Android---教你如何用三十分钟在安卓上开发一个微笑抓拍神器

---

机器学习服务人脸检测所提供的能力

先给大家看一下华为机器学习服务人脸检测能力的展示：

从这个动图里面可以看到，人脸识别可以支持识别人脸的朝向，支持检测人脸的表情（高兴、厌恶、惊讶、伤心、愤怒、生气），支持检测人脸属性（性别、年龄、穿戴），支持检测是否睁眼闭眼，支持人脸以及鼻子、眼睛、嘴唇、眉毛等特征的坐标检测，另外还支持多人脸同时检测，是不是很强大！

核心提示：此功能免费，安卓全机型覆盖！

---

多人脸微笑拍照功能开发实战

今天就用机器学习服务的多人脸识别+表情检测能力写一个微笑抓拍的小demo，做一次实战演练。demo源码github下载请戳这里

1、开发准备

华为HMS的kit开发前准备工作都差不多，无非就是添加maven依赖，引入SDK。

1.1 在项目级gradle里添加华为maven仓

增量添加如下maven地址：

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

1.2 在应用级的build.gradle里面加上SDK依赖

把人脸识别的SDK和基础SDK引入：

dependencies{
// 引入基础SDK
implementation ‘com.huawei.hms:ml-computer-vision:1.0.2.300’
// 引入人脸检测能力包
implementation ‘com.huawei.hms:ml-computer-vision-face-recognition-model:1.0.2.300’
}

1.3 在AndroidManifest.xml文件里面增量添加模型自动下载

这个主要是用来模型更新的，后面算法有了优化，可以自动下载到手机里面更新

<manifest
<application

1.4 在AndroidManifest.xml文件里面申请相机和存储权限

2、代码开发

2.1 创建人脸分析器,检测到微笑后进行拍照

检测后拍照：

1. 进行分析器参数配置
2. 把分析器参数配置传给分析器
3. 在analyzer.setTransacto内通过重写transactResult处理人脸识别后的内容，人脸识别后会返回一个微笑的置信度（简单可以理解为是微笑的概率），只要设置大于一定置信度进行拍照就可以了。

private MLFaceAnalyzer analyzer;private void createFaceAnalyzer() {
MLFaceAnalyzerSetting setting =
new MLFaceAnalyzerSetting.Factory()
.setFeatureType(MLFaceAnalyzerSetting.TYPE_FEATURES)
.setKeyPointType(MLFaceAnalyzerSetting.TYPE_UNSUPPORT_KEYPOINTS)
.setMinFaceProportion(0.1f)
.setTracingAllowed(true)
.create();
this.analyzer = MLAnalyzerFactory.getInstance().getFaceAnalyzer(setting);
this.analyzer.setTransactor(new MLAnalyzer.MLTransactor() {
@Override public void destroy() {
}

@Override public void transactResult(MLAnalyzer.Result result) {
SparseArray faceSparseArray = result.getAnalyseList();
int flag = 0;
for (int i = 0; i < faceSparseArray.size(); i++) {
MLFaceEmotion emotion = faceSparseArray.valueAt(i).getEmotions();
if (emotion.getSmilingProbability() > smilingPossibility) {
flag++;
}
}
if (flag > faceSparseArray.size() * smilingRate && safeToTakePicture) {
safeToTakePicture = false;
mHandler.sendEmptyMessage(TAKE_PHOTO);
}
}
});}

拍照存储部分：

private void takePhoto() {
this.mLensEngine.photograph(null,
new LensEngine.PhotographListener() {
@Override public void takenPhotograph(byte[] bytes) {
mHandler.sendEmptyMessage(STOP_PREVIEW);
Bitmap bitmap = BitmapFactory.decodeByteArray(bytes, 0, bytes.length);
saveBitmapToDisk(bitmap);
}
});}

2.2 创建视觉引擎，捕捉相机动态视频流后传给分析器

private void createLensEngine() {
Context context = this.getApplicationContext();
// Create LensEngine
this.mLensEngine = new LensEngine.Creator(context, this.analyzer).setLensType(this.lensType)
.applyDisplayDimension(640, 480)
.applyFps(25.0f)
.enableAutomaticFocus(true)
.create();}

2.3 动态权限申请，挂接分析器和视觉引擎创建代码

@Overridepublic void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
this.setContentView(R.layout.activity_live_face_analyse);
if (savedInstanceState != null) {
this.lensType = savedInstanceState.getInt(“lensType”);
}
this.mPreview = this.findViewById(R.id.preview);
this.createFaceAnalyzer();
this.findViewById(R.id.facingSwitch).setOnClickListener(this);
// Checking Camera Permissions
if (ActivityCompat.checkSelfPermission(this, Manifest.permission.CAMERA) == PackageManager.PERMISSION_GRANTED) {
this.createLensEngine();
rmissions
if (ActivityCompat.checkSelfPermission(this, Manifest.permission.CAMERA) == PackageManager.PERMISSION_GRANTED) {
this.createLensEngine();