标签:LiveFaceAnalyseActivity ML Kit huawei https HMS com developer
前言
如果大家对 HMS ML Kit 人脸检测功能有所了解,相信已经动手调用我们提供的接口编写自己的 APP 啦。目前就有小伙伴在调用接口的过程中反馈,不太清楚 HMS ML Kit 文档中的 MLMaxSizeFaceTransactor 这个接口的使用方法。为了让大家更加深刻的了解我们的接口,方便在场景中使用,在这篇文章中小编准备抛砖引玉,大家可以打开思路,多多尝试。如果有小伙伴想要深入的了解更加全面具体的功能,请大家移步https://developer.huawei.com/consumer/cn/hms/huawei-mlkit。
场景
相信大家都有在五一、十一出去游玩的经历,是不是都是这样的 people mountain people sea.
好不容易找个人少的地方,结果拍出来的照片是这样的
这样的
还有这样的
不看不知道,原来我的面部表情这么丰富。。是不是很心累?每次想要发个出去浪的朋友圈,都要在白天拍的成百上千张类似款的照片里,花上一小时才能找到一张能看的照片。。。
为了解决类似问题,HMS ML Kit 提供了追踪识别画面中最大脸的接口,能够识别图像中的最大脸,方便对跟踪图像中的”重点目标“做相关操作和处理。本文中就简单的调用 MLMaxSizeFaceTransactor 这个接口,实现最大脸微笑抓拍的功能。
开发前准备
android studio 安装
很简单,下载安装即可。具体下载链接:
Android studio 官网下载链接:https://developer.android.com/studio
Android studio安装流程参考链接:https://www.cnblogs.com/xiadewang/p/7820377.html
在项目级 gradle 里添加华为 maven 仓
打开 AndroidStudio 项目级 build.gradle 文件
增量添加如下 maven 地址:
buildscript {
{
maven {url 'http://developer.huawei.com/repo/'}
}
}
allprojects {
repositories {
maven { url 'http://developer.huawei.com/repo/'}
}
}
在应用级的 build.gradle 里面加上 SDK 依赖
dependencies {
implementation 'com.huawei.hms:ml-computer-vision-face-recognition-model:1.0.3.300'
implementation 'com.huawei.hms:ml-computer-vision-face:1.0.3.300'
}
在 AndroidManifest.xml 文件里面增量添加模型自动下载
要使应用程序能够在用户从华为应用市场安装您的应用程序后,自动将最新的机器学习模型更新到用户设备,请将以下语句添加到该应用程序的 AndroidManifest.xml 文件中:
<manifest>
...
<meta-data
android:name="com.huawei.hms.ml.DEPENDENCY"
android:value= " face"/>
...
</manifest>
在 AndroidManifest.xml 文件里面申请相机、访问网络和存储权限
<!--相机权限-->
<uses-feature android:name="android.hardware.camera" />
<uses-permission android:name="android.permission.CAMERA" />
<!--写权限-->
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />
代码开发关键步骤
动态权限申请
@Override
public void onCreate(Bundle savedInstanceState) {
……
if (!allPermissionsGranted()) {
getRuntimePermissions();
}
}
创建人脸识别检测器
可以通过人脸识别检测配置器“MLFaceAnalyzerSetting”创建人脸识别检测器。
MLFaceAnalyzerSetting setting =
new MLFaceAnalyzerSetting.Factory()
.setFeatureType(MLFaceAnalyzerSetting.TYPE_FEATURES)
.setKeyPointType(MLFaceAnalyzerSetting.TYPE_UNSUPPORT_KEYPOINTS)
.setMinFaceProportion(0.1f)
.setTracingAllowed(true)
.create();
通过 MLMaxSizeFaceTransactor.Creator 创建“MLMaxSizeFaceTransactor”对象用于处理检测到的最大脸,其中 objectCreateCallback() 方法是在检测到对象的时候调用的,objectUpdateCallback() 方法是在对象更新了的时候调用的,在方法里通过 Overlay 在识别到的最大人脸上标记了一个方块,并通过检测结果获取 MLFaceEmotion 来识别微笑表情触发拍照。
MLMaxSizeFaceTransactor transactor = new MLMaxSizeFaceTransactor.Creator(analyzer, new MLResultTrailer<MLFace>() {
@Override
public void objectCreateCallback(int itemId, MLFace obj) {
LiveFaceAnalyseActivity.this.overlay.clear();
if (obj == null) {
return;
}
LocalFaceGraphic faceGraphic =
new LocalFaceGraphic(LiveFaceAnalyseActivity.this.overlay, obj, LiveFaceAnalyseActivity.this);
LiveFaceAnalyseActivity.this.overlay.addGraphic(faceGraphic);
MLFaceEmotion emotion = obj.getEmotions();
if (emotion.getSmilingProbability() > smilingPossibility) {
safeToTakePicture = false;
mHandler.sendEmptyMessage(TAKE_PHOTO);
}
}
@Override
public void objectUpdateCallback(MLAnalyzer.Result<MLFace> var1, MLFace obj) {
LiveFaceAnalyseActivity.this.overlay.clear();
if (obj == null) {
return;
}
LocalFaceGraphic faceGraphic =
new LocalFaceGraphic(LiveFaceAnalyseActivity.this.overlay, obj, LiveFaceAnalyseActivity.this);
LiveFaceAnalyseActivity.this.overlay.addGraphic(faceGraphic);
MLFaceEmotion emotion = obj.getEmotions();
if (emotion.getSmilingProbability() > smilingPossibility && safeToTakePicture) {
safeToTakePicture = false;
mHandler.sendEmptyMessage(TAKE_PHOTO);
}
}
@Override
public void lostCallback(MLAnalyzer.Result<MLFace> result) {
LiveFaceAnalyseActivity.this.overlay.clear();
}
@Override
public void completeCallback() {
LiveFaceAnalyseActivity.this.overlay.clear();
}
}).create();
this.analyzer.setTransactor(transactor);
通过 LensEngine.Creator 创建 LensEngine 实例进行视频流的人脸检测检测
this.mLensEngine = new LensEngine.Creator(context, this.analyzer).setLensType(this.lensType)
.applyDisplayDimension(640, 480)
.applyFps(25.0f)
.enableAutomaticFocus(true)
.create();
启动相机预览进行人脸检测
this.mPreview.start(this.mLensEngine, this.overlay);
Demo 效果
demo 中显示当检测到画面中最大脸微笑时,即启动自动抓拍。
往期链接:
第一期:用华为 HMS MLKit SDK 三十分钟在安卓上开发一个微笑抓拍神器
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201198419687680377&fid=18
第二期:安卓开发实战,用华为 HMS MLKit 图像分割 SDK 开发一个证件照 DIY 小程序
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201203408959360433&fid=18
第三期:安卓开发实战,用 HMS MLKit 华为机器学习服务开发一个拍照翻译小程序
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201209905778120045&fid=18
第四期:超简单集成华为 HMS MLKit 机器学习服务 银行卡识别 SDK,一键实现银行卡绑定
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201217390745110144&fid=18
第五期:超简单集成华为 HMS Core MLKit 通用卡证识别SDK,一键实现各种卡绑定
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201226181206630022&fid=18
第六期:超简单集成 HMS ML Kit 二代身份证识别,一键实名认证
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201226149614940020&fid=18
第七期:一文搞懂华为 HMS ML Kit 文本识别、银行卡识别、通用卡证识别、身份证识别
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201242744680220246&fid=18
第八期:Zxing 与华为 HMS Scan Kit 对比分析
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201246151427920285&fid=18
下期预告:
基于华为机器学习服务,后面还会有一系列的实战经验分享,大家可以持续关注~
标签:LiveFaceAnalyseActivity,ML,Kit,huawei,https,HMS,com,developer 来源: https://www.cnblogs.com/developer-huawei/p/15931242.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。