OpenCV4Android开发实录(2)： 使用OpenCV3.3.0库实现人脸检测

时间：2022-04-19 20:27:28

OpenCV4Android开发实录(2)： 使用OpenCV3.3.0库实现人脸检测

转载请声明出处：http://write.blog.csdn.net/postedit/78992490


OpenCV4Android系列：

1. OpenCV4Android开发实录(1)：移植OpenCV3.3.0库到Android Studio

2.OpenCV4Android开发实录(2)： 使用OpenCV3.3.0库实现人脸检测


上一篇文章OpenCV4Android开发实录(1)：移植OpenCV3.3.0库到Android Studio大概介绍了下OpenCV库的基本情况，阐述了将OpenCV库移植到Android Studio项目中的具体步骤。本文将在此文的基础上，通过对OpenCV框架中的人脸检测模块做相应介绍，然后实现人脸检测功能。

一、人脸检测模块移植

1.拷贝opencv-3.3.0-android-sdk\OpenCV-android-sdk\samples\face-detection\jni目录到工程app module的main目录下

  OpenCV4Android开发实录(2)： 使用OpenCV3.3.0库实现人脸检测

2.修改jni目录下的Android.mk

(1) 将 

     #OPENCV_INSTALL_MODULES:=off
     #OPENCV_LIB_TYPE:=SHARED

 修改为： 
     OPENCV_INSTALL_MODULES:=on
     OPENCV_LIB_TYPE:=SHARED
其中，OPENCV_INSTALL_MODULES的作用是在打包apk时加载OpenCV的动态库；OPENCV_LIB_TYPE的作用是指定OpenCV库的类型为动态库。

(2) 将

 ifdef OPENCV_ANDROID_SDK
    ifneq ("","$(wildcard $(OPENCV_ANDROID_SDK)/OpenCV.mk)")
	include ${OPENCV_ANDROID_SDK}/OpenCV.mk
    else
	include ${OPENCV_ANDROID_SDK}/sdk/native/jni/OpenCV.mk
   endif
	include ../../sdk/native/jni/OpenCV.mk
   endif

         修改为： 
   include E:\Environment\opencv-3.3.0-android-sdk\OpenCV-android-sdk\sdk\native\jni\OpenCV.mk

其中，include包含的就是OpenCV SDK中OpenCV.mk文件所存储的绝对路径。最终Android.mk修改效果如下：

OpenCV4Android开发实录(2)： 使用OpenCV3.3.0库实现人脸检测

3.修改jni目录下Application.mk。由于在导入OpenCV libs时只拷贝了armeabi 、armeabi-v7a、arm64-v8a，因此这里指定编译平台也为上述三个；修改APP_PLaTFORM版本为android-16(可根据自身情况而定)，具体如下：

      APP_STL := gnustl_static
      APP_CPPFLAGS := -frtti –fexceptions
       # 指定编译平台
       APP_ABI := armeabi armeabi-v7a arm64-v8a
      # 指定Android平台
      APP_PLATFORM := android-16

4.修改DetectionBasedTracker_jni.h和DetectionBasedTracker_jni.cpp文件，将源文件中所有包含前缀“Java_org_opencv_samples_facedetect_”替换为“Java_com_jiangdg_opencv4android_natives_”，其中com.jiangdg.opencv4android.natives是Java层类DetectionBasedTracker.java所在的包路径，该类包含了人脸检测相关的native方法，否则，在调用自己编译生成的so库时会提示找不到该本地函数错误，以DetectionBasedTracker_jni.h为例：

/* DO NOT EDIT THIS FILE - it is machine generated */
#include <jni.h>
/* Header for class org_opencv_samples_fd_DetectionBasedTracker */

#ifndef _Included_org_opencv_samples_fd_DetectionBasedTracker
#define _Included_org_opencv_samples_fd_DetectionBasedTracker
#ifdef __cplusplus
extern "C" {
#endif
/*
 * Class:     org_opencv_samples_fd_DetectionBasedTracker
 * Method:    nativeCreateObject
 * Signature: (Ljava/lang/String;F)J
 */
JNIEXPORT jlong JNICALL Java_com_jiangdg_opencv4android_natives_DetectionBasedTracker_nativeCreateObject
  (JNIEnv *, jclass, jstring, jint);

/*
 * Class:     org_opencv_samples_fd_DetectionBasedTracker
 * Method:    nativeDestroyObject
 * Signature: (J)V
 */
JNIEXPORT void JNICALL Java_com_jiangdg_opencv4android_natives_DetectionBasedTracker_nativeDestroyObject
  (JNIEnv *, jclass, jlong);

/*
 * Class:     org_opencv_samples_fd_DetectionBasedTracker
 * Method:    nativeStart
 * Signature: (J)V
 */
JNIEXPORT void JNICALL Java_com_jiangdg_opencv4android_natives_DetectionBasedTracker_nativeStart
  (JNIEnv *, jclass, jlong);

/*
 * Class:     org_opencv_samples_fd_DetectionBasedTracker
 * Method:    nativeStop
 * Signature: (J)V
 */
JNIEXPORT void JNICALL Java_com_jiangdg_opencv4android_natives_DetectionBasedTracker_nativeStop
  (JNIEnv *, jclass, jlong);

  /*
   * Class:     org_opencv_samples_fd_DetectionBasedTracker
   * Method:    nativeSetFaceSize
   * Signature: (JI)V
   */
  JNIEXPORT void JNICALL Java_com_jiangdg_opencv4android_natives_DetectionBasedTracker_nativeSetFaceSize
  (JNIEnv *, jclass, jlong, jint);

/*
 * Class:     org_opencv_samples_fd_DetectionBasedTracker
 * Method:    nativeDetect
 * Signature: (JJJ)V
 */
JNIEXPORT void JNICALL Java_com_jiangdg_opencv4android_natives_DetectionBasedTracker_nativeDetect
  (JNIEnv *, jclass, jlong, jlong, jlong);

#ifdef __cplusplus
}
#endif
#endif

5.打开Android Studio中的Terminal窗口，使用cd命令切换到工程jni目录所在位置，并执行ndk-build命令，然后会自动在工程的app/src/main目录下生成libs和obj目录，其中libs目录存放的是目标动态库libdetection_based_tracker.so。

OpenCV4Android开发实录(2)： 使用OpenCV3.3.0库实现人脸检测

生成so库：

OpenCV4Android开发实录(2)： 使用OpenCV3.3.0库实现人脸检测

注意：如果执行ndk-build命令提示命令不存在，说明你的ndk环境变量没有配置好。

6.修改app模块build.gradle中的sourceSets字段，禁止自动调用ndk-build命令，设置目标so的存放路径，代码如下： 

android {
    compileSdkVersion 25
    defaultConfig {
        applicationId "com.jiangdg.opencv4android"
        minSdkVersion 15
        targetSdkVersion 25
        versionCode 1
        versionName "1.0"
    }
    ….// 代码省略
   sourceSets {
		main {
	        jni.srcDirs = []				 //禁止自动调用ndk-build命令
        	jniLibs.srcDir 'src/main/libs'  // 设置目标的so存放路径
}
    }
    ….// 代码省略
}

      其中，jni.srcDirs = []的作用是禁用gradle默认的ndk-build，防止AS自己生成android.mk编译jni工程，jniLibs.srcDir 'src/main/libs'的作用设置目标的so存放路径，以将自己生成的so组装到apk中。

二、源码解析
使用OpenCV3.3.0库实现人脸检测功能主要包含以下四个步骤，即:
(1) 初始化加载OpenCV库引擎；
(2) 通过OpenCV库开启Camera渲染；
(3) 加载人脸检测模型；
(4) 调用人脸检测本地动态库实现人脸识别；
1.初始化加载OpenCV库引擎
OpenCV库的加载有两种方式，一种通过OpenCV Manager进行动态加载，也就是官方推荐的方式，这种方式需要另外安装OpenCV Manager，主要通过调用OpenCVLoader.initAsync()方法进行初始化；另一种为静态加载，也就是本文所使用的方法，即先将相关架构的so包拷贝到工程的libs目录，通过调用OpenCVLoader.initDebug()方法进行初始化，类似于调用system.loadLibrary("opencv_java")。 
if (!OpenCVLoader.initDebug()) {
    // 静态加载OpenCV失败，使用OpenCV Manager初始化
    // 参数：OpenCV版本；上下文；加载结果回调接口
     OpenCVLoader.initAsync(OpenCVLoader.OPENCV_VERSION_3_3_0, 
    this, mLoaderCallback);
 } else {
     // 如果静态加载成功，直接调用onManagerConnected方法
     mLoaderCallback.onManagerConnected(LoaderCallbackInterface.SUCCESS);
 }
其中，mLoaderCallback为OpenCV库初始化状态回调接口，当OpenCV被初始化成功后其onManagerConnected(int status)方法会被调用，而我们就可以在该方法中处理本地动态库的加载、加载人脸检测模型文件、初始化人脸检测引擎以及开启Camera渲染等操作，具体代码如下： 
private BaseLoaderCallback mLoaderCallback = new BaseLoaderCallback(this) {
@Override
public void onManagerConnected(int status) {
   switch (status) {
      case LoaderCallbackInterface.SUCCESS:
          // OpenCV初始化加载成功，再加载本地so库
          System.loadLibrary("detection_based_tracker");
          // 加载人脸检测模型
          …..
         // 初始化人脸检测引擎
         …..
         // 开启渲染Camera
         mCameraView.enableView();
         break;
      default:
         super.onManagerConnected(status);
         break;
     }
   }
};
2. 通过OpenCV库开启Camera渲染
在OpenCV中与Camera紧密相关的主要有两个类，即CameraBridgeViewBase和JavaCameraView，其中，CameraBridgeViewBase是一个基类，继承于SuarfaceView和SurafaceHolder.Callback接口，用于实现Camera与OpenCV库之间的交互，它主要的作用是控制Camera、处理视频帧以及调用相关内部接口对视频帧做相关调整，然后将调整后的视频帧数据渲染到手机屏幕上。比如enableView()方法、disableView()方法用于连接到Camera和断开与Camera的连接，代码如下： 
    public void enableView() {
        synchronized(mSyncObject) {
            mEnabled = true;
            checkCurrentState();
        }
}
   public void disableView() {
        synchronized(mSyncObject) {
            mEnabled = false;
            checkCurrentState();
        }
}
其中，checkCurrentState()方法用于更新Camera的渲染状态，它调用了processEnterState()方法来启动或停用Camera，以及将Camera的状态对外回调。为了方便开发者实时获取Camera的连接状态，CameraBridgeViewBase还提供了一个setCvCameraViewListener(CvCameraViewListener2 listener)方法，参数listener其一个内部接口，它包括三个方法：onCameraViewStarted(int width, int height)、void onCameraViewStopped()、Mat onCameraFrame(CvCameraViewFrame inputFrame)，分别用于对外回调Camera连接状态和传递Camera的实时视频帧数据。 
  private void checkCurrentState() {
        Log.d(TAG, "call checkCurrentState");
        int targetState;


        if (mEnabled && mSurfaceExist && getVisibility() == VISIBLE) {
            targetState = STARTED;
        } else {
            targetState = STOPPED;
        }


        if (targetState != mState) {
            /* The state change detected. Need to exit the current state and enter target state */
            processExitState(mState);
            mState = targetState;
            processEnterState(mState);
        }
    }
    private void processEnterState(int state) {
        Log.d(TAG, "call processEnterState: " + state);
        switch(state) {
        case STARTED:
            // 调用connectCamera()抽象方法，启动Camera
            onEnterStartedState();
            // 调用连接成功监听器接口方法
            if (mListener != null) {
                mListener.onCameraViewStarted(mFrameWidth, mFrameHeight);
            }
            break;
        case STOPPED:
            // 调用disconnectCamera()抽象方法，停用Camera
            onEnterStoppedState();
            // 调用断开连接监听器接口方法
            if (mListener != null) {
                mListener.onCameraViewStopped();
            }
            break;
        };
}
       既然CameraBridgeViewBase是一个基类，与Camera紧密相关的connectCamera()和disconnectCamera()又是抽象方法，那么就必定会有一个子类来实现这两个方法，而这个子类就是JavaCameraView。JavaCameraView继承于CameraBridgeViewBase和PreviewCallback接口，是衔接OpenCV和Camera的桥梁，是Camera启动、禁止的实际实现者，在这个类里我们可以看到关于Camera很多熟悉的操作。源码如下： 
  @Override
    protected boolean connectCamera(int width, int height) {
        // 初始化Camera，连接到Camera
        if (!initializeCamera(width, height))
            return false;
        mCameraFrameReady = false;
        // 开启一个与Camera相关的工作线程CameraWorker
        Log.d(TAG, "Starting processing thread");
        mStopThread = false;
        mThread = new Thread(new CameraWorker());
        mThread.start();
        return true;
    }


    @Override
    protected void disconnectCamera() {
        // 断开Camera连接，释放相关资源
        try {
            mStopThread = true;
            Log.d(TAG, "Notify thread");
            synchronized (this) {
                this.notify();
            }
            // 停止工作线程
            if (mThread != null)
                mThread.join();
        } catch (InterruptedException e) {
            e.printStackTrace();
        } finally {
            mThread =  null;
        }


        /* Now release camera */
        releaseCamera();


        mCameraFrameReady = false;
}
     CameraWorker是一个工作线程，用于处理从onPreviewFrame获得的视频帧数据，其存储在一个Mat类型的数组中。它会不断调用父类CameraBridgeViewBase的deliverAndDrawFrame方法，将处理后的视频帧数据流通过调用内部接口CvCameraViewListener2的onCameraFrame(CvCameraViewFrame frame)对外回调。 
private class CameraWorker implements Runnable {
        @Override
        public void run() {
            do {
                 …..//代码省略
                if (!mStopThread && hasFrame) {
                    if (!mFrameChain[1 - mChainIdx].empty())
                        deliverAndDrawFrame(mCameraFrame[1 - mChainIdx]);
                }
            } while (!mStopThread);
        }
    }
3. 加载人脸检测模型
    为了得到更好的人脸检测性能，OpenCV在SDK中提供了多个frontface检测器(人脸模型)，存放在..\opencv-3.3.0-android-sdk\OpenCV-android-sdk\sdk\etc\目录下，这篇对OpenCV自带的人脸检测模型做了比较，结果显示LBP实时性要好些。因此，本文选用目lbpcascades录下lbpcascade_frontalface.xml模型，该模型包括了3000个正样本和1500个负样本，我们将其拷贝到AS工程的res/raw目录下，并通过getDir方法保存到/data/data/com.jiangdg.opencv4android/ cascade目录下。 
InputStream is = getResources().openRawResource(R.raw.lbpcascade_frontalface);
File cascadeDir = getDir("cascade", Context.MODE_PRIVATE);
mCascadeFile = new File(cascadeDir, "lbpcascade_frontalface.xml");
FileOutputStream os = new FileOutputStream(mCascadeFile);
byte[] buffer = new byte[4096];
int byteesRead;
while ((byteesRead = is.read(buffer)) != -1) {
    os.write(buffer, 0, byteesRead);
}
is.close();
os.close();
注：关于模型的训练在以后的博文中会讨论到。
4. 人脸检测
在opencv-3.3.0-android-sdk的face-detection示例项目中，提供了CascadeClassifier和
DetectionBasedTracker两种方式来实现人脸检测，其中，CascadeClassifier是OpenCV用于人脸检测的一个级联分类器，DetectionBasedTracker是通过JNI编程实现的人脸检测。两种方式我都试用了下，发现DetectionBasedTracker方式还是比CascadeClassifier稳定些，CascadeClassifier会存在一定频率的误检。 
public class DetectionBasedTracker {
    private long mNativeObj = 0;
    // 构造方法：初始化人脸检测引擎
    public DetectionBasedTracker(String cascadeName, int minFaceSize) {
        mNativeObj = nativeCreateObject(cascadeName, minFaceSize);
    }
    // 开始人脸检测
    public void start() {
        nativeStart(mNativeObj);
    }
    // 停止人脸检测
    public void stop() {
        nativeStop(mNativeObj);
    }
    // 设置人脸最小尺寸
    public void setMinFaceSize(int size) {
        nativeSetFaceSize(mNativeObj, size);
    }


    // 检测
    public void detect(Mat imageGray, MatOfRect faces) {
        nativeDetect(mNativeObj, imageGray.getNativeObjAddr(), faces.getNativeObjAddr());
    }
    // 释放资源
    public void release() {
        nativeDestroyObject(mNativeObj);
        mNativeObj = 0;
    }
    // native方法
    private static native long nativeCreateObject(String cascadeName, int minFaceSize);
    private static native void nativeDestroyObject(long thiz);
    private static native void nativeStart(long thiz);
    private static native void nativeStop(long thiz);
    private static native void nativeSetFaceSize(long thiz, int size);
    private static native void nativeDetect(long thiz, long inputImage, long faces);
}
初始化DetectionBasedTracker后，我们只需要在CvCameraViewListener2接口的onCameraFrame方法中对每帧图片进行人脸检测即可。 
@Override
public Mat onCameraFrame(CameraBridgeViewBase.CvCameraViewFrame inputFrame) {
         ….// 代码省略
        // 获取检测到的脸部数据
        MatOfRect faces = new MatOfRect();
        …// 代码省略
        if (mNativeDetector != null) {
            mNativeDetector.detect(mGray, faces);
         }
        // 绘制检测框
        Rect[] facesArray = faces.toArray();
        for (int i = 0; i < facesArray.length; i++) {
            Imgproc.rectangle(mRgba, facesArray[i].tl(), facesArray[i].br(), FACE_RECT_COLOR, 3);
        }
        return mRgba;
    }

注：由于篇幅原因，关于人脸检测的C/C++实现代码(原理)，我们将在后续文章中讨论。

三、效果演示

1. FaceDetectActivity.class

/**
 * 人脸检测
 * 
 * Created by jiangdongguo on 2018/1/4.
 */

public class FaceDetectActivity extends AppCompatActivity implements CameraBridgeViewBase.CvCameraViewListener2 {
    private static final int JAVA_DETECTOR = 0;
    private static final int NATIVE_DETECTOR = 1;
    private static final String TAG = "FaceDetectActivity";
    @BindView(R.id.cameraView_face)
    CameraBridgeViewBase mCameraView;


    private Mat mGray;
    private Mat mRgba;
    private int mDetectorType = NATIVE_DETECTOR;
    private int mAbsoluteFaceSize = 0;
    private float mRelativeFaceSize = 0.2f;
    private DetectionBasedTracker mNativeDetector;
    private CascadeClassifier mJavaDetector;
    private static final Scalar FACE_RECT_COLOR = new Scalar(0, 255, 0, 255);


    private File mCascadeFile;
    private BaseLoaderCallback mLoaderCallback = new BaseLoaderCallback(this) {
        @Override
        public void onManagerConnected(int status) {
            switch (status) {
                case LoaderCallbackInterface.SUCCESS:
                    // OpenCV初始化加载成功，再加载本地so库
                    System.loadLibrary("detection_based_tracker");


                    try {
                        // 加载人脸检测模式文件
                        InputStream is = getResources().openRawResource(R.raw.lbpcascade_frontalface);
                        File cascadeDir = getDir("cascade", Context.MODE_PRIVATE);
                        mCascadeFile = new File(cascadeDir, "lbpcascade_frontalface.xml");
                        FileOutputStream os = new FileOutputStream(mCascadeFile);
                        byte[] buffer = new byte[4096];
                        int byteesRead;
                        while ((byteesRead = is.read(buffer)) != -1) {
                            os.write(buffer, 0, byteesRead);
                        }
                        is.close();
                        os.close();
                        // 使用模型文件初始化人脸检测引擎
                        mJavaDetector = new CascadeClassifier(mCascadeFile.getAbsolutePath());
                        if (mJavaDetector.empty()) {
                            Log.e(TAG, "加载cascade classifier失败");
                            mJavaDetector = null;
                        } else {
                            Log.d(TAG, "Loaded cascade classifier from " + mCascadeFile.getAbsolutePath());
                        }
                        mNativeDetector = new DetectionBasedTracker(mCascadeFile.getAbsolutePath(), 0);
                        cascadeDir.delete();
                    } catch (FileNotFoundException e) {
                        e.printStackTrace();
                    } catch (IOException e) {
                        e.printStackTrace();
                    }
                    // 开启渲染Camera
                    mCameraView.enableView();
                    break;
                default:
                    super.onManagerConnected(status);
                    break;
            }
        }
    };


    @Override
    protected void onCreate(@Nullable Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        getWindow().addFlags(WindowManager.LayoutParams.FLAG_FULLSCREEN);
        setContentView(R.layout.activity_facedetect);
        // 绑定View
        ButterKnife.bind(this);
        mCameraView.setVisibility(CameraBridgeViewBase.VISIBLE);
        // 注册Camera渲染事件监听器
        mCameraView.setCvCameraViewListener(this);
    }


    @Override
    protected void onResume() {
        super.onResume();
        // 静态初始化OpenCV
        if (!OpenCVLoader.initDebug()) {
            Log.d(TAG, "无法加载OpenCV本地库，将使用OpenCV Manager初始化");
            OpenCVLoader.initAsync(OpenCVLoader.OPENCV_VERSION_3_3_0, this, mLoaderCallback);
        } else {
            Log.d(TAG, "成功加载OpenCV本地库");
            mLoaderCallback.onManagerConnected(LoaderCallbackInterface.SUCCESS);
        }
    }


    @Override
    protected void onPause() {
        super.onPause();
        // 停止渲染Camera
        if (mCameraView != null) {
            mCameraView.disableView();
        }
    }


    @Override
    protected void onDestroy() {
        super.onDestroy();
        // 停止渲染Camera
        if (mCameraView != null) {
            mCameraView.disableView();
        }
    }


    @Override
    public void onCameraViewStarted(int width, int height) {
        // 灰度图像
        mGray = new Mat();
        // R、G、B彩色图像
        mRgba = new Mat();
    }


    @Override
    public void onCameraViewStopped() {
        mGray.release();
        mRgba.release();
    }


    @Override
    public Mat onCameraFrame(CameraBridgeViewBase.CvCameraViewFrame inputFrame) {
        mRgba = inputFrame.rgba();
        mGray = inputFrame.gray();
        // 设置脸部大小
        if (mAbsoluteFaceSize == 0) {
            int height = mGray.rows();
            if (Math.round(height * mRelativeFaceSize) > 0) {
                mAbsoluteFaceSize = Math.round(height * mRelativeFaceSize);
            }
            mNativeDetector.setMinFaceSize(mAbsoluteFaceSize);
        }
        // 获取检测到的脸部数据
        MatOfRect faces = new MatOfRect();
        if (mDetectorType == JAVA_DETECTOR) {
            if (mJavaDetector != null) {
                mJavaDetector.detectMultiScale(mGray, faces, 1.1, 2, 2,
                        new Size(mAbsoluteFaceSize, mAbsoluteFaceSize), new Size());
            }
        } else if (mDetectorType == NATIVE_DETECTOR) {
            if (mNativeDetector != null) {
                mNativeDetector.detect(mGray, faces);
            }
        } else {
            Log.e(TAG, "Detection method is not selected!");
        }
        // 绘制检测框
        Rect[] facesArray = faces.toArray();
        for (int i = 0; i < facesArray.length; i++) {
            Imgproc.rectangle(mRgba, facesArray[i].tl(), facesArray[i].br(), FACE_RECT_COLOR, 3);
        }


        Log.i(TAG, "共检测到 " + faces.toArray().length + " 张脸");
        return mRgba;
    }
}
2. activity_facedetect.xml 
<?xml version="1.0" encoding="utf-8"?><RelativeLayout xmlns:android="http://schemas.android.com/apk/res/android"    xmlns:opencv="http://schemas.android.com/apk/res-auto"    android:layout_width="match_parent"    android:layout_height="match_parent"    android:orientation="vertical">    <org.opencv.android.JavaCameraView        android:id="@+id/cameraView_face"        android:layout_width="match_parent"        android:layout_height="match_parent"        android:visibility="gone"        opencv:camera_id="any"        opencv:show_fps="true" /></RelativeLayout>
3. AndroidMnifest.xml 
<?xml version="1.0" encoding="utf-8"?><manifest xmlns:android="http://schemas.android.com/apk/res/android"    package="com.jiangdg.opencv4android">    <uses-permission android:name="android.permission.CAMERA"/>    <uses-feature android:name="android.hardware.camera" android:required="false"/>    <uses-feature android:name="android.hardware.camera.autofocus" android:required="false"/>    <uses-feature android:name="android.hardware.camera.front" android:required="false"/>    <uses-feature android:name="android.hardware.camera.front.autofocus" android:required="false"/>    <supports-screens android:resizeable="true"        android:smallScreens="true"        android:normalScreens="true"        android:largeScreens="true"        android:anyDensity="true" />    <application        android:allowBackup="true"        android:icon="@mipmap/ic_launcher"        android:label="@string/app_name"        android:roundIcon="@mipmap/ic_launcher_round"        android:supportsRtl="true"        android:theme="@style/AppTheme">        <activity android:name=".MainActivity">            <intent-filter>                <action android:name="android.intent.action.MAIN" />                <category android:name="android.intent.category.LAUNCHER" />            </intent-filter>        </activity>        <activity android:name=".HelloOpenCVActivity"            android:screenOrientation="landscape"            android:configChanges="keyboardHidden|orientation"/>        <activity android:name=".FaceDetectActivity"            android:screenOrientation="landscape"            android:configChanges="keyboardHidden|orientation"/>    </application></manifest>
效果演示：

OpenCV4Android开发实录(2)： 使用OpenCV3.3.0库实现人脸检测


源码下载：https://github.com/jiangdongguo/OpenCV4Android（欢迎star & fork）


标签：

相关文章