关于android:Face以flow的方式实现人脸检测

35次阅读

共计 2500 个字符，预计需要花费 7 分钟才能阅读完成。

咱们应用人脸检测 sdk 进行人脸识别的过程大抵能够分为上面几个步骤：

加载 model 文件并初始化接口
获取受权
调用人脸检测获取关键点
告诉描绘关键点
开释接口资源

这里的步骤 3 和 4 在接管到 camera 数据后重复执行。咱们能够把这几个步骤形象成数据流来进行封装。face++ 检测人脸后一直地生成人脸坐标数据，所以整个检测过程就是人脸坐标数据生产的过程，这里与 flow 的概念对应上了。

face++ 须要通过解决 camera 数据来获取人脸关键点，所以 camera 又是 face++ 人脸检测 api 的数据提供者。下图体现了数据流动的过程：

看到这里大家也认为咱们通过 flow 实现这个过程更正当了吧！上面咱们分步来实现 detect flow 的创立.

第一步咱们通过 flow 的 builder 创立一个 flow：

 private val imageChannel = Channel<FacePPImage>()

flow {while (currentCoroutineContext().isActive) {emit(imageChannel.receive())
            }
        }

这里应用 Channel 来接管图像数据并发射。在 detect flow 解决图像数据前咱们还须要一些初始化 face++ 的工作，这些工作在 onStart 中解决。

flow.onStart {
            var ret = -1
            context.assets.open("megviifacepp_model").use { ios ->
                modelBuffer = ByteArray(ios.available())
                ios.read(modelBuffer)
                FaceppApi.getInstance().setLogLevel(4)
                ret = FaceppApi.getInstance().initHandle(modelBuffer)
            }
            if (ret != 0) {Log.d("dragon_debug", "onStart open failed!")
                throw RuntimeException("init")
            }
            if (requestTakeLicense && modelBuffer != null) {Log.d("dragon_debug", "onStart takeLicense")
                ret = takeLicense(context, modelBuffer!!)
            }
            if (ret != 0) {Log.d("dragon_debug", "onStart takeLicense failed!")
                throw RuntimeException("takeLicense")
            }
            ret = FaceDetectApi.getInstance().initFaceDetect()
            DLmkDetectApi.getInstance().initDLmkDetect()
            if (ret != 0) {if (requestTakeLicense) {Log.d("dragon_debug", "onStart initFaceDetect error")
                    throw RuntimeException("error")
                }
                requestTakeLicense = true
                Log.d("dragon_debug", "onStart initFaceDetect retry exception")
                throw RuntimeException("initFace")
            }
            val config = FaceDetectApi.getInstance().faceppConfig
            config.face_confidence_filter = 0.6f
            config.detectionMode = FaceDetectApi.FaceppConfig.DETECTION_MODE_TRACKING
            FaceDetectApi.getInstance().faceppConfig = config}

face++ 初始化操作包含加载模型、检测接口受权、人脸检测接口初始化等步骤。

检测接口受权解决有些特地，face++ 的接口受权只在受权过期的时候执行。所以这里配合 flow 的 retryWhen 来解决过期受权。

flow.retryWhen { cause, attempt ->
            Log.d("dragon_debug", "retryWhen $cause attempt $attempt")
            if (attempt > 1) {false} else {(cause as? RuntimeException)?.message?.equals("initFace") ?: false
            }
        }

首先尝试初始化 face++ 接口，如果初始化失败，这里会抛出异样 RuntimeException(“init”)。retryWhen 捕捉这个异样后发动重试解决，当 onStart 再次执行时，咱们会尝试获取接口权限。

face++ 接口受权初始化胜利后，咱们能够应用 face++ 的人脸检测接口了。这里应用 map 将图像数据转换成人脸坐标数据，转换操作由 face++ 人脸检测接口实现。

flow.map { image ->
            val faces = FaceDetectApi.getInstance().detectFace(image)
            faces.forEach { face ->
                FaceDetectApi.getInstance().getLandmark(face, FaceDetectApi.LMK_84, true)
            }
            block.invoke(faces)
            faces
        }

失去的人脸坐标数据通过 block 回调告诉画面描绘。

face++ 接口的开释操作在 onCompletion 中，

flow.onCompletion {Log.d("dragon_debug", "onCompletion")
            FaceppApi.getInstance().ReleaseHandle()
            DLmkDetectApi.getInstance().releaseDlmDetect()
        }

残缺的代码：https://github.com/mjlong1231…

原文地址：https://blog.csdn.net/mjlong1…

正文完