1. 程式人生 > 其它 >超簡單整合 HMS ML Kit 實現最大臉微笑抓拍

超簡單整合 HMS ML Kit 實現最大臉微笑抓拍

前言

如果大家對 HMS ML Kit 人臉檢測功能有所瞭解,相信已經動手呼叫我們提供的介面編寫自己的 APP 啦。目前就有小夥伴在呼叫介面的過程中反饋,不太清楚 HMS ML Kit 文件中的 MLMaxSizeFaceTransactor 這個介面的使用方法。為了讓大家更加深刻的瞭解我們的介面,方便在場景中使用,在這篇文章中小編準備拋磚引玉,大家可以開啟思路,多多嘗試。如果有小夥伴想要深入的瞭解更加全面具體的功能,請大家移步https://developer.huawei.com/consumer/cn/hms/huawei-mlkit

場景

相信大家都有在五一、十一出去遊玩的經歷,是不是都是這樣的 people mountain people sea.

好不容易找個人少的地方,結果拍出來的照片是這樣的

這樣的

還有這樣的

不看不知道,原來我的面部表情這麼豐富。。是不是很心累?每次想要發個出去浪的朋友圈,都要在白天拍的成百上千張類似款的照片裡,花上一小時才能找到一張能看的照片。。。

為了解決類似問題,HMS ML Kit 提供了追蹤識別畫面中最大臉的介面,能夠識別影象中的最大臉,方便對跟蹤影象中的”重點目標“做相關操作和處理。本文中就簡單的呼叫 MLMaxSizeFaceTransactor 這個介面,實現最大臉微笑抓拍的功能。

開發前準備

android studio 安裝

很簡單,下載安裝即可。具體下載連結:

Android studio 官網下載連結:https://developer.android.com/studio

Android studio安裝流程參考連結:https://www.cnblogs.com/xiadewang/p/7820377.html

在專案級 gradle 裡新增華為 maven 倉

開啟 AndroidStudio 專案級 build.gradle 檔案

增量新增如下 maven 地址:

buildscript{
{
maven{url'http://developer.huawei.com/repo/'}
}
}
allprojects{
repositories{
maven{url'http://developer.huawei.com/repo/'}
}
}

在應用級的 build.gradle 裡面加上 SDK 依賴

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 檔案裡面增量新增模型自動下載

要使應用程式能夠在使用者從華為應用市場安裝您的應用程式後,自動將最新的機器學習模型更新到使用者裝置,請將以下語句新增到該應用程式的 AndroidManifest.xml 檔案中:

<manifest>
...
<meta-data
android:name="com.huawei.hms.ml.DEPENDENCY"
android:value="face"/>
...
</manifest>

在 AndroidManifest.xml 檔案裡面申請相機、訪問網路和儲存許可權

<!--相機許可權-->
<uses-featureandroid:name="android.hardware.camera"/>
<uses-permissionandroid:name="android.permission.CAMERA"/>
<!--寫許可權-->
<uses-permissionandroid:name="android.permission.WRITE_EXTERNAL_STORAGE"/>

程式碼開發關鍵步驟

動態許可權申請

@Override
publicvoidonCreate(BundlesavedInstanceState){
	……
if(!allPermissionsGranted()){
getRuntimePermissions();
    }    
}

建立人臉識別檢測器

可以通過人臉識別檢測配置器“MLFaceAnalyzerSetting”建立人臉識別檢測器。

MLFaceAnalyzerSettingsetting=
newMLFaceAnalyzerSetting.Factory()
.setFeatureType(MLFaceAnalyzerSetting.TYPE_FEATURES)
.setKeyPointType(MLFaceAnalyzerSetting.TYPE_UNSUPPORT_KEYPOINTS)
.setMinFaceProportion(0.1f)
.setTracingAllowed(true)
.create();

通過 MLMaxSizeFaceTransactor.Creator 建立“MLMaxSizeFaceTransactor”物件用於處理檢測到的最大臉,其中 objectCreateCallback() 方法是在檢測到物件的時候呼叫的,objectUpdateCallback() 方法是在物件更新了的時候呼叫的,在方法裡通過 Overlay 在識別到的最大人臉上標記了一個方塊,並通過檢測結果獲取 MLFaceEmotion 來識別微笑表情觸發拍照。

MLMaxSizeFaceTransactortransactor=newMLMaxSizeFaceTransactor.Creator(analyzer,newMLResultTrailer<MLFace>(){
    @Override
publicvoidobjectCreateCallback(intitemId,MLFaceobj){
    LiveFaceAnalyseActivity.this.overlay.clear();
if(obj==null){
    return;
}
LocalFaceGraphicfaceGraphic=
        newLocalFaceGraphic(LiveFaceAnalyseActivity.this.overlay,obj,LiveFaceAnalyseActivity.this);
LiveFaceAnalyseActivity.this.overlay.addGraphic(faceGraphic);
MLFaceEmotionemotion=obj.getEmotions();
if(emotion.getSmilingProbability()>smilingPossibility){
    safeToTakePicture=false;
mHandler.sendEmptyMessage(TAKE_PHOTO);
}
}

@Override
publicvoidobjectUpdateCallback(MLAnalyzer.Result<MLFace>var1,MLFaceobj){
    LiveFaceAnalyseActivity.this.overlay.clear();
if(obj==null){
    return;
}
LocalFaceGraphicfaceGraphic=
        newLocalFaceGraphic(LiveFaceAnalyseActivity.this.overlay,obj,LiveFaceAnalyseActivity.this);
LiveFaceAnalyseActivity.this.overlay.addGraphic(faceGraphic);
MLFaceEmotionemotion=obj.getEmotions();
if(emotion.getSmilingProbability()>smilingPossibility&&safeToTakePicture){
    safeToTakePicture=false;
mHandler.sendEmptyMessage(TAKE_PHOTO);
}
}

@Override
publicvoidlostCallback(MLAnalyzer.Result<MLFace>result){
    LiveFaceAnalyseActivity.this.overlay.clear();
}

@Override
publicvoidcompleteCallback(){
    LiveFaceAnalyseActivity.this.overlay.clear();

    }
}).create();
this.analyzer.setTransactor(transactor);

通過 LensEngine.Creator 建立 LensEngine 例項進行視訊流的人臉檢測檢測

this.mLensEngine=newLensEngine.Creator(context,this.analyzer).setLensType(this.lensType)
.applyDisplayDimension(640,480)
.applyFps(25.0f)
.enableAutomaticFocus(true)
.create();

啟動相機預覽進行人臉檢測

this.mPreview.start(this.mLensEngine,this.overlay);

Demo 效果

demo 中顯示當檢測到畫面中最大臉微笑時,即啟動自動抓拍。

往期連結:

第一期:用華為 HMS MLKit SDK 三十分鐘在安卓上開發一個微笑抓拍神器

https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201198419687680377&fid=18

第二期:安卓開發實戰,用華為 HMS MLKit 影象分割 SDK 開發一個證件照 DIY 小程式

https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201203408959360433&fid=18

第三期:安卓開發實戰,用 HMS MLKit 華為機器學習服務開發一個拍照翻譯小程式

https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201209905778120045&fid=18

第四期:超簡單整合華為 HMS MLKit 機器學習服務 銀行卡識別 SDK,一鍵實現銀行卡繫結

https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201217390745110144&fid=18

第五期:超簡單整合華為 HMS Core MLKit 通用卡證識別SDK,一鍵實現各種卡繫結

https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201226181206630022&fid=18

第六期:超簡單整合 HMS ML Kit 二代身份證識別,一鍵實名認證

https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201226149614940020&fid=18

第七期:一文搞懂華為 HMS ML Kit 文字識別、銀行卡識別、通用卡證識別、身份證識別

https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201242744680220246&fid=18

第八期:Zxing 與華為 HMS Scan Kit 對比分析

https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201246151427920285&fid=18

下期預告:

基於華為機器學習服務,後面還會有一系列的實戰經驗分享,大家可以持續關注~