Android 人脸识别了解一下（中）

转载请注明作者及出处：https://www.jianshu.com/p/b41f64389c21

[25]——Android 人脸识别了解一下（上）
在上文中我大致的介绍了官方 Demo 中人脸注册的流程，本文我们接着来看看，在完成了人脸注册之后我们该如何识别出用户的人脸特征，从而通过人脸识别获取用户信息。

人脸识别的全部流程集成在官方 Demo 的 DetecterActivity 文件中。

还是来了解几个概念

人脸追踪 FT
年龄检测 Age
性别检测 Gender

其中人脸追踪 FT 与人脸检测 FD 功能基本一致（甚至代码基本都是相同的），Age 引擎用于识别年龄，Gender 引擎用于识别性别。

识别流程

整体上比人脸注册还要简单，官方提供了很好的封装供我们使用，我们来看看流程。

第一步：

创建两个叠加在一起的 SurfaceView，一个用于显示摄像头的预览信息，一个用于框出摄像头预览中人脸的位置；

//覆盖在相机预览之上的一层surfaceviewmGLSurfaceView = (CameraGLSurfaceView) findViewById(R.id.glsurfaceView);mGLSurfaceView.setOnTouchListener(this);//摄像头的surfaceviewmSurfaceView = (CameraSurfaceView) findViewById(R.id.surfaceView);mSurfaceView.setOnCameraListener(this);mSurfaceView.setupGLSurafceView(mGLSurfaceView, true, mCameraMirror, mCameraRotate);mSurfaceView.debug_print_fps(true, false);

这里面出现了两个监听器，分别是View.OnTouchListener 、CameraSurfaceView.OnCameraListener，第一个监听器用于设置触摸对焦，第二个监听器就是我们实现人脸识别的最基础一步：设置、获取摄像头的数据；

该接口共有6个方法：

public interface OnCameraListener {    /**     * setup camera. 设置相机参数     * @return the camera     */    public Camera setupCamera();    /**     * reset on surfaceChanged.  在Surfacechanged之后重置     * @param format image format.     * @param width width     * @param height height.     */    public void setupChanged(int format, int width, int height);    /**     * start preview immediately, after surfaceCreated 在surfaceCreated之后是否立即开始预览     * @return true or false.     */    public boolean startPreviewImmediately();    /**     * on ui thread. 在预览时刚方法会被调用，该方法的返回值是后两个方法的传入值     * @param data image data     * @param width  width     * @param height height     * @param format format     * @param timestamp time stamp     * @return image params.     */    public Object onPreview(byte[] data, int width, int height, int format, long timestamp);    public void onBeforeRender(CameraFrameData data);    public void onAfterRender(CameraFrameData data);}

初始化相机

@Overridepublic Camera setupCamera() {    // TODO Auto-generated method stub    //初始化相机��    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 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;}

摄像头开始预览时：

@Overridepublic Object onPreview(byte[] data, int width, int height, int format, long timestamp) {    //获取摄像头的帧数据，该数据为NV21格式 byte数组    //调用FT人脸追踪引擎的人脸特征查明方法，结果保存到List result    AFT_FSDKError err = engine.AFT_FSDK_FaceFeatureDetect(data, width, height, AFT_FSDKEngine.CP_PAF_NV21, result);    Log.d(TAG, "AFT_FSDK_FaceFeatureDetect =" + err.getCode());    Log.d(TAG, "Face=" + result.size());    for (AFT_FSDKFace face : result) {        Log.d(TAG, "Face:" + face.toString());    }    if (mImageNV21 == null) {        if (!result.isEmpty()) {            //追踪到人脸数据，取出当前追踪的人脸，取出当前帧的NV21数据（用于人脸识别）            mAFT_FSDKFace = result.get(0).clone();            mImageNV21 = data.clone();        } else {            if (!isPostted) {                                //隐藏人脸信息的提示                mHandler.removeCallbacks(hide);                mHandler.postDelayed(hide, 2000);                isPostted = true;            }        }    }    //copy rects  取出人脸追踪的Rect    Rect[] rects = new Rect[result.size()];    for (int i = 0; i < result.size(); i++) {        rects[i] = new Rect(result.get(i).getRect());    }    //clear result.清空原来的人脸追踪结果List    result.clear();    //return the rects for render.    return rects;}

渲染之后调用：

@Override    public void onAfterRender(CameraFrameData data) {        //在该surfaceview上画方块，这里的data就是上一个方法中的返回值 return rects;        mGLSurfaceView.getGLES2Render().draw_rect((Rect[])data.getParams(), Color.GREEN, 2);    }

第二步：

使用 FR 人脸识别引擎识别人脸信息，如果你已经浏览了上一步的代码，你会发现这一行关键代码：

if (!result.isEmpty()) {            //追踪到人脸数据，取出当前追踪的人脸，取出当前帧的NV21数据（用于人脸识别）            mAFT_FSDKFace = result.get(0).clone();            mImageNV21 = data.clone();        }

当 FT 人脸追踪引擎识别出人脸信息时，我们将当前帧的人脸信息集合放在 mAFT_FSDKFace 当前帧的 NV21 格式 byte 数组放在 mImageNV21 中，有了长两个关键数据，联系我们的上一篇文章你大概知道我们可以用他们来做什么了吧？
上次我们已经介绍过
AFR_FSDK_ExtractFRFeature 特征提取接口，我们就不再赘述了。

流程是这样的 提取图片中的人脸 → 与我们已经注册过得特征集合进行特征匹配 → 匹配程度最高的作为最终识别结果

这一过程是放在一个子线程中运行的，代码如下：

//人脸识别线程class FRAbsLoop extends AbsLoop {    AFR_FSDKVersion version = new AFR_FSDKVersion();    AFR_FSDKEngine engine = new AFR_FSDKEngine(); //人脸识别引擎    AFR_FSDKFace result = new AFR_FSDKFace(); //人脸特征    //全部已经保存的人脸特征集合    List.FaceRegist> mResgist = ((Application)DetecterActivity.this.getApplicationContext()).mFaceDB.mRegister;    List face1 = new ArrayList<>();//年龄识别结果    List face2 = new ArrayList<>();//性别识别结果    @Override    public void setup() {        AFR_FSDKError error = engine.AFR_FSDK_InitialEngine(FaceDB.appid, FaceDB.fr_key);   //初始化人脸识别引擎        Log.d(TAG, "AFR_FSDK_InitialEngine = " + error.getCode());        error = engine.AFR_FSDK_GetVersion(version);        Log.d(TAG, "FR=" + version.toString() + "," + error.getCode()); //(210, 178 - 478, 446), degree = 1　780, 2208 - 1942, 3370    }    @Override    public void loop() {        //当人脸追踪FT引擎获取到人脸后，该数据不为null        if (mImageNV21 != null) {            final int rotate = mCameraRotate;            long time = System.currentTimeMillis();            //FR引擎人脸特征提取            AFR_FSDKError error = engine.AFR_FSDK_ExtractFRFeature(mImageNV21, mWidth, mHeight, AFR_FSDKEngine.CP_PAF_NV21, mAFT_FSDKFace.getRect(), mAFT_FSDKFace.getDegree(), result);            Log.d(TAG, "AFR_FSDK_ExtractFRFeature cost :" + (System.currentTimeMillis() - time) + "ms");            Log.d(TAG, "Face=" + result.getFeatureData()[0] + "," + result.getFeatureData()[1] + "," + result.getFeatureData()[2] + "," + error.getCode());            //特征匹配结果实例            AFR_FSDKMatching score = new AFR_FSDKMatching();            float max = 0.0f;            String name = null;            for (FaceDB.FaceRegist fr : mResgist) {                for (AFR_FSDKFace face : fr.mFaceList) {                    //FT人脸追踪提取出的特征、for循环取出的系统中保存的特征、特征匹配结果                    error = engine.AFR_FSDK_FacePairMatching(result, face, score);                    Log.d(TAG,  "Score:" + score.getScore() + ", AFR_FSDK_FacePairMatching=" + error.getCode());                    if (max < score.getScore()) {                        max = score.getScore();                        name = fr.mName;                    } //从整个集合中取出最大匹配结果与姓名                }            }            //age & gender            face1.clear();            face2.clear();            face1.add(new ASAE_FSDKFace(mAFT_FSDKFace.getRect(), mAFT_FSDKFace.getDegree()));            face2.add(new ASGE_FSDKFace(mAFT_FSDKFace.getRect(), mAFT_FSDKFace.getDegree()));            ASAE_FSDKError error1 = mAgeEngine.ASAE_FSDK_AgeEstimation_Image(mImageNV21, mWidth, mHeight, AFT_FSDKEngine.CP_PAF_NV21, face1, ages);            ASGE_FSDKError error2 = mGenderEngine.ASGE_FSDK_GenderEstimation_Image(mImageNV21, mWidth, mHeight, AFT_FSDKEngine.CP_PAF_NV21, face2, genders);            Log.d(TAG, "ASAE_FSDK_AgeEstimation_Image:" + error1.getCode() + ",ASGE_FSDK_GenderEstimation_Image:" + error2.getCode());            Log.d(TAG, "age:" + ages.get(0).getAge() + ",gender:" + genders.get(0).getGender());            final String age = ages.get(0).getAge() == 0 ? "年龄未知" : ages.get(0).getAge() + "岁";            final String gender = genders.get(0).getGender() == -1 ? "性别未知" : (genders.get(0).getGender() == 0 ? "男" : "女");            //crop  截取该人脸信息            byte[] data = mImageNV21;            YuvImage yuv = new YuvImage(data, ImageFormat.NV21, mWidth, mHeight, null);            ExtByteArrayOutputStream ops = new ExtByteArrayOutputStream();            //传入要截取的Rect范围            yuv.compressToJpeg(mAFT_FSDKFace.getRect(), 80, ops);            final Bitmap bmp = BitmapFactory.decodeByteArray(ops.getByteArray(), 0, ops.getByteArray().length);            try {                ops.close();            } catch (IOException e) {                e.printStackTrace();            }            if (max > 0.6f) {                //fr success.置信度大于0.6                final float max_score = max;                Log.d(TAG, "fit Score:" + max + ", NAME:" + name);                final String mNameShow = name;                mHandler.removeCallbacks(hide);                mHandler.post(new Runnable() {                    @Override                    public void run() {                        mTextView.setAlpha(1.0f);                        mTextView.setText(mNameShow);                        mTextView.setTextColor(Color.RED);                        mTextView1.setVisibility(View.VISIBLE);                        mTextView1.setText("置信度：" + (float)((int)(max_score * 1000)) / 1000.0);                        mTextView1.setTextColor(Color.RED);                        mImageView.setRotation(rotate);                        if (mCameraMirror) {                            mImageView.setScaleY(-1);                        }                        mImageView.setImageAlpha(255);                        mImageView.setImageBitmap(bmp);                    }                });            } else {                final String mNameShow = "未识别";                DetecterActivity.this.runOnUiThread(new Runnable() {                    @Override                    public void run() {                        mTextView.setAlpha(1.0f);                        mTextView1.setVisibility(View.VISIBLE);                        mTextView1.setText( gender + "," + age);                        mTextView1.setTextColor(Color.RED);                        mTextView.setText(mNameShow);                        mTextView.setTextColor(Color.RED);                        mImageView.setImageAlpha(255);                        mImageView.setRotation(rotate);                        if (mCameraMirror) {                            mImageView.setScaleY(-1);                        }                        mImageView.setImageBitmap(bmp);                    }                });            }            mImageNV21 = null;        }    }    @Override    public void over() {        AFR_FSDKError error = engine.AFR_FSDK_UninitialEngine();        Log.d(TAG, "AFR_FSDK_UninitialEngine : " + error.getCode());    }}

这段代码还是很简单的，关键部分我都已经加了注释，相比大家看了也都能理解。

这里在废话几句：FD与FT引擎功能大致相同，完成的都是从一个 NV21 格式的图片 byte 数组中检测识别出人脸的位置 Rect 与角度信息。在获得这个信息后，我们调用FR人脸识别引擎识别出特征值信息，然后使用AFR_FSDK_FacePairMatching特征值匹配方法，一一的与我们程序中原来存储的人脸特征进行匹配，取出其中匹配值最高的那组特征值，获取该特征值的注册名。

到这里整个人脸识别的流程我们就都已经清晰的掌握了，如果没有看明白，就下载我加过注释的源码，再仔细看看代码是如何实现的。

本文有可能是这次文章的最后一篇了，但我标题上写的是中，下一片文章可能会介绍下我在实际使用虹软人脸识别 SDK 中遇到的问题以及解决方法（目前还没投入到项目中使用）。如果没有遇到问题的话，本文就此全文终。

还是来了解几个概念

识别流程

第一步：

第二步：

更多相关文章

随机推荐

Android 人脸识别了解一下 （中）

还是来了解几个概念

识别流程

第一步：

第二步：

更多相关文章

随机推荐

Android 人脸识别了解一下（中）