【Android App】人脸识别中使用Opencv比较两张人脸相似程度实战(附源码和演示 超详细)

news/2024/10/30 19:28:08/

需要全部代码请点赞关注收藏后评论区留言私信~~~

一、比较两张人脸的相似程度

直方图由一排纵向的竖条或者竖线组成,横轴代表数据类型,纵轴代表数据多少。 图像直方图经常应用于特征提取、图像匹配等方面。

 假设有两幅图像,它们的直方图很相似,这说明两幅图的像素分布相当接近,他们很可能来自相邻场景,相似度越高,两幅图越可能是同样来源,这便是直方图应用于图像匹配的缘由。OpenCV的Imgproc工具有一个compareHist方法,可以比较两个矩阵结构的相似程度,其内部就采用直方图比较两幅图像像素点灰度值的分布情况,因为只有灰度值参加比较,所以要先将全彩矩阵转为灰度矩阵再调用Imgproc的compareHist方法加以判断

相似度比较步骤如下

(1)分别对两张图片检测人脸,得到各自的人脸矩阵数组;

(2)两张图片都找到人脸的话,再从中截取人脸矩阵并转成位图对象;

(3)调整位图尺寸,使得两幅图片的宽高保持一致,也就是把较大的位图缩放到较小位图的尺寸;

(4)把两个位图对象转为灰度矩阵,再通过直方图比较它们的相似度;

由于compareHist方法的返回值在0-1之间,值越大表示越相似,一般相似度达到0.5就很高了

二、效果展示

世界杯进行的如火如荼,现在十六强的名单已经全部出来了,接下来让我们用世界杯中的著名球星的照片来进行相似度比较

1:内马尔与梅西 由结果可见不太像 

2: C罗与梅西 由结果可见比较高了

 

 3:C罗与贝克汉姆(年轻的时候) 由结果可见是相当高的相似度

 三、代码

部分源码如下 需要全部代码请点赞关注收藏后评论区留言私信~~~

package com.example.face;import android.content.Context;
import android.content.Intent;
import android.graphics.Bitmap;
import android.net.Uri;
import android.os.Bundle;
import android.util.Log;
import android.widget.ImageView;
import android.widget.TextView;
import android.widget.Toast;import androidx.appcompat.app.AppCompatActivity;import com.example.face.util.BitmapUtil;
import com.example.face.util.FaceUtil;import org.opencv.android.BaseLoaderCallback;
import org.opencv.android.LoaderCallbackInterface;
import org.opencv.android.OpenCVLoader;
import org.opencv.android.Utils;
import org.opencv.core.Mat;
import org.opencv.core.MatOfRect;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.core.Size;
import org.opencv.imgproc.Imgproc;
import org.opencv.objdetect.CascadeClassifier;import java.io.File;
import java.io.FileOutputStream;
import java.io.InputStream;public class CompareImageActivity extends AppCompatActivity {private final static String TAG = "CompareImageActivity";private int CHOOSE_CODE1=31, CHOOSE_CODE2=32; // 挑选第一张图片和挑选第二张图片的请求码private Bitmap mBitmap1, mBitmap2; // 第一张图片和第二张图片的位图对象private ImageView iv_face1, iv_face2; // 第一张图片和第二张图片的图像视图private TextView tv_result; // 声明一个文本视图对象private CascadeClassifier mJavaDetector; // OpenCV的人脸检测器@Overrideprotected void onCreate(Bundle savedInstanceState) {super.onCreate(savedInstanceState);setContentView(R.layout.activity_compare_image);iv_face1 = findViewById(R.id.iv_face1);iv_face2 = findViewById(R.id.iv_face2);tv_result = findViewById(R.id.tv_result);findViewById(R.id.btn_choose1).setOnClickListener(v -> choosePicture(CHOOSE_CODE1));findViewById(R.id.btn_choose2).setOnClickListener(v -> choosePicture(CHOOSE_CODE2));findViewById(R.id.btn_compare).setOnClickListener(v -> {if (mBitmap1==null || mBitmap2==null) {Toast.makeText(this, "请先选择两张图片再来比较", Toast.LENGTH_SHORT).show();return;}compareFace(); // 比较两张人脸的相似度});}// 挑选待比较的人脸图片private void choosePicture(int chooseCode) {// 创建一个内容获取动作的意图(准备跳到系统相册)Intent albumIntent = new Intent(Intent.ACTION_GET_CONTENT);albumIntent.putExtra(Intent.EXTRA_ALLOW_MULTIPLE, false); // 是否允许多选albumIntent.setType("image/*"); // 类型为图像startActivityForResult(albumIntent, chooseCode); // 打开系统相册}@Overrideprotected void onActivityResult(int requestCode, int resultCode, Intent intent) {super.onActivityResult(requestCode, resultCode, intent);if (resultCode == RESULT_OK && intent.getData() != null) { // 从相册返回Uri uri = intent.getData(); // 获得已选择照片的路径对象if (requestCode == CHOOSE_CODE1) {// 根据指定图片的uri,获得自动缩小后的位图对象mBitmap1 = BitmapUtil.getAutoZoomImage(this, uri);iv_face1.setImageBitmap(mBitmap1);} else if (requestCode == CHOOSE_CODE2) {// 根据指定图片的uri,获得自动缩小后的位图对象mBitmap2 = BitmapUtil.getAutoZoomImage(this, uri);iv_face2.setImageBitmap(mBitmap2);}}}// 检测位图中的人脸private Mat[] detectFace(Bitmap orig, ImageView imageView) {Mat rgba = new Mat();Utils.bitmapToMat(orig, rgba); // 把位图对象转为Mat结构Mat gray = new Mat();Imgproc.cvtColor(rgba, gray, Imgproc.COLOR_RGB2GRAY); // 全彩矩阵转灰度矩阵// 下面识别人脸MatOfRect faces = new MatOfRect();int absoluteFaceSize = 0;int height = gray.rows();if (Math.round(height * 0.2f) > 0) {absoluteFaceSize = Math.round(height * 0.2f);}if (mJavaDetector != null) { // 检测器开始识别人脸mJavaDetector.detectMultiScale(gray, faces, 1.1, 2, 2,new Size(absoluteFaceSize, absoluteFaceSize), new Size());}Rect[] faceArray = faces.toArray();Mat[] matArray = new Mat[faceArray.length];for (int i = 0; i < faceArray.length; i++) { // 给找到的人脸标上相框Imgproc.rectangle(rgba, faceArray[i].tl(), faceArray[i].br(), new Scalar(0, 255, 0, 255), 3);//Log.d(TAG, faceArray[i].toString());matArray[i] = rgba.submat(faceArray[i]); // 截取相框中的人脸结构}Bitmap mark = Bitmap.createBitmap(orig.getWidth(), orig.getHeight(), Bitmap.Config.ARGB_8888);Utils.matToBitmap(rgba, mark); // 把Mat结构转为位图对象imageView.setImageBitmap(mark);return matArray;}// 比较两张人脸的相似度private void compareFace() {Mat[] matArray1 = detectFace(mBitmap1, iv_face1); // 检测位图中的人脸Mat[] matArray2 = detectFace(mBitmap2, iv_face2); // 检测位图中的人脸if (matArray1.length==0 || matArray2.length==0) {Toast.makeText(this, "需要两张图片均可找到人脸才能比较", Toast.LENGTH_SHORT).show();tv_result.setText("未能检测到人脸");return;}Mat mat1 = matArray1[0];Mat mat2 = matArray2[0];Bitmap bitmap1 = Bitmap.createBitmap(mat1.width(), mat1.height(), Bitmap.Config.ARGB_8888);Utils.matToBitmap(mat1, bitmap1); // 把Mat结构转为位图对象Bitmap bitmap2 = Bitmap.createBitmap(mat2.width(), mat2.height(), Bitmap.Config.ARGB_8888);Utils.matToBitmap(mat2, bitmap2); // 把Mat结构转为位图对象Bitmap bitmapA, bitmapB;// 两幅图片必须尺寸一样才能比较,故而下面事先调整位图尺寸,使得两幅图片的宽高保持一致if (bitmap1.getWidth() < bitmap2.getWidth()) {bitmapA = bitmap1;bitmapB = BitmapUtil.getScaleBitmap(bitmap2, 1.0*bitmap1.getWidth()/bitmap2.getWidth());} else {bitmapA = bitmap2;bitmapB = BitmapUtil.getScaleBitmap(bitmap1, 1.0*bitmap2.getWidth()/bitmap1.getWidth());}double degree = FaceUtil.matchCompare(bitmapA, bitmapB); // 比较两个位图的相似程度String desc = String.format("相似度为%.2f(完全相同为1,完全不同为0)", degree);tv_result.setText(desc);}@Overrideprotected void onResume() {super.onResume();if (!OpenCVLoader.initDebug()) {Log.d(TAG, "Internal OpenCV library not found. Using OpenCV Manager for initialization");OpenCVLoader.initAsync(OpenCVLoader.OPENCV_VERSION_3_0_0, this, mLoaderCallback);} else {Log.d(TAG, "OpenCV library found inside package. Using it!");mLoaderCallback.onManagerConnected(LoaderCallbackInterface.SUCCESS);}}private BaseLoaderCallback mLoaderCallback = new BaseLoaderCallback(this) {@Overridepublic void onManagerConnected(int status) {if (status == LoaderCallbackInterface.SUCCESS) {Log.d(TAG, "OpenCV loaded successfully");// 在OpenCV初始化完成后加载so库System.loadLibrary("detection_based_tracker");File cascadeDir = getDir("cascade", Context.MODE_PRIVATE);File cascadeFile = new File(cascadeDir, "lbpcascade_frontalface.xml");// 从应用程序资源加载级联文件try (InputStream is = getResources().openRawResource(R.raw.lbpcascade_frontalface);FileOutputStream os = new FileOutputStream(cascadeFile)) {byte[] buffer = new byte[4096];int bytesRead;while ((bytesRead = is.read(buffer)) != -1) {os.write(buffer, 0, bytesRead);}} catch (Exception e) {e.printStackTrace();}// 根据级联文件创建OpenCV的人脸检测器mJavaDetector = new CascadeClassifier(cascadeFile.getAbsolutePath());if (mJavaDetector.empty()) {Log.d(TAG, "Failed to load cascade classifier");mJavaDetector = null;} else {Log.d(TAG, "Loaded cascade classifier from " + cascadeFile.getAbsolutePath());}cascadeDir.delete();} else{super.onManagerConnected(status);}}};}

创作不易 觉得有帮助请点赞关注收藏~~~


http://www.ppmy.cn/news/1112.html

相关文章

C++ OpenCV【视频合并:多个图像拼接在一张图像】

提示&#xff1a;本文中视频拼接指的是将多张图像按空间合并在一张图像上&#xff0c;而不是将多张图像按时间顺序拼接成一个多帧片段。 文章目录 前言 一、OpenCV知识点 1.OpenCV裁剪矩形区域赋值 2.OpenCV将Mat粘贴到指定位置 二、程序样例 1.程序源码 2.运行结果 前言 C版…

高等数学(第七版)同济大学 习题10-5 个人解答

高等数学&#xff08;第七版&#xff09;同济大学 习题10-5 函数作图软件&#xff1a;Mathematica 1.求下列含参变量的积分所确定的函数的极限&#xff1a;\begin{aligned}&1. \ 求下列含参变量的积分所确定的函数的极限&#xff1a;&\end{aligned}​1. 求下列含参变量…

【机器学习】基于机器学习的反弹shell命令识别

引言 本文介绍一个基于机器学习识别反弹shell的项目。 在主机安全检测中&#xff0c;一般是采用基于原理的方式识别反弹shell, 通过判断socket通信相关特征&#xff0c;可以准确地识别到主机中的反弹shell。 但是在容器场景下&#xff0c;检测反弹shell 的能力&#xff0c;可能…

如何用蓝牙实现无线定位(四)--远程定位显示

1. 待救援定位设备 按照下面的针脚使用杜邦线将待救援定位设备的主蓝牙、从蓝牙连接到主控板上&#xff0c;和本地显示时的连接针脚是一样的&#xff0c;但是由于不需要连接OLED&#xff0c;因此不需要堆叠Bigfish。 参考视频 烧录程序如下&#xff08;human.ino&#xff09;&a…

【Flink】检查点算法实现原理之检查点分界线

一 检查点的实现算法 一种简单的想法&#xff08;同步的思想&#xff09; 暂停应用保存状态到检查点再重新恢复应用&#xff08;Spark Streaming&#xff09; Flink 的改进实现&#xff08;异步的思想&#xff09; 基于 Chandy-Lamport 算法的分布式快照算法将检查点的保存和数…

机械转码日记【26】二叉搜索树

目录 前言 1.二叉搜索数的概念 2.二叉搜索树的实现 2.1 基本架构 2.2二叉搜索树的插入 2.2.1普通版本 2.2.2递归版本 2.3二叉搜索树的查找 2.3.1普通版本 2.3.2递归版本 2.4二叉搜索树的删除 2.4.1普通版本代码 2.4.2递归版本代码 2.5搜索树的析构函数 2.6搜…

【RTS】安海波老师:SIP与RTC融合分享笔记

2020年已经应用。至今,呼叫中心与RTC结合,已经有了新探索。呼叫中心和RTC领域实践 : SIP与RTC融合 如何应用。五部分 贝壳联络中心 2018年分拆周三的财报:基于FS开源平台 <

C语言第十二课(下):操作符详解【逗号表达式、下标引用、函数调用、结构成员操作符与操作符属性】

目录 前言&#xff1a; 一、逗号表达式&#xff08;exp1&#xff0c;exp2&#xff0c;exp3&#xff0c;...&#xff0c;expN&#xff09;&#xff1a; 二、下标引用、函数调用和结构成员[ ]、( )、. 、->&#xff1a; 1.下标引用操作符[ ]&#xff1a; 2.函数调用操作符( …