【分享】虹軟人臉識別應用開發過程
趁晚上的時間向大家分享一波乾貨。
虹軟的人臉識別是應用與離線開發的,因為不需要網路,所以它的識別速度較快。好了,廢話不多說,接下來就開始教大家怎樣使用了。
1.首先就是去官網申請APPKEY,各種密匙,然後在下載jar包,這些就不一一給大家講解了。注意一下,要在app的gradle裡面加上這句話,不然可能會造成so庫載入不了的錯誤。
sourceSets {
main {
jniLibs.srcDirs = ['libs']
}
}
2.接下里就需要進行開發了。就拿人臉檢測的功能來說吧,首先需要 對引擎初始化,
AFD_FSDKEngine engine1 = new AFD_FSDKEngine(); AFD_FSDKError err = engine1.AFD_FSDK_InitialFaceEngine(Config.APP_ID, Config.FD_KEY, AFD_FSDKEngine.AFD_OPF_0_HIGHER_EXT, 16, 5);
我們還需要一個集合,用來存放我們檢測到的人臉,
List<AFD_FSDKFace> result = new ArrayList<AFD_FSDKFace>();//新建AFD_FSDKFacejihe,用於存放識別的人臉資訊
接下來我們就可以進行人臉的檢測了,但是對於照片的選取和格式是有要求的,所以我們需要對照片進行格式處理一下。
Bitmap bitmap1 = decodeImage(path1);//path是照片的路徑,先選取照片,轉化為bitmap
byte[] data1 = getNv21(bitmap1);//再將bitmap轉化為NV21格式的
下面是工具類decodeImage和getNv21的程式碼:
//getNv21 和 decodeImage 是照片格式的轉化工具 public byte[] getNv21(Bitmap mBitmap) { byte[] data = new byte[mBitmap.getWidth() * mBitmap.getHeight() * 3 / 2]; ImageConverter convert = new ImageConverter(); convert.initial(mBitmap.getWidth(), mBitmap.getHeight(), ImageConverter.CP_PAF_NV21); if (convert.convert(mBitmap, data)) { Log.e("TAG", "convert ok!"); } convert.destroy(); return data; } public static Bitmap decodeImage(String path) { Bitmap res; try { ExifInterface exif = new ExifInterface(path); int orientation = exif.getAttributeInt(ExifInterface.TAG_ORIENTATION, ExifInterface.ORIENTATION_NORMAL); BitmapFactory.Options op = new BitmapFactory.Options(); op.inSampleSize = 1; op.inJustDecodeBounds = false; //op.inMutable = true; res = BitmapFactory.decodeFile(path, op); //rotate and scale. Matrix matrix = new Matrix(); if (orientation == ExifInterface.ORIENTATION_ROTATE_90) { matrix.postRotate(90); } else if (orientation == ExifInterface.ORIENTATION_ROTATE_180) { matrix.postRotate(180); } else if (orientation == ExifInterface.ORIENTATION_ROTATE_270) { matrix.postRotate(270); } Bitmap temp = Bitmap.createBitmap(res, 0, 0, res.getWidth(), res.getHeight(), matrix, true); Log.d("com.arcsoft", "check target Image:" + temp.getWidth() + "X" + temp.getHeight()); if (!temp.equals(res)) { res.recycle(); } return temp; } catch (Exception e) { e.printStackTrace(); } return null; }
對格式進行轉化完成後,就開始進行人臉的檢測了。
err = engine1.AFD_FSDK_StillImageFaceDetection(data1, bitmap1.getWidth(), bitmap1.getHeight(), AFD_FSDKEngine.CP_PAF_NV21, result); Log.e("TAG", "getBit: " + result.size());
我們可以檢視集合result的size,來確定是否檢測到人臉。 在程式碼的最後,一定要對初始化的引擎進行銷燬處理。不然程式會因為記憶體問題而崩潰。 engine1.AFD_FSDK_UninitialFaceEngine();
人臉對比是在人臉檢測的基礎上進行的,在一張照片上先檢測到人臉的資訊,然後再將人臉的資訊進行比對。
List result = new ArrayList();
上面已經介紹了,檢測到的人臉資訊都是存放在result的集合中的,
然後是建立兩個存放人臉點位資訊的類
AFR_FSDKFace face1 = new AFR_FSDKFace();
AFR_FSDKFace face2 = new AFR_FSDKFace(); 將檢測到的人臉資訊的點位資訊存放到 face類中
//新建兩個AFR_FSDKFace類,儲存人臉特徵資訊
AFR_FSDKFace face1 = new AFR_FSDKFace();
AFR_FSDKFace face2 = new AFR_FSDKFace(); //對人臉特徵資訊的檢測
er = engine_camera.AFR_FSDK_ExtractFRFeature(data_image,
bitmap_idcard.getWidth(),
bitmap_idcard.getHeight(),
AFR_FSDKEngine.CP_PAF_NV21,
new Rect(result_image.get(0).getRect()),
result_image.get(0).getDegree(),
face1);
er = engine_camera.AFR_FSDK_ExtractFRFeature(data,
wid,
hei,
AFR_FSDKEngine.CP_PAF_NV21,
new Rect(result_fd.get(0).getRect()),
result_fd.get(0).getDegree(),
face2);
最後的比對的相似度資訊存放在score中, float score_face = score.getScore();
我們可以通過這種方式得到 我們想要的相似度資訊,最後得到的資料是float型別的。
*注意! 在使用照片的時候,解析度大小最好是偶數的,不然會發生未知的錯誤。 在進行人臉資訊提取的時候,會耗時,耗時的時長,是根據裝置的CPU處