前言
如果大家對HMS ML Kit 人臉檢測功能有所了解，相信已經動手調用我們提供的接口編寫自己的APP啦。目前就有小伙伴在調用接口的過程中反饋，不太清楚HMS ML Kit 文檔中的MLMaxSizeFaceTransactor這個接口的使用方法。為了讓大家更加深刻的了解我們的接口，方便在場景中使用，在這篇文章中小編准備拋磚引玉，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接口，能夠識別圖像中的最大臉，方便對跟蹤圖像中的”重點目標“做相關操作和處理。本文中就簡單的調用MLMaxSizeFaceTransactor這個接口，實現最大臉微笑抓拍的功能。
開發前准備
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
在項目級gradle里添加華為maven倉
打開AndroidStudio項目級build.gradle文件
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
在AndroidManifest.xml文件里面增量添加模型自動下載
要使應用程序能夠在用戶從華為應用市場安裝您的應用程序后，自動將最新的機器學習模型更新到用戶設備，請將以下語句添加到該應用程序的AndroidManifest.xml文件中：
<manifest
...
<meta-data
android:name="com.huawei.hms.ml.DEPENDENCY"
android:value= " face"/>
...
</manifest>
在AndroidManifest.xml文件里面申請相機、訪問網絡和存儲權限
<!--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”對象用於處理檢測到的最大臉，其中objectCreateCallback()方法是在檢測到對象的時候調用的，objectUpdateCallback()方法是在對象更新了的時候調用的，在方法里通過Overlay在識別到的最大人臉上標記了一個方塊，並通過檢測結果獲取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實例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);
往期鏈接：快服務常見TOP3審核雷區，再不過審就要崩潰啦！
內容來源：https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201256372685820478&fid=18
原作者：littlewhite