Java程序设计任务驱动教程课件 项目13 任务2 人工智能技术的应用—人脸检测.pptxVIP

项目十三人工智能、大数据技术的应用任务二人工智能技术的应用—人脸检测Java程序设计任务驱动教程

项目十三人工智能、大数据技术的应用任务一人工智能技术的应用—词频统计任务二人工智能技术的应用—人脸检测任务三大数据技术的应用—商品销售数据分析

任务要求小明最近要开发一个智能相册分类系统，其能够自动检测照片中的人脸，并根据人脸信息对照片进行分类。系统需要能够准确识别照片中的每张人脸，并将其与相册中的其他人脸进行比对，将相似的人脸照片归类到同一个文件夹中。为此他打算先实现检测照片中的人脸。

1.核心概念介绍人脸检测(FaceDetection)利用计算机视觉和机器学习技术，在图像或视频中自动识别并定位人脸。一旦检测到人脸，系统将返回其精确的位置坐标和大小信息。计算机视觉(CV)一门研究如何使计算机“看”懂世界的科学。通过集成摄像机（眼睛）和算法（大脑），计算机能够对目标进行识别、跟踪和测量，从而感知并理解周围环境。OpenCV库跨平台的开源计算机视觉库。它提供了丰富的图像视频处理功能及人脸检测API，是Java开发中实现计算机视觉任务（如人脸检测）的首选工具之一。

2.OpenCV的下载及配置01.下载OpenCV安装包访问官网下载Windows版本（本书为opencv-3.4.16-vc14_vc15.exe6），双击运行安装包，程序会自动在当前目录生成opencv文件夹。02.导入Jar包和类库在项目下创建lib文件夹，将opencv-3416.jar和opencv_java3416.dll文件放入其中，并在IDE中将它们导入到项目的libarary。

2.OpenCV的下载及配置03.导入Haar特征分类器从OpenCV安装目录的sources\data\haarcascades文件夹中找到特征分类器模型（如haarcascade_frontalface_alt.xml）复制到项目的xml文件夹中。04.准备图像文件目录在项目的src目录下创建img文件夹，用于统一存放待检测的原始图像文件以及程序运行后输出的结果图像文件。Haar特征分类器模型文件部分Haar特征分类器模型的说明

任务实施：基于OpenCV的人脸检测系统项目简介人脸检测场景，准确识别照片中的每张人脸使用OpenCV计算机视觉库实现的人脸检测程序Java语言开发，适用于桌面应用和服务器端处理基于Haar级联分类器的经典人脸检测算法技术选型本项目采用Java作为开发语言，结合第三方库开发语言Java核心库OpenCV4.x检测算法HaarCascadeClassifier运行环境JVM+OpenCVNativeLibrary核心功能模块1图像读取支持多种图像格式输入2人脸检测自动识别图像中的人脸区域3可视化标记在检测到的人脸上绘制矩形框4结果保存输出处理后的图像文件

任务实施：代码结构与实现细节系统架构流程初始化阶段加载库模型/配置环境处理阶段读入图像/执行人脸检测输出阶段绘制标记框/保存结果关键代码解析1.环境初始化System.loadLibrary(Core.NATIVE_LIBRARY_NAME);CascadeClassifierfd=newCascadeClassifier(haarcascade.xml);2.检测与标记//读取图像Matimage=Imgcodecs.imread(src\\img\\face.png);//检测图像MatOfRectfaceDetections=newMatOfRect();faceDetector.detectMultiScale(image,faceDetections);//在检测到的每个物体周围绘制矩形框人脸区域for(Rectrect:faceDetections){Imgproc.rectangle(img,newPoint(rect.x,rect.y),newPoint(rect.x+rect.width,rect.y+rect.height),newScalar(0,255,0));}OpenCV核心类说明类名功能描述主要用途Mat图像矩阵容器存储处理图像数据CascadeClassifier级联分类器执行物体检测任务MatOfRect矩形集合存储检测到的目标区域Rect矩形定义表示目标的位置和大小

任务实施：使用指南与扩展应用部署与运行环境JavaDevelopmentKit(JDK)OpenCVJava库文件OpenCV本地库(NativeLibs)项目文件