|
逻辑：
以上就是主流程了，也就是大部分时间中应用的运行状态，相信此刻的您已经受够了这些文字和图表，迫不及待的想要敲打键盘，写出自己心目中的人脸跟踪应用，但我还是要强行劝您一句：咱们把异常流程也梳理和罗列一下，否则程序运行的时候会出现各种灵异现象，十分钟写代码，一小时查问题...
异常处理
- 提前准备必要文件之一，opencv在windows环境的动态链接库，下载地址（不用积分）：
- 提前准备必要文件之二，人脸检测的模型文件，下载地址：https://raw.github.com/opencv/opencv/master/data/haarcascades/haarcascade_frontalface_alt.xml
- native方法异常：BGR实例转为javacv的RGBA时，opencv_imgproc.cvtColor可能抛出异常，所以要注意捕获，避免程序退出
- JavaCV中，最常用的类来自org.bytedeco.opencv.opencv_core这个包，然而，在计算直方图、反向投影、CamShift的时候，大部分参数又来自org.opencv.core这个包，因此从摄像头取得的帧相关的数据对象，都要转换成另一个包下面的同名对象，才能顺利的执行人脸跟踪操作
- 人脸跟踪的时候，如何判断跟丢了？正常情况下，CamShift返回的是一个有效的矩形，人不再出现的帧，CamShift计算其反向投影的时候，返回的矩形的长和宽都小于等于零，但实际测试的时候，发现人脸消失后，CamShift还可能返回一个很小的矩形，这显然是必须要丢弃的，因此，判断是否跟丢的逻辑，我这里就改成：长或者宽比上一次的变化率是否超过百分八十，实测效果尚可，您也可以自行调整这个参数
- 假设人脸检测的结果是50*60的矩形，能将整个人脸包括在此矩形中，但CamShift计算得到的矩形就未必是50*60了，一般高度会更大，导致将人脸之下的脖子也包括进来，而且头发上面会包括进来，此刻，您可以按照自己的业务需求来调整这个矩形，我这里是将位置向下移动（不把头发包括进来），再把宽度的值设置成高度，这样看起来与人脸检测的结果比较接近，调整前后的效果如下图所示：
- 以上就是之前的开发过程中遇到的典型问题，可见如果没有事先准备，怕是每个问题都能将爱学习的您折磨得痛苦不堪...
期待下一篇的实战
- 至此，图文并茂的设计篇已全部完成，和愉快的编码相比，这种设计和准备工作既枯燥且辛苦，但却是一个功能健全的应用不可或缺的一部分，只希望本篇能为您提供足够的理论知识信息，让咱们在下一篇的编码实战中做到胸有成竹，下笔如有神助
- 下一篇：《Java版人脸跟踪三部曲之三：编码实战》，敬请期待~
欢迎关注博客园：程序员欣宸
学习路上，你不孤单，欣宸原创一路相伴...
|