Android中文API最新中文版
http://www.eoeandroid.com/thread-58597-1-1.html
=============帖子正文=======================
通过两个主要的API，Android提供了一个直接在位图上进行脸部检测的方法，这两个API分别是 android.media.FaceDetector和android.media.FaceDetector.Face，已经包含在Android官方API中。本教程来自Developer网站，向大家介绍了这些API，同时提供教程中实例代码下载。
所谓人脸检测就是指从一副图片或者一帧视频中标定出所有人脸的位置和尺寸。人脸检测是人脸识别系统中的一个重要环节，也可以独立应用于视频监控。在数字媒体日益普及的今天，利用人脸检测技术还可以帮助我们从海量图片数据中快速筛选出包含人脸的图片。 在目前的数码相机中，人脸检测可以用来完成自动对焦，即“脸部对焦”。“脸部对焦”是在自动曝光和自动对焦发明后，二十年来最重要的一次摄影技术革新。家用数码相机，占绝大多数的照片是以人为拍摄主体的，这就要求相机的自动曝光和对焦以人物为基准。
构建一个人脸检测的Android Activity
你可以构建一个通用的Android Activity，我们扩展了基类ImageView，成为MyImageView,而我们需要进行检测的包含人脸的位图文件必须是565格式，API才能正常工作。被检测出来的人脸需要一个置信测度（confidence measure），这个措施定义在android.media.FaceDetector.Face.CONFIDENCE_THRESHOLD。
最重要的方法实现在setFace()，它将FaceDetector对象实例化，同时调用findFaces，结果存放在faces里，人脸的中点转移到MyImageView。代码如下：
代码片段，双击复制
接下来的代码中，我们在MyImageView中添加setDisplayPoints() ，用来在被检测出的人脸上标记渲染。图1展示了一个标记在被检测处的人脸上处于中心位置。
代码片段，双击复制
多人脸检测
通过FaceDetector可以设定检测到人脸数目的上限。比如设置最多只检测10张脸：
复制代码
http://www.eoeandroid.com/thread-58597-1-1.html
=============帖子正文=======================
通过两个主要的API，Android提供了一个直接在位图上进行脸部检测的方法，这两个API分别是 android.media.FaceDetector和android.media.FaceDetector.Face，已经包含在Android官方API中。本教程来自Developer网站，向大家介绍了这些API，同时提供教程中实例代码下载。
所谓人脸检测就是指从一副图片或者一帧视频中标定出所有人脸的位置和尺寸。人脸检测是人脸识别系统中的一个重要环节，也可以独立应用于视频监控。在数字媒体日益普及的今天，利用人脸检测技术还可以帮助我们从海量图片数据中快速筛选出包含人脸的图片。 在目前的数码相机中，人脸检测可以用来完成自动对焦，即“脸部对焦”。“脸部对焦”是在自动曝光和自动对焦发明后，二十年来最重要的一次摄影技术革新。家用数码相机，占绝大多数的照片是以人为拍摄主体的，这就要求相机的自动曝光和对焦以人物为基准。
构建一个人脸检测的Android Activity
你可以构建一个通用的Android Activity，我们扩展了基类ImageView，成为MyImageView,而我们需要进行检测的包含人脸的位图文件必须是565格式，API才能正常工作。被检测出来的人脸需要一个置信测度（confidence measure），这个措施定义在android.media.FaceDetector.Face.CONFIDENCE_THRESHOLD。
最重要的方法实现在setFace()，它将FaceDetector对象实例化，同时调用findFaces，结果存放在faces里，人脸的中点转移到MyImageView。代码如下：
|
01
02
03
04
05
06
07
08
09
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
60
61
62
63
64
65
|
public
class
TutorialOnFaceDetect1
extends
Activity {
private
MyImageView mIV;
private
Bitmap mFaceBitmap;
private
int
mFaceWidth =
200
;
private
int
mFaceHeight =
200
;
private
static
final
int
MAX_FACES =
1
;
private
static
String TAG =
"TutorialOnFaceDetect"
;
@Override
public
void
onCreate(Bundle savedInstanceState) {
super
.onCreate(savedInstanceState);
mIV =
new
MyImageView(
this
);
setContentView(mIV,
new
LayoutParams(LayoutParams.WRAP_CONTENT, LayoutParams.WRAP_CONTENT));
// load the photo
Bitmap b = BitmapFactory.decodeResource(getResources(), R.drawable.face3);
mFaceBitmap = b.copy(Bitmap.Config.RGB_565,
true
);
b.recycle();
mFaceWidth = mFaceBitmap.getWidth();
mFaceHeight = mFaceBitmap.getHeight();
mIV.setImageBitmap(mFaceBitmap);
// perform face detection and set the feature points setFace();
mIV.invalidate();
}
public
void
setFace() {
FaceDetector fd;
FaceDetector.Face [] faces =
new
FaceDetector.Face[MAX_FACES];
PointF midpoint =
new
PointF();
int
[] fpx =
null
;
int
[] fpy =
null
;
int
count =
0
;
try
{
fd =
new
FaceDetector(mFaceWidth, mFaceHeight, MAX_FACES);
count = fd.findFaces(mFaceBitmap, faces);
}
catch
(Exception e) {
Log.e(TAG,
"setFace(): "
+ e.toString());
return
;
}
// check if we detect any faces
if
(count >
0
) {
fpx =
new
int
[count];
fpy =
new
int
[count];
for
(
int
i =
0
; i < count; i++) {
try
{
faces<i>.getMidPoint(midpoint);
fpx = (
int
)midpoint.x;
fpy = (
int
)midpoint.y;
}
catch
(Exception e) {
Log.e(TAG,
"setFace(): face "
+ i +
": "
+ e.toString());
}
}
}
mIV.setDisplayPoints(fpx, fpy, count,
0
);
}
} </i>
|
接下来的代码中，我们在MyImageView中添加setDisplayPoints() ，用来在被检测出的人脸上标记渲染。图1展示了一个标记在被检测处的人脸上处于中心位置。
|
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
|
// set up detected face features for display
public
void
setDisplayPoints(
int
[] xx,
int
[] yy,
int
total,
int
style) {
mDisplayStyle = style;
mPX =
null
;
mPY =
null
;
if
(xx !=
null
&& yy !=
null
&& total >
0
) {
mPX =
new
int
[total];
mPY =
new
int
[total];
for
(
int
i =
0
; i < total; i++) {
mPX = xx;
mPY = yy;
}
}
}
|
多人脸检测
通过FaceDetector可以设定检测到人脸数目的上限。比如设置最多只检测10张脸：
- private static final int MAX_FACES = 10;
图2展示检测到多张人脸的情况。
定位眼睛中心位置
定位眼睛中心位置
Android人脸检测返回其他有用的信息，例同时会返回如eyesDistance，pose，以及confidence。我们可以通过eyesDistance来定位眼睛的中心位置。
下面的代码中，我们将setFace()放在doLengthyCalc()中。同时图3展示了定位眼睛中心位置的效果。
代码片段，双击复制
|
01
02
03
04
05
06
07
08
09
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
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
|
public
class
TutorialOnFaceDetect
extends
Activity {
private
MyImageView mIV;
private
Bitmap mFaceBitmap;
private
int
mFaceWidth =
200
;
private
int
mFaceHeight =
200
;
private
static
final
int
MAX_FACES =
10
;
private
static
String TAG =
"TutorialOnFaceDetect"
;
private
static
boolean
DEBUG =
false
;
protected
static
final
int
GUIUPDATE_SETFACE =
999
;
protected
Handler mHandler =
new
Handler(){
// @Override
public
void
handleMessage(Message msg) {
mIV.invalidate();
super
.handleMessage(msg);
}
};
@Override
public
void
onCreate(Bundle savedInstanceState) {
super
.onCreate(savedInstanceState);
mIV =
new
MyImageView(
this
);
setContentView(mIV,
new
LayoutParams(LayoutParams.WRAP_CONTENT, LayoutParams.WRAP_CONTENT));
// load the photo
Bitmap b = BitmapFactory.decodeResource(getResources(), R.drawable.face3);
mFaceBitmap = b.copy(Bitmap.Config.RGB_565,
true
);
b.recycle();
mFaceWidth = mFaceBitmap.getWidth();
mFaceHeight = mFaceBitmap.getHeight();
mIV.setImageBitmap(mFaceBitmap);
mIV.invalidate();
// perform face detection in setFace() in a background thread
doLengthyCalc();
}
public
void
setFace() {
FaceDetector fd;
FaceDetector.Face [] faces =
new
FaceDetector.Face[MAX_FACES];
PointF eyescenter =
new
PointF();
float
eyesdist =
0
.0f;
int
[] fpx =
null
;
int
[] fpy =
null
;
int
count =
0
;
try
{
fd =
new
FaceDetector(mFaceWidth, mFaceHeight, MAX_FACES);
count = fd.findFaces(mFaceBitmap, faces);
}
catch
(Exception e) {
Log.e(TAG,
"setFace(): "
+ e.toString());
return
;
}
// check if we detect any faces
if
(count >
0
) {
fpx =
new
int
[count *
2
];
fpy =
new
int
[count *
2
];
for
(
int
i =
0
; i < count; i++) {
try
{
faces<i>.getMidPoint(eyescenter);
eyesdist = faces<i>.eyesDistance();
// set up left eye location
fpx[
2
* i] = (
int
)(eyescenter.x - eyesdist /
2
);
fpy[
2
* i] = (
int
)eyescenter.y;
// set up right eye location
fpx[
2
* i +
1
] = (
int
)(eyescenter.x + eyesdist /
2
);
fpy[
2
* i +
1
] = (
int
)eyescenter.y;
if
(DEBUG) {
Log.e(TAG,
"setFace(): face "
+ i +
": confidence = "
+ faces<i>.confidence()
+
", eyes distance = "
+ faces<i>.eyesDistance()
+
", pose = ("
+ faces<i>.pose(FaceDetector.Face.EULER_X) +
","
+ faces<i>.pose(FaceDetector.Face.EULER_Y) +
","
+ faces<i>.pose(FaceDetector.Face.EULER_Z) +
")"
+
", eyes midpoint = ("
+ eyescenter.x +
","
+ eyescenter.y +
")"
);
}
}
catch
(Exception e) {
Log.e(TAG,
"setFace(): face "
+ i +
": "
+ e.toString());
}
}
}
mIV.setDisplayPoints(fpx, fpy, count *
2
,
1
);
}
private
void
doLengthyCalc() {
Thread t =
new
Thread() {
Message m =
new
Message();
public
void
run() {
try
{
setFace();
m.what = TutorialOnFaceDetect.GUIUPDATE_SETFACE;
TutorialOnFaceDetect.
this
.mHandler.sendMessage(m);
}
catch
(Exception e) {
Log.e(TAG,
"doLengthyCalc(): "
+ e.toString());
}
}
};
t.start();
}
}
</i></i></i></i></i></i></i>
|
来源：oschina
链接：https://my.oschina.net/u/576373/blog/67543