超簡單集成 HMS ML Kit 實作最大臉微笑抓拍-有解無憂

前言

如果大家對 HMS ML Kit 人臉檢測功能有所了解，相信已經動手呼叫我們提供的介面撰寫自己的 APP 啦，目前就有小伙伴在呼叫介面的程序中反饋，不太清楚 HMS ML Kit 檔案中的 MLMaxSizeFaceTransactor 這個介面的使用方法，為了讓大家更加深刻的了解我們的介面，方便在場景中使用，在這篇文章中小編準備拋磚引玉，大家可以打開思路，多多嘗試，如果有小伙伴想要深入的了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、十一出去游玩的經歷，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么豐富，，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里，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，能夠識別影像中的最大臉，方便對跟蹤影像中的”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，實作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，具體下載鏈接：

Android studio 官網下載鏈接：https://developer.android.com/studio

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

在專案級 gradle 里添加華為 maven 倉

打開 AndroidStudio 專案級 build.gradle 檔案

增量添加如下 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 里面加上 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 檔案里面增量添加模型自動下載

要使應用程式能夠在用戶從華為應用市場安裝您的應用程式后，自動將最新的機器學習模型更新到用戶設備，請將以下陳述句添加到該應用程式的 AndroidManifest.xml 檔案中：

<manifest> 
    ...    
    <meta-data                     
        android:name="com.huawei.hms.ml.DEPENDENCY"          
        android:value=https://www.cnblogs.com/developer-huawei/archive/2022/02/25/ " face"/> 
...    
</manifest>

在 AndroidManifest.xml 檔案里面申請相機、訪問網路和存盤權限

<!--相機權限--> 
<uses-feature android:name="android.hardware.camera" />
<uses-permission android:name="android.permission.CAMERA" />
<!--寫權限--> 
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />

代碼開發關鍵步驟

動態權限申請

@Override 
public void onCreate(Bundle savedInstanceState) { 
	……
    if (!allPermissionsGranted()) {
        getRuntimePermissions();
    }    
}

創建人臉識別檢測器

可以通過人臉識別檢測配置器“MLFaceAnalyzerSetting”創建人臉識別檢測器，

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

通過 MLMaxSizeFaceTransactor.Creator 創建“MLMaxSizeFaceTransactor”物件用于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，在方法里通過 Overlay 在識別到的最大人臉上標記了一個方塊，并通過檢測結果獲取 MLFaceEmotion 來識別微笑表情觸發拍照，

MLMaxSizeFaceTransactor transactor = new MLMaxSizeFaceTransactor.Creator(analyzer, new MLResultTrailer<MLFace>() {
    @Override
    public void objectCreateCallback(int itemId, MLFace obj) {
        LiveFaceAnalyseActivity.this.overlay.clear();
        if (obj == null) {
            return;
        }
        LocalFaceGraphic faceGraphic =
                new LocalFaceGraphic(LiveFaceAnalyseActivity.this.overlay, obj, LiveFaceAnalyseActivity.this);
        LiveFaceAnalyseActivity.this.overlay.addGraphic(faceGraphic);
        MLFaceEmotion emotion = obj.getEmotions();
        if (emotion.getSmilingProbability() > smilingPossibility) {
            safeToTakePicture = false;
            mHandler.sendEmptyMessage(TAKE_PHOTO);
        }
    }

    @Override
    public void objectUpdateCallback(MLAnalyzer.Result<MLFace> var1, MLFace obj) {
        LiveFaceAnalyseActivity.this.overlay.clear();
        if (obj == null) {
            return;
         }
         LocalFaceGraphic faceGraphic =
                 new LocalFaceGraphic(LiveFaceAnalyseActivity.this.overlay, obj, LiveFaceAnalyseActivity.this);
         LiveFaceAnalyseActivity.this.overlay.addGraphic(faceGraphic);
         MLFaceEmotion emotion = obj.getEmotions();
         if (emotion.getSmilingProbability() > smilingPossibility && safeToTakePicture) {
             safeToTakePicture = false;
             mHandler.sendEmptyMessage(TAKE_PHOTO);
         }
    }

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

    @Override
    public void completeCallback() {
        LiveFaceAnalyseActivity.this.overlay.clear();

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

通過 LensEngine.Creator 創建 LensEngine 實體進行視頻流的人臉檢測檢測

this.mLensEngine = new LensEngine.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，

往期鏈接：

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 影像分割 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：超簡單集成華為 HMS MLKit 機器學習服務銀行卡識別 SDK，一鍵實作銀行卡系結

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

第五期：超簡單集成華為 HMS Core MLKit 通用卡證識別SDK，一鍵實作各種卡系結

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

第六期：超簡單集成 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 文本識別、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：

基于華為機器學習服務，后面還會有一系列的實戰經驗分享，大家可以持續關注~

轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/433201.html

標籤：其他

上一篇：Masonry的進階使用技巧

下一篇：Android 連接藍牙掃碼器無輸入框