你有没有过这种体验，拍照时对着镜头，脑子一片空白、表情生硬、手和脚无处安放，最初拍进去的照片很是奇怪。拍照软件中的固定姿态抓拍性能能够帮忙你：抉择一个你想要的姿态模板，当你摆出同款姿态时，软件会进行主动抓拍，完满避开拍照时的难堪。本文具体介绍了华为HMS ML kit人体骨骼辨认技术的集成过程，该技术精准定位了14个骨骼点，能够轻松实现固定姿态抓拍。
人体骨骼检测性能开发实战
做了一个视频流骨骼辨认小demo，做一次实战演练,Github demo源码：https://github.com/HMS-Core/h...;
1.开发前筹备
您须要实现必要的开发筹备工作，同时请确保您的工程中曾经配置HMS Core SDK的Maven仓地址，并且实现了本服务的SDK集成。
1.1 在我的项目级build.gradle文件中配置maven仓地址。
buildscript { repositories { google() jcenter() maven { url 'https://developer.huawei.com/repo/' } } //配置AGC插件 dependencies { classpath "com.android.tools.build:gradle:3.3.2" }}allprojects { repositories { google() jcenter() maven { url 'https://developer.huawei.com/repo/' } }}1.2在利用级build.gradle中引入SDK。
dependencies { implementation 'com.huawei.hms:ml-computer-vision-skeleton-model:2.0.1.300' implementation 'com.huawei.hms:ml-computer-vision-skeleton:2.0.1.300' implementation 'com.huawei.hms:ml-computer-vision-base:2.0.1.300'}2.开发步骤
2.1 动态图片检测
2.1.1 创立人体骨骼检测器。
MLSkeletonAnalyzer analyzer = MLSkeletonAnalyzerFactory.getInstance().getSkeletonAnalyzer();2.1.2 通过bitmap创立MLFrame，倡议图片尺寸不小于320 320像素，不大于1920 1920像素。
//通过bitmap创立MLFrame。MLFrame frame = MLFrame.fromBitmap(bitmap);2.1.3 调用“asyncAnalyseFrame”办法进行人体骨骼检测。
Task<List<MLSkeleton>> task = analyzer.asyncAnalyseFrame(frame); task.addOnSuccessListener(new OnSuccessListener<List<MLSkeleton>>() { public void onSuccess(List<MLSkeleton> skeletons) { // 对检测后果进行解决。 } }).addOnFailureListener(new OnFailureListener() { public void onFailure(Exception e) { // 检测失败。 } });2.1.4 检测实现，进行分析器，开释检测资源。
try { if (analyzer != null) { analyzer.stop(); }} catch (IOException e) { // 异样解决。}给大家看下Demo成果：
2.2 动静视频检测
2.2.1 创立人体骨骼检测器。
MLSkeletonAnalyzer analyzer = MLSkeletonAnalyzerFactory.getInstance().getSkeletonAnalyzer();2.2.2 开发者创立辨认后果解决类“SkeletonAnalyzerTransactor”，该类实现MLAnalyzer.MLTransactor<T>接口，应用此类中的“transactResult”办法获取检测后果并实现具体业务。
public class SkeletonAnalyzerTransactor implements MLAnalyzer.MLTransactor<MLSkeleton> { @Override public void transactResult(MLAnalyzer.Result<MLSkeleton> results) { SparseArray<MLSkeleton> items = results.getAnalyseList(); // 开发者依据须要解决辨认后果，例如，在此办法中进行类似度计算，从而在检测到特定姿态后进行拍照等操作。 // 须要留神，这里只对检测后果进行解决，不可调用ML Kit提供的其余检测相干接口。 // 将SparseArray封装的后果转换为List数组，以便进行类似度比拟。 List<MLSkeleton> resultsList = new ArrayList<>(); for (int i = 0; i < items.size(); i++) { resultsList.add(items.valueAt(i)); } // 在检测后果和模板之间进行类似度比拟。 // templateList示意人体骨骼模板，能够通过动态图片检测的形式生成模板，反对单人或多人模板匹配。 float result = analyzer.caluteSimilarity(resultsList, templateList); } @Override public void destroy() { // 检测完结回调办法，用于开释资源等。 }}2.2.3 设置辨认后果处理器，实现分析器与后果处理器的绑定。
analyzer.setTransactor(new SkeletonAnalyzerTransactor());2.2.4 创立LensEngine，该类由ML Kit SDK提供，用于捕获相机动静视频流并传入分析器。倡议设置的相机显示尺寸不小于320 320像素，不大于1920 1920像素。
// Create LensEngine.LensEngine lensEngine = new LensEngine.Creator(getApplicationContext(), analyzer) .setLensType(LensEngine.BACK_LENS) .applyDisplayDimension(1280, 720) .applyFps(20.0f) .enableAutomaticFocus(true) .create();2.2.5 开发者启用相机，读取视频流并进行辨认，待检测实现，进行分析器,开释检测资源。
if (analyzer != null) { try { analyzer.stop(); } catch (IOException e) { // 异样解决。 }}if (lensEngine != null) { lensEngine.release();}动静视频流成果：
基于华为HMS ML kit人体骨骼辨认技术，咱们能做的还有很多：
a.在体感游戏中让虚构形象模仿真人动作，减少游戏趣味性。
b.辅助健身锤炼或康复训练时的姿态改正。
c.在监控中检测异样行为。
更具体的开发指南参考华为开发者联盟官网：
华为开发者联盟机器学习服务开发指南
欲了解更多详情，请参阅：
华为开发者联盟官网：https://developer.huawei.com/consumer/cn/hms
获取开发领导文档：https://developer.huawei.com/consumer/cn/doc/development
参加开发者探讨请到Reddit社区：https://www.reddit.com/r/HMSCore/
下载demo和示例代码请到Github：https://github.com/HMS-Core
解决集成问题请到Stack Overflow：https://stackoverflow.com/questions/tagged/huawei-mobile-services?tab=Newest
原文链接：https://developer.huawei.com/consumer/cn/forum/topicview?fid=18&tid=0202333916402640253
原作者：留下落叶