            }
            // 按 ESC 键退出
            if (HighGui.waitKey(10) == 27) {
                break;
            }
        }
        // 8. 释放资源
        camera.release();
        frame.dispose();
    }
    // Mat 转 BufferedImage 的辅助方法 (同上)
    public static BufferedImage matToBufferedImage(Mat mat) {
        // ... (代码同上)
    }
}

第二部分：人脸识别

人脸识别的目标是识别出“这是谁”，这需要一个训练过程，将人脸数据转换成特征向量，然后通过比较特征向量来判断身份。

（图片来源网络，侵删）

我们将使用 OpenCV 自带的 LBPH (Local Binary Patterns Histograms) 人脸识别器，它相对简单且效果好。

流程：

收集数据：为每个要识别的人准备多张不同角度、表情的照片。
人脸检测与数据准备：从每张照片中检测人脸，并将其裁剪、缩放到统一大小（100x100）。
训练识别器：将所有人的脸数据喂给 LBPH 识别器进行训练。
识别：用训练好的识别器来识别新的人脸。

创建训练数据

你需要一个数据集,一个简单的目录结构如下：

dataset/
├── person_01/
│   ├── 1.jpg
│   ├── 2.jpg
│   └── ...
├── person_02/
│   ├── 1.jpg
│   ├── 2.jpg
│   └── ...
└── ...

person_01 是你要识别的人 A，person_02 是人 B，以此类推，每个文件夹里的图片都应包含该人的清晰正面人脸。

代码实现：训练识别器

这个脚本会读取 dataset 目录，为每个人创建一个标签，然后训练识别器，并将训练好的模型保存为 lbph_face_classifier.yml。

import org.opencv.core.*;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import org.opencv.objdetect.CascadeClassifier;
import org.opencv.face.*;
import java.io.File;
import java.io.FilenameFilter;
import java.nio.IntBuffer;
public face.TrainRecognizer {
    static {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    }
    public static void main(String[] args) {
        // 1. 加载人脸检测器
        CascadeClassifier faceDetector = new CascadeClassifier("D:/dev/opencv/data/haarcascades/haarcascade_frontalface_alt.xml");
        // 2. 准备训练数据
        File root = new File("dataset");
        File[] personDirs = root.listFiles(File::isDirectory);
        if (personDirs == null || personDirs.length == 0) {
            System.err.println("No person directories found in 'dataset'");
            return;
        }
        // 存储所有人脸图像和对应的标签ID
        MatOfInt labels = new MatOfInt();
        MatOfFloat images = new MatOfFloat(); // 注意：LBPH可以直接使用Mat，这里为了清晰使用MatOfFloat
        // 更正：LBPH应该使用Mat来存储图像数据
        Mat trainingImages = new Mat();
        Mat labelsMat = new Mat();
        int labelId = 0;
        for (File personDir : personDirs) {
            File[] imageFiles = personDir.listFiles((dir, name) -> name.endsWith(".jpg") || name.endsWith(".png"));
            if (imageFiles == null) continue;
            System.out.println("Processing person: " + personDir.getName() + " with ID: " + labelId);
            for (File imageFile : imageFiles) {
                // 读取图片
                Mat image = Imgcodecs.imread(imageFile.getAbsolutePath());
                if (image.empty()) continue;
                // 转换为灰度图
                Mat grayImage = new Mat();
                Imgproc.cvtColor(image, grayImage, Imgproc.COLOR_BGR2GRAY);
                // 检测人脸
                MatOfRect faceDetections = new MatOfRect();
                faceDetector.detectMultiScale(grayImage, faceDetections);
                if (faceDetections.toArray().length > 0) {
                    // 假设每张图只有一张人脸，取第一个
                    Rect face = faceDetections.toArray()[0];
                    Mat faceROI = new Mat(grayImage, face);
                    // 调整大小到统一尺寸，100x100
                    Mat resizedFace = new Mat();
                    Size size = new Size(100, 100);
                    Imgproc.resize(faceROI, resizedFace, size);
                    // 将人脸图像添加到训练数据集中
                    trainingImages.push_back(resizedFace.reshape(1, 1).t());
                    labelsMat.put(labelId, 0, labelId);
                }
            }
            labelId++;
        }
        // 转换为正确的数据类型
        trainingImages.convertTo(trainingImages, CvType.CV_32F);
        labelsMat.convertTo(labelsMat, CvType.CV_32S);
        // 3. 创建并训练 LBPH 识别器
        FaceRecognizer lbphRecognizer = FaceRecognizer.createLBPHFaceRecognizer();
        // 注意：新版本的OpenCV中，FaceRecognizer的API有变化，使用createLBPHFaceRecognizer()
        // 并且训练方法也改了
        lbphRecognizer.train(trainingImages, labelsMat);
        // 4. 保存训练好的模型
        lbphRecognizer.save("lbph_face_classifier.yml");
        System.out.println("Training complete and model saved as lbph_face_classifier.yml");
    }
}

注意：OpenCV Java 的 API 在不同版本间有差异，上面的代码使用了较新的 API (FaceRecognizer.createLBPHFaceRecognizer() 和 train(Mat, Mat))，如果你的版本较旧，可能需要使用 LBPHFaceRecognizer.create() 和 train(MatOfInt, Mat)。

代码实现：使用训练好的模型进行识别

现在我们创建一个新程序,加载 lbph_face_classifier.yml 模型，然后对摄像头捕获到的人脸进行识别。

import org.opencv.core.*;
import org.opencv.videoio.VideoCapture;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import org.opencv.objdetect.CascadeClassifier;
import org.opencv.face.*;
import javax.swing.*;
import java.awt.*;
import java.io.File;
public class FaceRecognizerApp {
    static {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    }
    public static void main(String[] args) {
        // 1. 加载人脸检测器和识别器模型
        CascadeClassifier faceDetector = new CascadeClassifier("D:/dev/opencv/data/haarcascades/haarcascade_frontalface_alt.xml");
        FaceRecognizer recognizer = FaceRecognizer.createLBPHFaceRecognizer();
        recognizer.read("lbph_face_classifier.yml");
        // 2. 创建标签到姓名的映射
        // 你需要根据你训练时的情况手动创建这个映射
        // 假设训练时 person_01 的 label 是 0, person_02 的是 1
        String[] names = {"Person A", "Person B", "Unknown"}; // Unknown 用于未识别出的人
        // 3. 打开摄像头
        VideoCapture camera = new VideoCapture(0);
        if (!camera.isOpened()) {
            System.err.println("Cannot open camera");
            return;
        }
        // 4. 创建显示窗口
        JFrame frame = new JFrame("Face Recognition");
        frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
        JLabel label = new JLabel();
        frame.getContentPane().add(label);
        frame.pack();
        frame.setVisible(true);
        Mat frameMat = new Mat();
        while (true) {
            if (camera.read(frameMat)) {
                Mat grayFrame = new Mat();
                Imgproc.cvtColor(frameMat, grayFrame, Imgproc.COLOR_BGR2GRAY);
                MatOfRect faceDetections = new MatOfRect();
                faceDetector.detectMultiScale(grayFrame, faceDetections);
                for (Rect rect : faceDetections.toArray()) {
                    // 裁剪人脸
                    Mat faceROI = new Mat(grayFrame, rect);
                    Mat resizedFace = new Mat();
                    Imgproc.resize(faceROI, resizedFace, new Size(100, 100));
                    // 进行预测
                    int[] label = new int[1];
                    double[] confidence = new double[1];
                    recognizer.predict(resizedFace, label, confidence);
                    // 获取预测结果
                    String predictedName = names[label[0]];
                    System.out.println("Predicted: " + predictedName + ", Confidence: " + confidence[0]);
                    // 在人脸旁边显示姓名和置信度
                    Imgproc.putText(
                        frameMat,
                        predictedName + " (" + String.format("%.2f", confidence[0]) + ")",
                        new Point(rect.x, rect.y - 10),
                        Imgproc.FONT_HERSHEY_SIMPLEX,
                        0.8,
                        new Scalar(0, 255, 0),
                        2
                    );
                    Imgproc.rectangle(frameMat, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0), 3);
                }
                // 显示结果
                Icon icon = new ImageIcon(matToBufferedImage(frameMat));
                label.setIcon(icon);
                frame.pack();
            }
            if (HighGui.waitKey(10) == 27) { // ESC to exit
                break;
            }
        }
        camera.release();
        frame.dispose();
    }
    // Mat 转 BufferedImage 的辅助方法 (同上)
    public static BufferedImage matToBufferedImage(Mat mat) {
        // ... (代码同上)
    }
}

总结与进阶

人脸检测是基础：没有准确的人脸检测，后续的识别无从谈起。
数据质量至关重要：人脸识别的准确率高度依赖于训练数据的质量（数量、多样性、清晰度）。
LBPH 是一个不错的起点：LBPH 对光照变化不敏感，训练速度快，是入门级人脸识别的绝佳选择。
进阶模型：LBPH 的准确率不能满足你，可以尝试更先进的模型，如 Eigenfaces 和 Fisherfaces，它们需要更多的训练数据，但效果通常更好，在 OpenCV 中，它们的使用方式与 LBPH 类似，只需在创建识别器时换掉即可（FaceRecognizer.createEigenFaceRecognizer()）。
深度学习：对于更高精度的需求，应该使用基于深度学习的模型，如 OpenCV 的 DNN 模块配合 Caffe 或 TensorFlow 训练好的模型（如 Facenet），这会更复杂，但效果是目前最好的。

希望这个详细的教程能帮助你开始 OpenCV Java 人脸识别的旅程！

opencv java 人脸识别

准备工作：环境配置

下载 OpenCV

配置 IDE (以 IntelliJ IDEA 为例)

第一部分：人脸检测

获取分类器文件

代码实现：从图片中检测人脸

代码实现：从摄像头实时检测人脸

第二部分：人脸识别

流程：

创建训练数据

代码实现：训练识别器

代码实现：使用训练好的模型进行识别

总结与进阶

99ANYc3cd6

Android如何调用Java方法？

Java String如何转为数组？

python stringio 下载

Python errno 11004错误是什么原因？

java oracle 批量插入

ubuntu安装教程16.04

Linux下Python如何实现ECDSA签名与验证？

红米2aroot权限获取教程

eclipse执行java程序吗

Java setLocation()如何精确设置窗口位置？

Python psutil如何准确获取CPU空闲时间？

Java Unicode如何转中文？

网上下载win7系统安装教程

python graphics 轨迹

python oracle date

VIVO X6plus换屏教程难不难？

opencv java 人脸识别

准备工作：环境配置

下载 OpenCV

配置 IDE (以 IntelliJ IDEA 为例)

第一部分：人脸检测

获取分类器文件

代码实现：从图片中检测人脸

代码实现：从摄像头实时检测人脸

第二部分：人脸识别

流程：

创建训练数据

代码实现：训练识别器

代码实现：使用训练好的模型进行识别

总结与进阶

相关推荐

ubuntu安装教程16.04