本篇我们来介绍在 Android 下如何实现人脸识别。上一篇我们介绍了如何在 Windows 下通过 OpenCV 实现人脸识别，实际上，在 Android 下的实现的核心原理是非常相似的，因为 OpenCV 部分的代码改动不大，绝大部分代码可以直接移植到 Android 上。最主要的区别是，Android 摄像头采集图像的代码要复杂一些，而 Windows 下几行代码就搞定了。我们会介绍 Cam

车牌定位：从整张图片中识别出牌照，主要操作包括对原图进行预处理、把车牌从整图中抠出字符分割：将牌照中的字符进行切割字符识别：识别单个字符，然后拼接成字符串本节是 OpenCV 车牌识别的第一节课，主要完成了车牌定位的工作。为了找出图像中的蓝色部分，需要检查 RGB 分量中的 Blue 分量就可以了。

OpenCV（Open Source Computer Vision Library）是一个基于 BSD 许可开源发行的跨平台的计算机视觉库。可用于开发实时的图像处理、计算机视觉以及模式识别程序。由英特尔公司发起并参与开发，以 BSD 许可证授权发行，可以在商业和研究领域中免费使用。英特尔公司的 IPP 可以对 OpenCV 进行加速处理。OpenCV 拥有 C++，Python 和 Java 接

Android 应用程序运行在 Dalvik/Art 虚拟机上，并且每一个应用程序都有一个单独的 Dalvik/Art 虚拟机实例。

OpenCV车牌识别

人脸识别需要人脸模型（特征集合）的支持，人脸定位的速度与准确度取决于模型。OpenCV 提供了已经训练好的模型，无论是 Windows 版本还是 Android 版本的 SDK，都在 etc 目录下提供了两种级联分类器模型：Haarcascades 基于 Haar-like 特征（哈尔特征）的级联分类器。Haar-like 特征是一种基于像素差值的特征描述方法，通过计算图像中不同区域的像素值之和的

OpenGL（Open Graphics Library）是图形领域的工业标准，是一套跨编程语言、跨平台、专业的图形编程（软件）接口。它用于二维、三维图像，是一个功能强大，调用方便的底层图形库。它与硬件无关，可以在不同的平台如 Windows、Linux、Mac、Android、IOS 之间进行移植。因此，支持 OpenGL 的软件具有很好的移植性，可以获得非常广泛的应用（比如 PS 在部分功能和

CoordinatorLayoutCoordinatorLayout 是一个功能强大的 FrameLayout，它遵循 Material Design 风格，可以用作一个或多个子 View 间交互的容器。通过为 CoordinatorLayout 的子 View 设置 Behavior，可以实现不同的交互效果。通常会与 AppbarLayout、CollapsingToolbarLayout 结合