# 前言
  前段時間Richard Yu在釋出會上給大家介紹了華為HMS Core4.0,回顧釋出會資訊請戳：
  [華為面向全球釋出HMS Core 4.0意味著什麼？](https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201146410765510206&fid=18)

其中有一個重點被介紹的服務，機器學習服務（Machine Learning Kit 簡稱 MLKit）。

那機器學習服務能幹什麼呢？能幫助開發者解決應用開發過程中的哪些問題？

今天就拋磚引玉一下，以人臉檢測為例，給大家出一個實戰小樣例，讓大家感受下機器學習服務所提供的強大功能以及給開發者提供的便捷性。

---
# 機器學習服務人臉檢測所提供的能力
  先給大家看一下華為機器學習服務人臉檢測能力的展示：
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20200402142957621.gif#pic_center)
  從這個動圖裡面可以看到，人臉識別可以支援識別人臉的朝向，支援檢測人臉的表情（高興、厭惡、驚訝、傷心、憤怒、生氣），支援檢測人臉屬性（性別、年齡、穿戴），支援檢測是否睜眼閉眼，支援人臉以及鼻子、眼睛、嘴唇、眉毛等特徵的座標檢測，另外還支援多人臉同時檢測，是不是很強大！

**核心提示：此功能免費，安卓全機型覆蓋！**

---
# 多人臉微笑拍照功能開發實戰
  今天就用機器學習服務的多人臉識別+表情檢測能力寫一個微笑抓拍的小demo，做一次實戰演練。demo原始碼github下載請戳這裡

## 1、開發準備
  華為HMS的kit開發前準備工作都差不多，無非就是新增maven依賴，引入SDK。

### 1.1 在專案級gradle裡新增華為maven倉
  增量新增如下maven地址：

```java
buildscript {
    repositories {        
        maven {url 'http://developer.huawei.com/repo/'}
    }    }allprojects {
    repositories {       
        maven { url 'http://developer.huawei.com/repo/'}
    }}
```
### 1.2 在應用級的build.gradle裡面加上SDK依賴
  把人臉識別的SDK和基礎SDK引入：
```java
dependencies{ 
  // 引入基礎SDK 
  implementation 'com.huawei.hms:ml-computer-vision:1.0.2.300' 
  // 引入人臉檢測能力包 
  implementation 'com.huawei.hms:ml-computer-vision-face-recognition-model:1.0.2.300'   
 }
```
### 1.3 在AndroidManifest.xml檔案裡面增量新增模型自動下載
  這個主要是用來模型更新的，後面演算法有了最佳化，可以自動下載到手機裡面更新

```java
<manifest android:name="com.huawei.hms.ml.DEPENDENCY" android:value="face"></manifest>        	        
    
```
### 1.4 在AndroidManifest.xml檔案裡面申請相機和儲存許可權

```java
<uses-permission android:name="android.permission.CAMERA"></uses-permission><uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE"></uses-permission>
```
## 2、程式碼開發
### 2.1 建立人臉分析器,檢測到微笑後進行拍照
檢測後拍照：

1. 進行分析器引數配置
 2. 把分析器引數配置傳給分析器
 3. 在analyzer.setTransacto內透過重寫transactResult處理人臉識別後的內容，人臉識別後會返回一個微笑的置信度（簡單可以理解為是微笑的機率），只要設定大於一定置信度進行拍照就可以了。

```java
private MLFaceAnalyzer analyzer;private void createFaceAnalyzer() {
    MLFaceAnalyzerSetting setting =
            new MLFaceAnalyzerSetting.Factory()
                    .setFeatureType(MLFaceAnalyzerSetting.TYPE_FEATURES)
                    .setKeyPointType(MLFaceAnalyzerSetting.TYPE_UNSUPPORT_KEYPOINTS)
                    .setMinFaceProportion(0.1f)
                    .setTracingAllowed(true)
                    .create();                 
    this.analyzer = MLAnalyzerFactory.getInstance().getFaceAnalyzer(setting);
    this.analyzer.setTransactor(new MLAnalyzer.MLTransactor<mlface>() {
        @Override        public void destroy() {
        }

@Override        public void transactResult(MLAnalyzer.Result<mlface> result) {
            SparseArray<mlface> faceSparseArray = result.getAnalyseList();
            int flag = 0;
            for (int i = 0; i < faceSparseArray.size(); i++) {
                MLFaceEmotion emotion = faceSparseArray.valueAt(i).getEmotions();
                if (emotion.getSmilingProbability() > smilingPossibility) {
                    flag++;
                }
            }
            if (flag > faceSparseArray.size() * smilingRate && safeToTakePicture) {
                safeToTakePicture = false;
                mHandler.sendEmptyMessage(TAKE_PHOTO);
            }
        }
    });}
```
  拍照儲存部分：

```java
private void takePhoto() {
    this.mLensEngine.photograph(null,
            new LensEngine.PhotographListener() {
                @Override                public void takenPhotograph(byte[] bytes) {
                    mHandler.sendEmptyMessage(STOP_PREVIEW);
                    Bitmap bitmap = BitmapFactory.decodeByteArray(bytes, 0, bytes.length);
                    saveBitmapToDisk(bitmap);
                }
            });}
```
### 2.2 建立視覺引擎，捕捉相機動態影片流後傳給分析器

```java
private void createLensEngine() {
    Context context = this.getApplicationContext();
    // Create LensEngine
    this.mLensEngine = new LensEngine.Creator(context, this.analyzer).setLensType(this.lensType)
            .applyDisplayDimension(640, 480)
            .applyFps(25.0f)
            .enableAutomaticFocus(true)
            .create();}
```
### 2.3 動態許可權申請，掛接分析器和視覺引擎建立程式碼

```java
@Overridepublic void onCreate(Bundle savedInstanceState) {
    super.onCreate(savedInstanceState);
    this.setContentView(R.layout.activity_live_face_analyse);
    if (savedInstanceState != null) {
        this.lensType = savedInstanceState.getInt("lensType");
    }
    this.mPreview = this.findViewById(R.id.preview);
    this.createFaceAnalyzer();
    this.findViewById(R.id.facingSwitch).setOnClickListener(this);
    // Checking Camera Permissions
    if (ActivityCompat.checkSelfPermission(this, Manifest.permission.CAMERA) == PackageManager.PERMISSION_GRANTED) {
        this.createLensEngine();
    } else {
        this.requestCameraPermission();
    }}
    private void requestCameraPermission() {
    final String[] permissions = new String[]{Manifest.permission.CAMERA, Manifest.permission.WRITE_EXTERNAL_STORAGE};

if (!ActivityCompat.shouldShowRequestPermissionRationale(this, Manifest.permission.CAMERA)) {
        ActivityCompat.requestPermissions(this, permissions, LiveFaceAnalyseActivity.CAMERA_PERMISSION_CODE);
        return;
    }}@Overridepublic void onRequestPermissionsResult(int requestCode, @NonNull String[] permissions,
                                       @NonNull int[] grantResults) {
    if (requestCode != LiveFaceAnalyseActivity.CAMERA_PERMISSION_CODE) {
        super.onRequestPermissionsResult(requestCode, permissions, grantResults);
        return;
    }
    if (grantResults.length != 0 && grantResults[0] == PackageManager.PERMISSION_GRANTED) {
        this.createLensEngine();
        return;
    }}
```
---
# 結束語
  怎麼樣，開發過程是不是特別簡單，30分鐘就可以開發一個新特性出來！讓我們一起體驗下這個多人臉微笑抓包的效果。

單人笑臉抓拍：

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20200402144229524.gif#pic_center)
  多人笑臉抓拍：
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20200402144310724.gif#pic_center)
  基於人臉檢測能力，還可以做哪些功能出來，請開放你的腦洞！這裡不妨再給一些提示，比如：

1. 透過識別耳朵、眼睛、鼻子、嘴巴、眉毛等臉部特徵的位置，新增一些有趣的裝飾特效。
 2. 透過識別面部的輪廓，做一些誇張的變形、拉伸，生成一些有趣好玩的人像圖片，或者針對輪廓區域開發美顏功能。
 3. 透過年齡識別，對兒童沉迷於電子類產品的痛點，開發一些家長管控類功能。
 4. 透過檢測眼睛盯著螢幕的時長，開發護眼提示的特性。
 5. 透過隨機指令（搖頭、眨眼、張嘴等）實現使用者動作配合式活體檢測功能。
 6. 透過綜合運用使用者的年齡、性別等的檢測結果，給使用者做相關商品推薦；

**更詳細的開發指南參考華為開發者聯盟官網**
[華為開發者聯盟機器學習服務開發指南](https://developer.huawei.com/consumer/cn/doc/development/HMS-Guides/ml-introduction-4)

---
內容來源：[https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201198419687680377&fid=18](https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201198419687680377&fid=18)
原作者：AI_talking</mlface></mlface></mlface>

Android | 教你如何用三十分鐘在安卓上開發一個微笑抓拍神器

相關文章