关于android:Face以flow的方式实现人脸检测

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：

1. 加载model文件并初始化接口
2. 获取受权
3. 调用人脸检测获取关键点
4. 告诉描绘关键点
5. 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…