Android 的Face Detector实现人脸识别

 

很多手机图片管理应用都开始集成人脸识别功能。一提到人脸识别，模式识别，滤波，BlahBlah 一堆复杂的技术名字戳入脑海中，立刻觉得这玩意儿没法碰，太玄乎了。其实Android SDK从1.0版本中（API level 1）就已经集成了简单的人脸识别功能，通过调用FaceDetector 我们可以在Android平台上实现Bitmap多人脸识别（一张图中有多个人脸出现的话）。周五啦，我就简简单单写写，希望感兴趣的同学对这个深藏在Android SDK中的功能有所了解。

 

 

流程是这样的：

1. 读取一张图片至Bitmap （从Resource中，或是从手机相册中选取）

2. 使用FaceDetector API分析Bitmap，将探测到的人脸数据以FaceDetector.Face存储在一个Face list中；

3.将人脸框显示在图片上。

 

Step 1: 读取图片

从Drawable中读取图片资源

1	Bitmap sampleBmp=BitmapFactory.decodeResource(getResources(), R.drawable.sample1);

或者直接从手机的图片库读取（Album/Gallery）

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28

private void readPictureFromAlbum()     {         Intent intent = new Intent();         intent.setType("image/*");         intent.setAction(Intent.ACTION_GET_CONTENT);         startActivityForResult(Intent.createChooser(intent,                 "Select Picture"), ALBUM_REQUEST_CODE);     }       @Override     protected void onActivityResult(int requestCode,int resultCode,Intent data){         super.onActivityResult(requestCode, resultCode, data);           if (requestCode == ALBUM_REQUEST_CODE && resultCode == RESULT_OK && null != data) {             Uri selectedImage = data.getData();             String[] filePathColumn = { MediaStore.Images.Media.DATA };               Cursor cursor = getContentResolver().query(selectedImage,                     filePathColumn, null, null, null);             cursor.moveToFirst();               int columnIndex = cursor.getColumnIndex(filePathColumn[0]);             String picturePath = cursor.getString(columnIndex);             cursor.close();             Bitmap galleryBmp=BitmapFactory.decodeFile(picturePath);             //placeholderFragment.detectFaces(galleryBmp);         }     }

当然，也可以直接从摄像头读取（Camera Capture）。但我读摄像头返回图片的代码在模拟器上运行正常，而在三星的手机上Bug多多，后来看了下确实不少人遇到读取三星手机摄像头报错的问题。所以这段代码我就先不贴了。

好了，我们拿到了Bitmap，识别起来！

Step 2: 通过FaceDetector API进行人脸识别

FaceDetecor只能读取RGB 565格式的Bitmap，所以在开始识别前，我们需要将上面得到的Bitmap进行一次格式转换。

1	Bitmap tmpBmp = inputImage.copy(Bitmap.Config.RGB_565, true);

图片格式没问题了，我们来创建一个FaceDetector的实例。FaceDetector是能从一张图中找出多个人脸的，可以通过设置MAX_FACES来控制搜索人脸的个数（我的程序里把MAX_FACES设成了1，只找出一个可信度最高的人脸）。

1	FaceDetector faceDet = new FaceDetector(tmpBmp.getWidth(), tmpBmp.getHeight(), MAX_FACES);

　　

1 2	FaceDetector.Face[] faceList = new FaceDetector.Face[MAX_FACES]; faceDet.findFaces(tmpBmp, faceList);

　　

通过调用FaceDetector 的findFaces方法，我们可以找到tmpBmp中的人脸数据，并存储在FaceDetector.Face 数组里（facelist）。

其实通过查看FaceDetector API文档我们发现，它查找人脸的原理是：找眼睛。它返回的人脸数据face，通过调用public float eyesDistance ()，public void getMidPoint (PointF point)，我们可以得到探测到的两眼间距，以及两眼中心点位置（MidPoint）。public float confidence () 可以返回该人脸数据的可信度(0~1)，这个值越大，该人脸数据的准确度也就越高。

通过读取保存在Face中的人脸数据，我们可以得到一个以两眼间距为边长，中心在两眼中点的一个正方形。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

for (int i=0; i < faceList.length; i++) {                 FaceDetector.Face face = faceList[i];                 Log.d("FaceDet", "Face ["+face+"]");                 if (face != null) {                     Log.d("FaceDet", "Face ["+i+"] - Confidence ["+face.confidence()+"]");                     PointF pf = new PointF();                     //getMidPoint(PointF point);                     //Sets the position of the mid-point between the eyes.                     face.getMidPoint(pf);                     Log.d("FaceDet", "\t Eyes distance ["+face.eyesDistance()+"] - Face midpoint ["+pf.x+"&"+pf.y+"]");                     RectF r = new RectF();                     r.left = pf.x - face.eyesDistance() / 2;                     r.right = pf.x + face.eyesDistance() / 2;                     r.top = pf.y - face.eyesDistance() / 2;                     r.bottom = pf.y + face.eyesDistance() / 2;                     faceRects[i] = r;                     detectedFaces++;                 }             }

有了这组RectF，把它显示在图片上，我们就大功告成了。

Step3:对原图进行缩放，并在图上显示人脸框。

自然，这里我们需要使用一个自定义的View。我把它命名为FaceView，每当FaceView人脸检测完成，如果检测到人脸，则invalidate一下（这样才能调用View 的 onDraw方法），然后在onDraw里，将人脸框显示出来。这里涉及到自定义View，以及图片，人脸框的按比例缩放。这里贴一下大概的代码，示例代码你可以在文末的链接里下载。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59

protected void onDraw(Canvas canvas) {        super.onDraw(canvas);        Paint imgPaint = new Paint();        if(inputImage!=null)        {            int imgWidth=inputImage.getWidth();            int imgHeight=inputImage.getHeight();            Rect src = new Rect();// 图片            src.top=0;            src.left=0;            src.right=src.left+imgWidth;            src.bottom=src.top+imgHeight;            Rect dst = new Rect();// 屏幕            int viewWidth=this.getWidth();            int width=0;            int height=0;            if(inputImage.getWidth()>viewWidth)            {                width=viewWidth;                height=(viewWidth*imgHeight)/imgWidth;            }            else            {                width=imgWidth;                height=imgHeight;            }            dst.top=0;            dst.left=0;            dst.right=dst.left+width;            dst.bottom=dst.top+height;              canvas.drawBitmap(inputImage, src, dst, imgPaint);            Log.v("FaceView","view width:"+this.getWidth());              if(detected)            {                Paint rectPaint = new Paint();                rectPaint.setStrokeWidth(2);                rectPaint.setColor(Color.RED);                rectPaint.setStyle(Paint.Style.STROKE);                  //float scaleRatio=((float)width)/(float)imgWidth;                  for (int i=0; i < detectedFaces; i++) {                    RectF r = faceRects[i];                    Log.v("FaceView","r.top="+r.top);                    r.top=(r.top*width)/imgWidth;                    r.left=(r.left*width)/imgWidth;                    r.right=(r.right*width)/imgWidth;                    r.bottom=(r.bottom*width)/imgWidth;                      if (r != null)                        canvas.drawRect(r, rectPaint);                }                detected=false;                detectedFaces=0;            }        }    }

注意：FaceDetector搜索人脸的过程是比较耗时的，尤其当图片Size较大（例如640*480）时，耗时个一两秒是很常见的。为防止程序长时间没相应报错，人脸检测部分我使用了AsyncTask