Java调用OpenCv本地库实现简单的人脸识别

Java调用opencv库需要先去官网下载jar包和人脸识别的xml文件模型

opencv官网https://opencv.org/releases/

在官网下载两个文件，图片我标注的

source里面是官方的xml文件，包含人脸识别

windows下载下来是一个exe文件，里面包含项目需要的jar包

 在官网上下载并解压出来，点击exe文件进行安装，根据自己的需求安装的所需目录，后续能找到即可

安装后就是这样，点击build进入

找到Java，点击进入

找到jar包和x64文件夹，x64文件有一个dll文件，复制下来

接下来打开idea

右键Java工程，创建一个lib目录，将刚才的jar包和x64文件夹下的dll文件复制到lib目录中，

选中lib目录右键，点击add as library目录，将lib中的jar包添加到Java依赖中

下面我们开始代码环节

人脸识别分为图片检测和调用摄像头检测，至于视频检测和图片检测差不多，所以我没有写

首先来看图片检测

package cv;
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfRect;
import org.opencv.core.Point;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import org.opencv.objdetect.CascadeClassifier;

public class FaceDetection {
    static {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    }

    public static void main(String[] args) {
        // 加载OpenCV的XML分类器文件，用于人脸检测
        //String xmlFile = "data\\haarcascades\\haarcascade_frontalface_alt.xml";
        String xmlFile = "D:\\shoftwares\\opencv\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml";
        // 创建级联分类器对象并加载预训练的模型
        CascadeClassifier faceDetector = new CascadeClassifier(xmlFile);

        // 读取图像
        Mat image = Imgcodecs.imread("./static/path_to_image.jpg");
        // 检测图像中的物体（在这里是人脸）
        MatOfRect faceDetections = new MatOfRect();
        faceDetector.detectMultiScale(image, faceDetections);
        // 在检测到的每个物体周围绘制矩形框 人脸区域
        for (Rect rect : faceDetections.toArray()) {
            Imgproc.rectangle(image, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));
        }
        //保存处理后的图像
        Imgcodecs.imwrite("output_image.jpg", image);
        // 显示结果图像
        // 注意：这里假设你有一个显示图像的方法，如showImage
        //showImage(image);
        // 释放资源
        //faceDetector.clo .release();
    }
   
}

这个代码首先调用opencv的本地库

在main方法中，我们首先加载了opencv的xml文件用于人脸检测，调用mat对象中的imread方法读取一张图像，调用opencvJava库中的方法进行检测，绘制检测框，最后输出保存的图片到指定路径

下面是摄像头检测

package cv;

import org.opencv.core.*;
import org.opencv.highgui.HighGui;
import org.opencv.imgproc.Imgproc;
import org.opencv.objdetect.CascadeClassifier;
import org.opencv.videoio.VideoCapture;
import org.opencv.videoio.Videoio;

import static org.opencv.highgui.HighGui.*;

public class FaceDetectionVideo {
    static {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    }

    public static void main(String[] args) {
        // 加载OpenCV的XML分类器文件，用于人脸检测
        String xmlFile = "D:\\shoftwares\\opencv\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt.xml";
        // 创建级联分类器对象并加载预训练的模型
        CascadeClassifier faceDetector = new CascadeClassifier(xmlFile);
        // 打开视频文件
        VideoCapture capture = new VideoCapture(0);
        // 检查摄像头是否成功打开
        if (!capture.isOpened()) {
            System.out.println("摄像头打不开！");
            return;
        }
        // 创建窗口用于显示实时视频流
        String windowName = "人脸检测";
        HighGui.namedWindow(windowName, HighGui.WINDOW_NORMAL);
        // 读取实时视频流的每一帧，并进行人脸检测
        Mat frame = new Mat();
        while (true) {
            // 从摄像头捕获一帧图像
            capture.read(frame);

            // 检测图像中的物体（在这里是人脸）
            MatOfRect faceDetections = new MatOfRect();
            faceDetector.detectMultiScale(frame, faceDetections);

            // 在检测到的每个物体周围绘制矩形框（即人脸区域）
            for (Rect rect : faceDetections.toArray()) {
                Imgproc.rectangle(frame, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(0, 255, 0));
            }

            // 在窗口中显示实时视频流
            HighGui.imshow(windowName, frame);

            // 检查用户是否按下了 ESC 键
            if (HighGui.waitKey(1) == 27) {
                break;
            }
        }

        // 释放资源
        capture.release();
        HighGui.destroyAllWindows();
    }
}

摄像头检测其实也差不多，主要讲一下如何调用摄像头，调用opencvJava库中的VideoCapture对象的方法，参数为0说明调用本地摄像头，由于opencv没有提供窗口类，我们使用HighGui组件绘制窗口，使用while循环无限循环进行检测，绘制矩阵框。