Android 中使用 dlib+opencv 实现动态人脸检测

1 概述

完成 Android 相机预览功能以后，在此基础上我使用 dlib 与 opencv 库做了一个关于人脸检测的 demo。该 demo 在相机预览过程中对人脸进行实时检测，并将检测到的人脸用矩形框描绘出来。具体实现原理如下：

采用双层 View，底层的 TextureView 用于预览，程序从 TextureView 中获取预览帧数据，然后调用 dlib 库对帧数据进行处理，最后将检测结果绘制在顶层的 SurfaceView 中。

2 项目配置

由于项目中用到了 dlib 与 opencv 库，因此需要对其进行配置。主要涉及到以下几个方面：

2.1 C++支持

在项目创建过程中依次选择 Include C++ Support、C++11、Exceptions Support ( -fexceptions ）以及 Runtime Type Information Support ( -frtti ) 。最后生成的 build.gradle 文件如下：

defaultConfig {  applicationId "com.example.lightweh.facedetection"  minSdkVersion 23  targetSdkVersion 28  versionCode 1  versionName "1.0"  testInstrumentationRunner "android.support.test.runner.AndroidJUnitRunner"  externalNativeBuild {  cmake { arguments "-DCMAKE_BUILD_TYPE=Release"  cppFlags "-std=c++11 -frtti -fexceptions"  }  } }

其中，arguments 参数是后添加上去的，主要用于指定 CMake 的编译模式为 Release，因为在 Debug 模式下 dlib 库中相关算法的运行速度非常慢。前期如果需要调试 C++ 代码，可先将 arguments 参数注释。

2.2 dlib 与 opencv 下载

• 到dlib官网下载最新版本的源码，解压后将文件夹中的dlib目录复制到 Android Studio 工程的 cpp 目录下。

• 到 sourceforge 下载最新的 opencv-android 库，解压后将文件夹中的 native 目录同样复制到 Android Studio 工程的 cpp 目录下，并改名为 opencv。

2.3 CMakeLists 配置

在 CMakeLists 文件中，我们首先包含 dlib 的 cmake 文件，接下来添加 opencv 的 include 文件夹并引入 opencv 的 so 库，同时将 jni_common 目录中的文件及人脸检测相关文件添加至 native-lib 库中，最后进行链接。

# 设置native目录set(NATIVE_DIR ${CMAKE_SOURCE_DIR}/src/main/cpp)# 设置dlibinclude(${NATIVE_DIR}/dlib/cmake)# 设置opencv include文件夹include_directories(${NATIVE_DIR}/opencv/jni/include)# 设置opencv的so库add_library(  libopencv_java3  SHARED  IMPORTED) set_target_properties(  libopencv_java3  PROPERTIES  IMPORTED_LOCATION ${NATIVE_DIR}/opencv/libs/${ANDROID_ABI}/libopencv_java3.so)# 将jni_common目录中所有文件名，存至SRC_LIST中AUX_SOURCE_DIRECTORY(${NATIVE_DIR}/jni_common SRC_LIST) add_library( # Sets the name of the library.  native-lib # Sets the library as a shared library.  SHARED # Provides a relative path to your source file(s).  ${SRC_LIST}  src/main/cpp/face_detector.h  src/main/cpp/face_detector.cpp  src/main/cpp/native-lib.cpp) find_library( # Sets the name of the path variable.  log-lib # Specifies the name of the NDK library that  # you want CMake to locate.  log) target_link_libraries( # Specifies the target library.  native-lib  dlib  libopencv_java3  jnigraphics # Links the target library to the log library  # included in the NDK.  ${log-lib})# 指定release编译选项set(CMAKE_C_FLAGS_RELEASE "${CMAKE_C_FLAGS_RELEASE} -s -O3 -Wall")set(CMAKE_CXX_FLAGS_RELEASE "${CMAKE_CXX_FLAGS_RELEASE} -s -O3 -Wall")

由于 C++ 代码中用到了头文件 "android/bitmap.h"，所以链接时需要添加 jnigraphics 库。

3 JNI相关 Java 类定义

3.1 VisionDetRet 类

VisionDetRet 类的相关对象主要负责 C++ 与 Java 之间的数据传递。

public final class VisionDetRet { private int mLeft; private int mTop; private int mRight; private int mBottom;  VisionDetRet() {} public VisionDetRet(int l, int t, int r, int b) {  mLeft = l;  mTop = t;  mRight = r;  mBottom = b;  } public int getLeft() { return mLeft;  } public int getTop() { return mTop;  } public int getRight() { return mRight;  } public int getBottom() { return mBottom;  } }

3.2 FaceDet 类

FaceDet 类为 JNI 函数调用类，主要定义了一些需要 C++ 实现的 native 方法。

public class FaceDet { private static final String TAG = "FaceDet"; // accessed by native methods  @SuppressWarnings("unused") private long mNativeFaceDetContext; static { try { // 预加载native方法库  System.loadLibrary("native-lib");  jniNativeClassInit();  Log.d(TAG, "jniNativeClassInit success");  } catch (UnsatisfiedLinkError e) {  Log.e(TAG, "library not found");  }  } public FaceDet() {  jniInit();  } @Nullable  @WorkerThread  public List<VisionDetRet> detect(@NonNull Bitmap bitmap) {  VisionDetRet[] detRets = jniBitmapDet(bitmap); return Arrays.asList(detRets);  } @Override  protected void finalize() throws Throwable { super.finalize();  release();  } public void release() {  jniDeInit();  } @Keep  private native static void jniNativeClassInit(); @Keep  private synchronized native int jniInit(); @Keep  private synchronized native int jniDeInit(); @Keep  private synchronized native VisionDetRet[] jniBitmapDet(Bitmap bitmap); }

4 Native 方法实现

4.1 定义 VisionDetRet 类对应的 C++ 类

#include <jni.h>#define CLASSNAME_VISION_DET_RET "com/lightweh/dlib/VisionDetRet"#define CONSTSIG_VISION_DET_RET "()V"#define CLASSNAME_FACE_DET "com/lightweh/dlib/FaceDet"class JNI_VisionDetRet {public:  JNI_VisionDetRet(JNIEnv *env) { // 查找VisionDetRet类信息  jclass detRetClass = env->FindClass(CLASSNAME_VISION_DET_RET); // 获取VisionDetRet类成员变量  jID_left = env->GetFieldID(detRetClass, "mLeft", "I");  jID_top = env->GetFieldID(detRetClass, "mTop", "I");  jID_right = env->GetFieldID(detRetClass, "mRight", "I");  jID_bottom = env->GetFieldID(detRetClass, "mBottom", "I");  } void setRect(JNIEnv *env, jobject &jDetRet, const int &left, const int &top, const int &right, const int &bottom) { // 设置VisionDetRet类对象jDetRet的成员变量值  env->SetIntField(jDetRet, jID_left, left);  env->SetIntField(jDetRet, jID_top, top);  env->SetIntField(jDetRet, jID_right, right);  env->SetIntField(jDetRet, jID_bottom, bottom);  } // 创建VisionDetRet类实例  static jobject createJObject(JNIEnv *env) {  jclass detRetClass = env->FindClass(CLASSNAME_VISION_DET_RET);  jmethodID mid =  env->GetMethodID(detRetClass, "<init>", CONSTSIG_VISION_DET_RET); return env->NewObject(detRetClass, mid);  } // 创建VisionDetRet类对象数组  static jobjectArray createJObjectArray(JNIEnv *env, const int &size) {  jclass detRetClass = env->FindClass(CLASSNAME_VISION_DET_RET); return (jobjectArray) env->NewObjectArray(size, detRetClass, NULL);  }private:  jfieldID jID_left;  jfieldID jID_top;  jfieldID jID_right;  jfieldID jID_bottom; };

4.2 定义人脸检测类

人脸检测算法需要用大小位置不同的窗口在图像中进行滑动，然后判断窗口中是否存在人脸。本文采用的是 dlib 中的是HOG（histogram of oriented gradient）方法对人脸进行检测，其检测效果要好于 opencv。dlib 中同样提供了 CNN 方法来进行人脸检测，效果好于 HOG，不过需要使用 GPU 加速，不然程序运行会非常慢。

class FaceDetector {private:  dlib::frontal_face_detector face_detector; std::vector<dlib::rectangle> det_rects;public:  FaceDetector(); // 实现人脸检测算法  int Detect(const cv::Mat &image); // 返回检测结果  std::vector<dlib::rectangle> getDetResultRects(); }; FaceDetector::FaceDetector() { // 定义人脸检测器  face_detector = dlib::get_frontal_face_detector(); }int FaceDetector::Detect(const cv::Mat &image) { if (image.empty()) return 0; if (image.channels() == 1) {  cv::cvtColor(image, image, CV_GRAY2BGR);  }  dlib::cv_image<dlib::bgr_pixel> dlib_image(image);  det_rects.clear(); // 返回检测到的人脸矩形特征框  det_rects = face_detector(dlib_image); return det_rects.size(); }std::vector<dlib::rectangle> FaceDetector::getDetResultRects() { return det_rects; }

4.3 native 方法实现

JNI_VisionDetRet *g_pJNI_VisionDetRet; JavaVM *g_javaVM = NULL;// 该函数在加载本地库时被调用JNIEXPORT jint JNI_OnLoad(JavaVM *vm, void *reserved) {  g_javaVM = vm;  JNIEnv *env;  vm->GetEnv((void **) &env, JNI_VERSION_1_6); // 初始化 g_pJNI_VisionDetRet  g_pJNI_VisionDetRet = new JNI_VisionDetRet(env); return JNI_VERSION_1_6; }// 该函数用于执行清理操作void JNI_OnUnload(JavaVM *vm, void *reserved) {  g_javaVM = NULL; delete g_pJNI_VisionDetRet; }namespace {#define JAVA_NULL 0  using DetPtr = FaceDetector *; // 用于存放人脸检测类对象的指针，关联Jave层对象与C++底层对象（相互对应）  class JNI_FaceDet {  public:  JNI_FaceDet(JNIEnv *env) {  jclass clazz = env->FindClass(CLASSNAME_FACE_DET);  mNativeContext = env->GetFieldID(clazz, "mNativeFaceDetContext", "J");  env->DeleteLocalRef(clazz);  } DetPtr getDetectorPtrFromJava(JNIEnv *env, jobject thiz) {  DetPtr const p = (DetPtr) env->GetLongField(thiz, mNativeContext); return p;  } void setDetectorPtrToJava(JNIEnv *env, jobject thiz, jlong ptr) {  env->SetLongField(thiz, mNativeContext, ptr);  }  jfieldID mNativeContext;  }; // Protect getting/setting and creating/deleting pointer between java/native  std::mutex gLock; std::shared_ptr<JNI_FaceDet> getJNI_FaceDet(JNIEnv *env) { static std::once_flag sOnceInitflag; static std::shared_ptr<JNI_FaceDet> sJNI_FaceDet; std::call_once(sOnceInitflag, [env]() {  sJNI_FaceDet = std::make_shared<JNI_FaceDet>(env);  }); return sJNI_FaceDet;  } // 从java对象获取它持有的c++对象指针  DetPtr const getDetPtr(JNIEnv *env, jobject thiz) { std::lock_guard<std::mutex> lock(gLock); return getJNI_FaceDet(env)->getDetectorPtrFromJava(env, thiz);  } // The function to set a pointer to java and delete it if newPtr is empty  // C++对象new以后，将指针转成long型返回给java对象持有  void setDetPtr(JNIEnv *env, jobject thiz, DetPtr newPtr) { std::lock_guard<std::mutex> lock(gLock);  DetPtr oldPtr = getJNI_FaceDet(env)->getDetectorPtrFromJava(env, thiz); if (oldPtr != JAVA_NULL) { delete oldPtr;  }  getJNI_FaceDet(env)->setDetectorPtrToJava(env, thiz, (jlong) newPtr);  } } // end unnamespace#ifdef __cplusplusextern "C" {#endif#define DLIB_FACE_JNI_METHOD(METHOD_NAME) Java_com_lightweh_dlib_FaceDet_##METHOD_NAMEvoid JNIEXPORTDLIB_FACE_JNI_METHOD(jniNativeClassInit)(JNIEnv *env, jclass _this) {}// 生成需要返回的结果数组jobjectArray getRecResult(JNIEnv *env, DetPtr faceDetector, const int &size) { // 根据检测到的人脸数创建相应大小的jobjectArray  jobjectArray jDetRetArray = JNI_VisionDetRet::createJObjectArray(env, size); for (int i = 0; i < size; i++) { // 对检测到的每一个人脸创建对应的实例对象，然后插入数组  jobject jDetRet = JNI_VisionDetRet::createJObject(env);  env->SetObjectArrayElement(jDetRetArray, i, jDetRet);  dlib::rectangle rect = faceDetector->getDetResultRects()[i]; // 将人脸矩形框的值赋给对应的jobject实例对象  g_pJNI_VisionDetRet->setRect(env, jDetRet, rect.left(), rect.top(),  rect.right(), rect.bottom());  } return jDetRetArray; }JNIEXPORT jobjectArray JNICALLDLIB_FACE_JNI_METHOD(jniBitmapDet)(JNIEnv *env, jobject thiz, jobject bitmap) {  cv::Mat rgbaMat;  cv::Mat bgrMat;  jniutils::ConvertBitmapToRGBAMat(env, bitmap, rgbaMat, true);  cv::cvtColor(rgbaMat, bgrMat, cv::COLOR_RGBA2BGR); // 获取人脸检测类指针  DetPtr mDetPtr = getDetPtr(env, thiz); // 调用人脸检测算法，返回检测到的人脸数  jint size = mDetPtr->Detect(bgrMat); // 返回检测结果  return getRecResult(env, mDetPtr, size); }jint JNIEXPORT JNICALLDLIB_FACE_JNI_METHOD(jniInit)(JNIEnv *env, jobject thiz) {  DetPtr mDetPtr = new FaceDetector(); // 设置人脸检测类指针  setDetPtr(env, thiz, mDetPtr); return JNI_OK; }jint JNIEXPORT JNICALLDLIB_FACE_JNI_METHOD(jniDeInit)(JNIEnv *env, jobject thiz) { // 指针置0  setDetPtr(env, thiz, JAVA_NULL); return JNI_OK; }#ifdef __cplusplus}#endif

5 Java端调用人脸检测算法

在开启人脸检测之前，需要在相机 AutoFitTextureView 上覆盖一层自定义 BoundingBoxView 用于绘制检测到的人脸矩形框，该 View 的具体实现如下：

public class BoundingBoxView extends SurfaceView implements SurfaceHolder.Callback { protected SurfaceHolder mSurfaceHolder; private Paint mPaint; private boolean mIsCreated; public BoundingBoxView(Context context, AttributeSet attrs) { super(context, attrs);  mSurfaceHolder = getHolder();  mSurfaceHolder.addCallback(this);  mSurfaceHolder.setFormat(PixelFormat.TRANSPARENT);  setZOrderOnTop(true);  mPaint = new Paint();  mPaint.setAntiAlias(true);  mPaint.setColor(Color.RED);  mPaint.setStrokeWidth(5f);  mPaint.setStyle(Paint.Style.STROKE);  } @Override  public void surfaceChanged(SurfaceHolder surfaceHolder, int format, int width, int height) {  } @Override  public void surfaceCreated(SurfaceHolder surfaceHolder) {  mIsCreated = true;  } @Override  public void surfaceDestroyed(SurfaceHolder surfaceHolder) {  mIsCreated = false;  } public void setResults(List<VisionDetRet> detRets)  { if (!mIsCreated) { return;  }  Canvas canvas = mSurfaceHolder.lockCanvas(); //清除掉上一次的画框。  canvas.drawColor(Color.TRANSPARENT, PorterDuff.Mode.CLEAR);  canvas.drawColor(Color.TRANSPARENT); for (VisionDetRet detRet : detRets) {  Rect rect = new Rect(detRet.getLeft(), detRet.getTop(), detRet.getRight(), detRet.getBottom());  canvas.drawRect(rect, mPaint);  }  mSurfaceHolder.unlockCanvasAndPost(canvas);  } }

同时，需要在布局文件中添加对应的 BoundingBoxView 层，保证与 AutoFitTextureView 完全重合：

<?xml version="1.0" encoding="utf-8"?><RelativeLayout xmlns:android="http://schemas.android.com/apk/res/android"  xmlns:tools="http://schemas.android.com/tools"  android:layout_width="match_parent"  android:layout_height="match_parent"  tools:context=".CameraFragment">  <com.lightweh.facedetection.AutoFitTextureView  android:id="@+id/textureView"  android:layout_width="wrap_content"  android:layout_height="wrap_content"  android:layout_centerVertical="true"  android:layout_centerHorizontal="true" />  <com.lightweh.facedetection.BoundingBoxView  android:id="@+id/boundingBoxView"  android:layout_width="wrap_content"  android:layout_height="wrap_content"  android:layout_alignLeft="@+id/textureView"  android:layout_alignTop="@+id/textureView"  android:layout_alignRight="@+id/textureView"  android:layout_alignBottom="@+id/textureView" /></RelativeLayout>

BoundingBoxView 添加完成以后，即可在 CameraFragment 中添加对应的人脸检测代码：

private class detectAsync extends AsyncTask<Bitmap, Void, List<VisionDetRet>> { @Override  protected void onPreExecute() {  mIsDetecting = true; super.onPreExecute();  } protected List<VisionDetRet> doInBackground(Bitmap... bp) {  List<VisionDetRet> results; // 返回检测结果  results = mFaceDet.detect(bp[0]); return results;  } protected void onPostExecute(List<VisionDetRet> results) { // 绘制检测到的人脸矩形框  mBoundingBoxView.setResults(results);  mIsDetecting = false;  } }

然后，分别在 onResume 与 onPause 函数中完成人脸检测类对象的初始化和释放：

@Overridepublic void onResume() { super.onResume();  startBackgroundThread();  mFaceDet = new FaceDet(); if (mTextureView.isAvailable()) {  openCamera(mTextureView.getWidth(), mTextureView.getHeight());  } else {  mTextureView.setSurfaceTextureListener(mSurfaceTextureListener);  } }@Overridepublic void onPause() {  closeCamera();  stopBackgroundThread(); if (mFaceDet != null) {  mFaceDet.release();  } super.onPause(); }

最后，在 TextureView 的回调函数 onSurfaceTextureUpdated 完成调用：

@Overridepublic void onSurfaceTextureUpdated(SurfaceTexture texture) { if (!mIsDetecting) {  Bitmap bp = mTextureView.getBitmap(); // 保证图片方向与预览方向一致  bp = Bitmap.createBitmap(bp, 0, 0, bp.getWidth(), bp.getHeight(), mTextureView.getTransform(null), true ); new detectAsync().execute(bp);  } }

6 测试结果

经测试，960x720的 bitmap 图片在华为手机（Android 6.0，8核1.2GHz，2G内存）上执行一次检测约耗时800~850ms。Demo 运行效果如下：