前言
最近新公司剛來就一個新項目啟動，讓實現(xiàn)一個人臉識別的平板APP用于門店開門（人臉識別只是其中一個模塊），剛好現(xiàn)在AI大潮來襲早晚都要接觸這些，這也是個契機(jī)，二話不說直接開干。
目前市面上做人臉方面的公司非常多，列舉幾個：
- 百度人臉識別
- Face++
- 商湯科技
- 騰訊
- 虹軟
當(dāng)然還有一些其他的，目前比較出名的大概就這些，差別其實更多是在技術(shù)支持上（至少我是這么認(rèn)為的）以及費(fèi)用，我接觸的幾個：百度、Face++、虹軟，大概對比下： - 百度人臉識
優(yōu)點：價格便宜
缺點：技術(shù)支持真的懶得說，常年不在線，找技術(shù)基本都是讓看看這個看看那個沒點用 - Face++
優(yōu)點：技術(shù)更好，文檔很清晰，因為沒有接入暫且不知道技術(shù)支持怎么樣不過應(yīng)該不差
缺點：有點小貴 - 虹軟
優(yōu)點：全套離線，后臺前端都可以離線實現(xiàn)，文檔也挺詳細(xì)的
缺點：看了下他們技術(shù)論壇，貌似問題也不少，而且回復(fù)也不是很及時的樣子，最主要是需要自己搭建一套，他們的人臉對比居然也是放在本地APP數(shù)據(jù)庫的（當(dāng)然這不算是缺點了）
說了這么多，想用啥自己選擇就行，我們公司目前用的百度人臉識別，進(jìn)入正題不多BB。
一、注冊百度開發(fā)者賬號
這個注冊稍微要點時間，大概需要幾個工作日，而且需要公司的資質(zhì)信息，我們當(dāng)時已經(jīng)有了所以我就直接拿來用
二、新建項目獲取授權(quán)文件
這一步算是前期測試的重要步驟，先要到控制臺（默認(rèn)第一步已經(jīng)完成了）鏈接
這個控制臺基本就是人臉識別的所有開發(fā)SDK，技術(shù)資料的地方了，前端的SDK在SDK管理里面進(jìn)行下載
首先你需要在采集SDK管理里面下載授權(quán)文件，他會讓你跟你據(jù)包名跟key的MD5來進(jìn)行生成，具體步驟按著他們的操作就行了
就是上圖的樣子，這個里面的License ID和包名都很重要，包名要根據(jù)你自己項目的包名來寫。
然后下載License等下會用到
SDK下載跟示例工程下載
在采集SDK管理這里下拉會看到下載SDK跟示例工程這兩欄
但是我建議你可以直接根據(jù)你們公司的業(yè)務(wù)需求下載對應(yīng)的示例工程，比如我下載的就是人臉登陸/考勤這個，這里面已經(jīng)包含了全套的離線SDK功能（活體檢測，人臉追蹤，質(zhì)量檢測等等）
下載完示例工程后把項目導(dǎo)入AS，下面就是改動下包名跟License
- 修改包名
在app build里面改成自己上圖里面的包名:com.test.facere - 修改License
把剛下載的License文件導(dǎo)入到對應(yīng)的 assets包下，修改工程里面Config.java的licenseID（上圖的）以及l(fā)icenseFileName（對應(yīng)License的文件名）
以上兩步做完沒啥問題示例工程就可以跑起來了
代碼講解
以我用的人臉登陸/考勤這個示例工程修改優(yōu)化后的項目做參考來大致講解下（其實每個示例工程都有集成文檔，可以自己看）
我們項目目前的業(yè)務(wù)邏輯就是用人臉對比（1：N）進(jìn)行人臉識別開門，所以要運(yùn)用到的就是人臉活體檢測，人臉追蹤以及人臉對比這幾個技術(shù)，其中人臉活體檢測跟人臉追蹤是在離線SDK里面實現(xiàn)的，人臉對比是跟百度云服務(wù)器進(jìn)行匹配的，當(dāng)然我們會在手機(jī)端先把人臉進(jìn)行注冊，不過手機(jī)APP端的人臉注冊重心在我們自己的服務(wù)器調(diào)用百度的人臉注冊，所以手機(jī)端就是上傳人臉就OK了。
人臉登陸/考勤這個示例工程這個項目里面有幾個Activity，主要是注冊人臉，人臉登陸，快速檢測人臉登陸，我用的是快速檢測人臉登陸（DetectLoginActivity.java）
1.FaceDetectManager
這個類封裝了人臉檢測的整體邏輯包括開啟人臉檢測start，關(guān)閉人臉檢測stop，設(shè)置人臉檢測監(jiān)聽器setOnFaceDetectListener,設(shè)置人檢跟蹤回調(diào)setOnTrackListener
2faceDetectManager.setOnFaceDetectListener設(shè)置人臉檢測監(jiān)聽器
這個監(jiān)聽器是人臉識別主要方法之一
public interface OnFaceDetectListener {
void onDetectFace(int status, FaceInfo[] infos, ImageFrame imageFrame);
}
這是它的回調(diào)方法，里面包含了人臉檢測狀態(tài) status(用于處理人臉距離角度方向等等檢測),人臉信息infos，這里面是一組人臉人信息不過只用到Infos[0]這個就好，還有封裝了一幀圖片的imageFrame，包含了該幀圖片的大小等信息
我是在外圍做了一些動畫效果，修改了一下它本來的這個圓形遮罩
這個類里面已經(jīng)有完善的提示功能其他代碼就暫時不貼了可以對照項目看。
說下遇到的問題
- 因為我是平板做的攝像頭用的USB所以距離檢測（其實就是人臉的長寬高）就暫時屏蔽了（因為攝像頭跟手機(jī)攝像頭相比還是有點模糊）
- 用的平板USB攝像頭所以會出現(xiàn)鏡像卡幀，解決辦法就是
ICameraControl control = cameraImageSource.getCameraControl();
control.setPreviewView(previewView);
control.setCameraFacing(ICameraControl.CAMERA_USB);
previewView.getTextureView().setScaleX(-1);
設(shè)置為USB模式以及previewView預(yù)覽反轉(zhuǎn)
這里設(shè)置USB模式有個問題，就是這個工程其實是一個手機(jī)端的項目，但是我用到了平板端，在ICameraControl這個接口中是沒有CAMERA_USB這個字段的，需要在里面加入
int CAMERA_FACING_BACK = 0;
int CAMERA_FACING_FRONT = 1;
int CAMERA_USB = 2;
@IntDef({CAMERA_FACING_FRONT, CAMERA_FACING_BACK, CAMERA_USB})
@interface CameraFacing {
}
這樣子就可以了
3.faceDetectManager.setOnTrackListener設(shè)置人臉檢測監(jiān)聽器
回調(diào)方法是
public void onTrack(FaceFilter.TrackedModel trackedModel)
乍一看這個回調(diào)跟
faceDetectManager.setOnFaceDetectListener
差不多，其實如果仔細(xì)看FaceDetectManager這個類的話會發(fā)現(xiàn)在
private void process(int[] argb, int width, int height, ArgbPool pool)
這個方法里面有這樣一段代碼
if (value == 0) {
faceFilter.filter(faces, frame);//等于0的時候才帶過去
}
if (listener != null) {
listener.onDetectFace(value, faces, frame); //檢測人臉把value值也帶過去，用于判斷人臉位置
}
當(dāng)value為0（表示是一張合格人臉）的時候會在FaceFilter中調(diào)用filter方法，并且在該方法中把一個單個face設(shè)置到onTrace回調(diào)中，如果listener不為空的話直接放到onDetectFace這個回調(diào)中，所以從這里也可以看出來其實
faceDetectManager.setOnFaceDetectListener
就是為了讓你獲取一張合格的人臉（可以在這個里面處理你具體的合格人臉操作）
回歸正題，既然onTrace回調(diào)是一個合格的人臉就好辦了，可以直接拿到TrackedModel里面的人臉圖片和服務(wù)器進(jìn)行比對，具體代碼邏輯示例代碼里面也已經(jīng)實現(xiàn)了，對比結(jié)束后會返回一定的分?jǐn)?shù)給你，如果大于80或者你覺得的分?jǐn)?shù)就認(rèn)定這個是你在手機(jī)端注冊過的人臉，然后進(jìn)行邏輯處理（比如開門）
遇到的問題
- 由于我們的業(yè)務(wù)需求是要求平板一直運(yùn)行，就算是識別失敗或者成功也要返回到人臉識別的頁面（不finish人臉識別頁面），造成了性能影響很大，主要現(xiàn)象就是每次返回過來了在進(jìn)行識別會出現(xiàn)卡住動不了，解決辦法就是在onPause和onResume里面加上一個是否在前臺的標(biāo)志，如果不在前臺就讓人臉識別停止識別，在前臺后繼續(xù)識別（不是單純的faceDetectManager.stop()這樣子會報錯）
- 由于這個示例工程是手機(jī)端的，我拿到平板端使用肯定需要修改，代碼講解部分已經(jīng)說了USB這個問題，其實雖然就是兩行代碼的事，但是當(dāng)時我試了很久才解決（問百度那邊一直在扯犢子，寫工單也是很久回復(fù)說些沒用的東西，拉了個微信群也是帶理不理的，最后放棄了，自己去研究）
- 裁剪處理器出現(xiàn)問題
// 設(shè)置檢測裁剪處理器
faceDetectManager.addPreProcessor(cropProcessor);
這行代碼放在平板端會報錯，所以需要進(jìn)行修改，經(jīng)過調(diào)試發(fā)現(xiàn)出錯的原因在FaceCropper這個類里面
/**
* 裁剪argb中的一塊兒，裁剪框如果超出圖片范圍會被調(diào)整，所以記得檢查。
* @param argb 圖片argb數(shù)據(jù)
* @param width 圖片寬度
* @param rect 裁剪框
*/
public static int[] crop(int[] argb, int width, Rect rect) {
adjustRect(argb, width, rect);
int[] image = new int[rect.width() * rect.height()];
for (int i = rect.top; i < rect.bottom; i++) {
int rowIndex = width * i;//9
try {
System.arraycopy(argb, Math.abs(rowIndex + rect.left), image, rect.width() * (i - rect.top), rect.width());
} catch (Exception e) {
e.printStackTrace();
return argb;
}
}
return image;
}
以上是修改后的代碼，主要是
System.arraycopy(argb, Math.abs(rowIndex + rect.left), image, rect.width() * (i - rect.top), rect.width());
這段，需要把rowIndex+rect.left 變成正數(shù)，之前是一個負(fù)數(shù)造成越界報錯
- 判斷臉部的中心點位置用于處理臉是否在對應(yīng)的布局里面
faceDetectManager.setOnFaceDetectListener(new FaceDetectManager.OnFaceDetectListener() { //設(shè)置人臉檢測監(jiān)聽器，檢測后的結(jié)果會回調(diào)。
@Override
public void onDetectFace(final int retCode, FaceInfo[] infos, ImageFrame frame) {
上面代碼里里面的infos[0] 里面有兩個參數(shù)，一個是臉中心點X軸坐標(biāo)，一個是Y坐標(biāo)
public class FaceInfo {
public int mWidth;
public int mAngle;
public int mCenter_y;
public int mCenter_x;
public float mConf;
public int[] landmarks;
public int face_id;
public float[] headPose;
public int[] is_live;
也就是mCenter_x和mCenter_y，有了這倆神器你就可以輕松處理臉部位置，讓他在你想要的布局中，我自己邏輯的完整代碼：
if (infos[0]!= null) {
if(info.mCenter_x<218||info.mCenter_x>600){
headXY=false;
str ="請把臉移入框內(nèi)";
}else {
headXY=true;
}
}
以上，我也是剛接觸這塊，很多地方也是慢慢琢磨，有問題的地方還請大家多多指教
