opencv之人脸检测项目实战（二）

opencv之人脸检测项目实战（二）

2024-12-26 13:11

1.2 人脸检测的应用场景

每个人都有一张脸，而且是一个人最重要的外貌特征。这种技术最热门的应用领域有三个方面：

opencv之人脸检测项目实战（二）

第一，身份认证与安全防护。在这个世界上，只要有门的地方几乎都带有一把锁。当然，在许多安全级别要求较高的区域，例如金融机构、机关办公大楼、运动场馆、甚至重要设施的工地，都需要对大量的人员进行基于身份认证的门禁管理。手机、笔记本电脑等个人电子用品，在开机和使用中经常要用到身份验证功能。

第二，媒体与娱乐。人们的许多娱乐活动都是跟脸部有关的。最著名的娱乐节目之一就是川剧的变脸。在网络虚拟世界里，通过人脸的变化，可以产生大量的娱乐节目和效果。手机、数码相机等消费电子产品中，基于人脸的娱乐项目越来越丰富。QQ、MSN等即时通信工具以及虚拟化身网络游戏也是人脸合成技术的广阔市场。

第三，图像搜索。传统搜索引擎的图像搜索其实还是文字搜索。基于人脸图像识别技术的搜索引擎将会具有广泛的应用前景。而且大部分以图片作为输入的搜索引擎，例如tineye(2008年上线)、搜狗识图(2011年上线)等，本质上是进行图片近似拷贝检测，即搜索看起来几乎完全一样的图片。2010年推出的百度识图也是如此，在经历两年多的沉寂之后，百度识图开始向另一个方向探索。与之前的区别在于，如果用户给出一张图片，百度识图会判断里面是否出现人脸，如果有，百度识图在相似图片搜索之外，同时会全网寻找出现过的类似人像。
新增加的技术简而言之，首先是人脸检测并提取出特征表达，随后再据此进行数据库对比，最后按照相似度排序返回结果。其实，人脸检测并不是新技术，相关研究已有三十年历史，然而直到2009年底，百度才决定推动这一技术付诸实施。

全球70亿人口，人脸相关技术应用前景不可限量！

1.3 人脸检测核心架构

2.1 NDK开发的原理

1）System.loadLibrary()方法加载动态库。（如果动态库的名字为libwgr.so，那么我们应该去掉文件名的lib和.so，只把中间的wgr作为参数传递到方法中进行加载）。

2.2 什么是JNI

2.3 OpenCV架构体系

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。^[1] 最新版本是3.4 ，2017年12月23日发布^[2] 。

OpenCV 拥有包括 500 多个C函数的跨平台的中、高层 API。它不依赖于其它的外部库——尽管也可以使用某些外部库。

OpenCV组件架构

【calib3d】—— Calibration（校准）加3D这两个词的组合缩写。这个模块主要是相机校准和三维重建相关的内容。基本的多视角几何算法，单个立体摄像头标定，物体姿态估计，立体相似性算法，3D信息的重建等等。

【contrib】—— Contributed/Experimental Stuf的缩写，该模块包含了一些最近添加的不太稳定的可选功能，不用去多管。2.4.8里的这个模块有新型人脸识别，立体匹配，人工视网膜模型等技术。

【core】——核心功能模块，包含如下内容：

OpenCV基本数据结构
动态数据结构
绘图函数
数组操作相关函数
辅助功能与系统函数和宏
与OpenGL的互操作

【imgproc】——Image和Processing这两个单词的缩写组合。图像处理模块，这个模块包含了如下内容：

线性和非线性的图像滤波
图像的几何变换
其它（Miscellaneous）图像转换
直方图相关
结构分析和形状描述
运动分析和对象跟踪
特征检测
目标检测等内容

【features2d】 ——也就是Features2D， 2D功能框架，包含如下内容：

特征检测和描述
特征检测器（Feature Detectors）通用接口
描述符提取器（Descriptor Extractors）通用接口
描述符匹配器（Descriptor Matchers）通用接口
通用描述符（Generic Descriptor）匹配器通用接口
关键点绘制函数和匹配功能绘制函数

【flann】—— Fast Library for Approximate Nearest Neighbors，高维的近似近邻快速搜索算法库，包含两个部分：

快速近似最近邻搜索
聚类

【gpu】——运用GPU加速的计算机视觉模块

【highgui】——high gui，高层GUI图形用户界面，包含媒体的I / O输入输出，视频捕捉、图像和视频的编码解码、图形交互界面的接口等内容

【legacy】——一些已经废弃的代码库，保留下来作为向下兼容，包含如下相关的内容：

运动分析
期望最大化
直方图
平面细分（C API）
特征检测和描述（Feature Detection and Description）
描述符提取器（Descriptor Extractors）的通用接口
通用描述符（Generic Descriptor Matchers）的常用接口
匹配器

【ml】——Machine Learning，机器学习模块，基本上是统计模型和分类算法，包含如下内容：

统计模型（Statistical Models）
一般贝叶斯分类器（Normal Bayes Classifier）
K-近邻（K-NearestNeighbors）
支持向量机（Support Vector Machines）
决策树（Decision Trees）
提升（Boosting）
梯度提高树（Gradient Boosted Trees）
随机树（Random Trees）
超随机树（Extremely randomized trees）
期望最大化（Expectation Maximization）
神经网络（Neural Networks）
MLData

【nonfree】——一些具有专利的算法模块，包含特征检测和GPU相关的内容。最好不要商用，可能会被告哦。

【objdetect】——目标检测模块，包含Cascade Classification（级联分类）和Latent SVM这两个部分。

【ocl】——即OpenCL-accelerated Computer Vision，运用OpenCL加速的计算机视觉组件模块

【photo】——Computational Photography，包含图像修复和图像去噪两部分

【stitching】——images stitching，图像拼接模块，包含如下部分：

拼接流水线
特点寻找和匹配图像
估计旋转
自动校准
图片歪斜
接缝估测
曝光补偿
图片混合

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数初中级Android工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则近万的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Android移动开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Android开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！

由于整个文档比较全面，内容比较多，篇幅不允许，下面以截图方式展示。

再附一部分Android架构面试视频讲解：

《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！

频讲解：

[外链图片转存中…(img-B18qwwBI-1712668462526)]