虹軟人臉識別的應用開發過程分享

虹軟的人臉識別是應用與離線開發的，因為不需要網絡，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，然后在下載jar包，這些就不一一給大家講解了。注意一下，要在app的gradle里面加上

sourceSets { 
main { 
jniLibs.srcDirs = ['libs'] 
} 
}

　　

這句話，不然可能會造成so庫加載不了的錯誤。

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信息

　　

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的代碼：

//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后，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());

　　

我們可以查看集合result的size，來確定是否檢測到人臉。
在代碼的最后，一定要對初始化的引擎進行銷毀處理。不然程序會因為內存問題而崩潰。
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信息，然后再將人臉的信息進行比對。
List result = new ArrayList();
上面已經介紹了，檢測到的人臉信息都是存放在result的集合中的，
然后是創建兩個存放人臉點位信息的類

AFR_FSDKFace face1 = new AFR_FSDKFace();
AFR_FSDKFace face2 = new AFR_FSDKFace(); 將檢測到的人臉信息的點位信息存放到 face類中 
//新建兩個AFR_FSDKFace類，保存人臉特征信息 
AFR_FSDKFace face1 = new AFR_FSDKFace(); 
AFR_FSDKFace face2 = new AFR_FSDKFace(); //對人臉特征信息的檢測 
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, 

　　

最后的比對的相似度信息存放在score中， float score_face = score.getScore();
我們可以通過這種方式得到 我們想要的相似度信息，最后得到的數據是float類型的。
*注意！
在使用照片的時候，分辨率大小最好是偶數的，不然會發生未知的錯誤。
在進行人臉信息提取的時候，會耗時，耗時的時長，是根據設備的CPU處理能力來說的。