即从摄像头预览中检测到人脸的存在,并且使用一个矩形框出人脸的范围。
人脸注册 (RegisterActivity)
即将一张图片中的人脸信息,提取出特征值,将该特征值与人员信息建立联系。
人脸识别 (FR引擎)
2. 人脸注册
人脸注册是整个识别流程的基础,Demo中人脸注册的流程是在 RegsiterActivity 文件中处理的,该页面启动的时候接受 Intent 中传来的 imagePath 信息(图片地址);
第一步是获取待注册的照片,我们可以可以使用摄像头,也可以使用照片。
获取图片后,将获得的图片转为 Bitmap,然后将其转化成 NV21 格式的 Byte 数组,因为我们使用的sdk只能处理 NV21 格式的数据,NV21 格式限制高度不能为奇数;
mBitmap = Application.decodeImage(mFilePath);
src.set(0,0,mBitmap.getWidth(),mBitmap.getHeight());
mSurfaceView = (SurfaceView)this.findViewById(R.id.surfaceView);
mSurfaceView.getHolder().addCallback(this);
view = new Thread(new Runnable() {
@Override
public void run() {
//等待holder创建
while (mSurfaceHolder == null) {
try {
Thread.sleep(100);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
//创建字节数组 大小由拍照传来的图片尺寸决定
byte[] data = new byte[mBitmap.getWidth() * mBitmap.getHeight() * 3 / 2];
try {
//将bitmap转换成nv21,结果保存到data数组中
ImageConverter convert = new ImageConverter();
convert.initial(mBitmap.getWidth(), mBitmap.getHeight(), ImageConverter.CP_PAF_NV21);
if (convert.convert(mBitmap, data)) {
Log.d(TAG, “convert ok!”);
}
convert.destroy();
} catch (Exception e) {
e.printStackTrace();
}
第二步:
AFD_FSDKFace是人脸识别的结果,定义如下:
public class AFD_FSDKFace {
android.graphics.Rect mRect;
int mDegree;
}
调用AFD_FSDK_StillImageFaceDetection返回检测到的人脸信息
//创建FD人脸检测引擎
AFD_FSDKEngine engine = new AFD_FSDKEngine();
AFD_FSDKVersion version = new AFD_FSDKVersion();
List<AFD_FSDKFace> result = new ArrayList<AFD_FSDKFace>(); //注册结果? 人脸探测结果
//初始化引擎
AFD_FSDKError err = engine.AFD_FSDK_InitialFaceEngine(
FaceDB.appid, FaceDB.fd_key, AFD_FSDKEngine.AFD_OPF_0_HIGHER_EXT, 16, 300);
//错误码
Log.d(TAG, "AFD_FSDK_InitialFaceEngine = " + err.getCode());
if (err.getCode() != AFD_FSDKError.MOK) {
//引擎初始化失败
Message reg = Message.obtain();
reg.what = MSG_CODE;
reg.arg1 = MSG_EVENT_FD_ERROR;
reg.arg2 = err.getCode();
mUIHandler.sendMessage(reg);
}
err = engine.AFD_FSDK_GetVersion(version);
Log.d(TAG, “AFD_FSDK_GetVersion =” + version.toString() + ", " + err.getCode());
//FD人脸探测,转化的nv21数据数组,传入图片的宽度、高度、NV21、探测结果
err = engine.AFD_FSDK_StillImageFaceDetection(data, mBitmap.getWidth(), mBitmap.getHeight(), AFD_FSDKEngine.CP_PAF_NV21, result);
Log.d(TAG, “AFD_FSDK_StillImageFaceDetection =” + err.getCode() + “<” + result.size());
至此我们就获得了一张图片中的全部人脸数据了,他们都被保存在result这个List列表中。
第三步:
使用 FR 人脸识别引擎识别该位置人脸中的特征信息。
if (!result.isEmpty()) {
//探测结果不为空-存在人脸 FR 人脸识别
AFR_FSDKVersion version1 = new AFR_FSDKVersion();
AFR_FSDKEngine engine1 = new AFR_FSDKEngine();
AFR_FSDKFace result1 = new AFR_FSDKFace();
AFR_FSDKError error1 = engine1.AFR_FSDK_InitialEngine(FaceDB.appid, FaceDB.fr_key);
Log.d(“com.arcsoft”, "AFR_FSDK_InitialEngine = " + error1.getCode());
if (error1.getCode() != AFD_FSDKError.MOK) {
//人脸识别引擎初始化失败
Message reg = Message.obtain();
reg.what = MSG_CODE;
reg.arg1 = MSG_EVENT_FR_ERROR;
reg.arg2 = error1.getCode();
mUIHandler.sendMessage(reg);
}
error1 = engine1.AFR_FSDK_GetVersion(version1);
Log.d(“com.arcsoft”, “FR=” + version.toString() + “,” + error1.getCode()); //(210, 178 - 478, 446), degree = 1 780, 2208 - 1942, 3370
//提取人脸识别特征
error1 = engine1.AFR_FSDK_ExtractFRFeature(data, mBitmap.getWidth(), mBitmap.getHeight(), AFR_FSDKEngine.CP_PAF_NV21, new Rect(result.get(0).getRect()), result.get(0).getDegree(), result1);
Log.d(“com.arcsoft”, “Face=” + result1.getFeatureData()[0] + “,” + result1.getFeatureData()[1] + “,” + result1.getFeatureData()[2] + “,” + error1.getCode());
if(error1.getCode() == error1.MOK) {
//提取出了特征
mAFR_FSDKFace = result1.clone();
int width = result.get(0).getRect().width();
int height = result.get(0).getRect().height();
Bitmap face_bitmap = Bitmap.createBitmap(width, height, Bitmap.Config.RGB_565);
Canvas face_canvas = new Canvas(face_bitmap);
face_canvas.drawBitmap(mBitmap, result.get(0).getRect(), new Rect(0, 0, width, height), null);
Message reg = Message.obtain();
reg.what = MSG_CODE;
reg.arg1 = MSG_EVENT_REG;
reg.obj = face_bitmap;
mUIHandler.sendMessage(reg);
} else {
//没有提取出特征
Message reg = Message.obtain();
reg.what = MSG_CODE;
reg.arg1 = MSG_EVENT_NO_FEATURE;
mUIHandler.sendMessage(reg);
}
error1 = engine1.AFR_FSDK_UninitialEngine();
Log.d(“com.arcsoft”, "AFR_FSDK_UninitialEngine : " + error1.getCode());
} else {
//人脸识别解决为空,不存在人脸
Message reg = Message.obtain();
reg.what = MSG_CODE;
reg.arg1 = MSG_EVENT_NO_FACE;
mUIHandler.sendMessage(reg);
}
err = engine.AFD_FSDK_UninitialFaceEngine();
Log.d(TAG, “AFD_FSDK_UninitialFaceEngine =” + err.getCode());
}
});
第四步:
到此我们已经获得了整个人脸注册流程中所需要的几个关键值了:
人脸位置 Rect 及该 Rect 的 Bitmap;
人脸特征信息实例 mAFR_FSDKFace;
检测到了人脸,我们可以输入相应的描述信息,加入到人脸库中。
public void addFace(String name, AFR_FSDKFace face) {
try {
//check if already registered.
boolean add = true;
for (FaceRegist frface : mRegister) {
if (frface.mName.equals(name)) {
frface.mFaceList.add(face);
add = false;
break;
}
}
if (add) { // not registered.
FaceRegist frface = new FaceRegist(name);
frface.mFaceList.add(face);
mRegister.add(frface);
}
//清空原有txt文件
if (saveInfo()) {
//update all names
//把当前内存里的新数据全部重新添加一次
FileOutputStream fs = new FileOutputStream(mDBPath + “/face.txt”, true);
ExtOutputStream bos = new ExtOutputStream(fs);
for (FaceRegist frface : mRegister) {
bos.writeString(frface.mName);
}
bos.close();
fs.close();
//save new feature
fs = new FileOutputStream(mDBPath + “/” + name + “.data”, true);
bos = new ExtOutputStream(fs);
bos.writeBytes(face.getFeatureData());
bos.close();
fs.close();
}
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}
销毁人脸检测引擎
err = engine.AFD_FSDK_UninitialFaceEngine();
Log.d(TAG, “AFD_FSDK_UninitialFaceEngine =” + err.getCode());
3. 实现人脸识别
初始化相机:引擎需要的图像格式是NV21的,所以需要将摄像头中的图像格式预设置为NV21
@Override
public Camera setupCamera() {
// TODO Auto-generated method stub
mCamera = Camera.open(mCameraID);
try {
Camera.Parameters parameters = mCamera.getParameters();
parameters.setPreviewSize(mWidth, mHeight);
parameters.setPreviewFormat(mFormat);
for( Camera.Size size : parameters.getSupportedPreviewSizes()) {
Log.d(TAG, “SIZE:” + size.width + “x” + size.height);
}
for( Integer format : parameters.getSupportedPreviewFormats()) {
Log.d(TAG, “FORMAT:” + format);
}
List<int[]> fps = parameters.getSupportedPreviewFpsRange();
for(int[] count : fps) {
Log.d(TAG, “T:”);
for (int data : count) {
Log.d(TAG, “V=” + data);
}
}
//parameters.setPreviewFpsRange(15000, 30000);
//parameters.setExposureCompensation(parameters.getMaxExposureCompensation());
//parameters.setWhiteBalance(Camera.Parameters.WHITE_BALANCE_AUTO);
//parameters.setAntibanding(Camera.Parameters.ANTIBANDING_AUTO);
//parmeters.setFocusMode(Camera.Parameters.FOCUS_MODE_AUTO);
//parameters.setSceneMode(Camera.Parameters.SCENE_MODE_AUTO);
//parameters.setColorEffect(Camera.Parameters.EFFECT_NONE);
mCamera.setParameters(parameters);
} catch (Exception e) {
e.printStackTrace();
}
if (mCamera != null) {
mWidth = mCamera.getParameters().getPreviewSize().width;
mHeight = mCamera.getParameters().getPreviewSize().height;
}
return mCamera;
}
初始化人脸检测引擎(FT)
Log.d(TAG, “AFT_FSDK_InitialFaceEngine =” + err.getCode());
err = engine.AFT_FSDK_GetVersion(version);
Log.d(TAG, “AFT_FSDK_GetVersion:” + version.toString() + “,” + err.getCode());
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数初中级Android工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则近万的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Android移动开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Android开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
如果你觉得这些内容对你有帮助,可以扫码获取!!(备注:Android)
资源分享
- 最新大厂面试专题
这个题库内容是比较多的,除了一些流行的热门技术面试题,如Kotlin,数据库,Java虚拟机面试题,数组,Framework ,混合跨平台开发,等
- 对应导图的Android高级工程师进阶系统学习视频
最近热门的,NDK,热修复,MVVM,源码等一系列系统学习视频都有!
《Android学习笔记总结+移动架构视频+大厂面试真题+项目实战源码》,点击传送门即可获取!
发知识点,真正体系化!**
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
如果你觉得这些内容对你有帮助,可以扫码获取!!(备注:Android)
资源分享
- 最新大厂面试专题
这个题库内容是比较多的,除了一些流行的热门技术面试题,如Kotlin,数据库,Java虚拟机面试题,数组,Framework ,混合跨平台开发,等
[外链图片转存中…(img-msMniC6H-1712212394631)]
- 对应导图的Android高级工程师进阶系统学习视频
最近热门的,NDK,热修复,MVVM,源码等一系列系统学习视频都有!
[外链图片转存中…(img-E91Rn75Q-1712212394632)]