虹软人脸识别的应用开发过程分享

Posted 2021-11-05 zzz-

虹软的人脸识别是应用与离线开发的，因为不需要网络，所以它的识别速度较快。
好了，废话不多说，接下来就开始教大家怎样使用了。

1.首先就是去官网申请APPKEY，各种密匙，然后在下载jar包，这些就不一一给大家讲解了。注意一下，要在app的gradle里面加上

sourceSets { 
main { 
jniLibs.srcDirs = [‘libs‘] 
} 
}

　　

这句话，不然可能会造成so库加载不了的错误。

2.接下里就需要进行开发了。
就拿人脸检测的功能来说吧，首先需要
对引擎初始化，

AFD_FSDKEngine engine1 = new AFD_FSDKEngine(); AFD_FSDKError err = engine1.AFD_FSDK_InitialFaceEngine(Config.APP_ID, Config.FD_KEY, AFD_FSDKEngine.AFD_OPF_0_HIGHER_EXT, 16, 5);

　　

我们还需要一个集合，用来存放我们检测到的人脸，

List<AFD_FSDKFace> result = new ArrayList<AFD_FSDKFace>();//新建AFD_FSDKFacejihe，用于存放识别的人脸信息

　　

接下来我们就可以进行人脸的检测了，但是对于照片的选取和格式是有要求的，所以我们需要对照片进行格式处理一下。

Bitmap bitmap1 = decodeImage(path1);//path是照片的路径，先选取照片，转化为bitmap 
byte[] data1 = getNv21(bitmap1);//再将bitmap转化为NV21格式的

　　

下面是工具类decodeImage和getNv21的代码：

//getNv21 和 decodeImage 是照片格式的转化工具 
public byte[] getNv21(Bitmap mBitmap) { 
byte[] data = new byte[mBitmap.getWidth() * mBitmap.getHeight() * 3 / 2]; 
ImageConverter convert = new ImageConverter(); 
convert.initial(mBitmap.getWidth(), mBitmap.getHeight(), ImageConverter.CP_PAF_NV21); 
if (convert.convert(mBitmap, data)) { 
Log.e("TAG", "convert ok!"); 
} 
convert.destroy(); 
return data; 
} 
public static Bitmap decodeImage(String path) { 
Bitmap res; 
try { 
ExifInterface exif = new ExifInterface(path); 
int orientation = exif.getAttributeInt(ExifInterface.TAG_ORIENTATION, ExifInterface.ORIENTATION_NORMAL); 
BitmapFactory.Options op = new BitmapFactory.Options(); 
op.inSampleSize = 1; 
op.inJustDecodeBounds = false; //op.inMutable = true; 
res = BitmapFactory.decodeFile(path, op); //rotate and scale. 
Matrix matrix = new Matrix(); 
if (orientation == ExifInterface.ORIENTATION_ROTATE_90) { 
matrix.postRotate(90); 
} else if (orientation == ExifInterface.ORIENTATION_ROTATE_180) { 
matrix.postRotate(180); 
} else if (orientation == ExifInterface.ORIENTATION_ROTATE_270) { 
matrix.postRotate(270); 
} 
Bitmap temp = Bitmap.createBitmap(res, 0, 0, res.getWidth(), res.getHeight(), matrix, true); 
Log.d("com.arcsoft", "check target Image:" + temp.getWidth() + "X" + temp.getHeight()); 
if (!temp.equals(res)) { 
res.recycle(); 
} 
return temp; 
} catch (Exception e) { 
e.printStackTrace(); 
} 
return null; 
}

　　

对格式进行转化完成后，就开始进行人脸的检测了。

err = engine1.AFD_FSDK_StillImageFaceDetection(data1, bitmap1.getWidth(), bitmap1.getHeight(), AFD_FSDKEngine.CP_PAF_NV21, result); Log.e("TAG", "getBit: " + result.size());

　　

我们可以查看集合result的size，来确定是否检测到人脸。
在代码的最后，一定要对初始化的引擎进行销毁处理。不然程序会因为内存问题而崩溃。
engine1.AFD_FSDK_UninitialFaceEngine();
人脸对比是在人脸检测的基础上进行的，在一张照片上先检测到人脸的信息，然后再将人脸的信息进行比对。
List result = new ArrayList();
上面已经介绍了，检测到的人脸信息都是存放在result的集合中的，
然后是创建两个存放人脸点位信息的类

AFR_FSDKFace face1 = new AFR_FSDKFace();
AFR_FSDKFace face2 = new AFR_FSDKFace(); 将检测到的人脸信息的点位信息存放到 face类中 
//新建两个AFR_FSDKFace类，保存人脸特征信息 
AFR_FSDKFace face1 = new AFR_FSDKFace(); 
AFR_FSDKFace face2 = new AFR_FSDKFace(); //对人脸特征信息的检测 
er = engine_camera.AFR_FSDK_ExtractFRFeature(data_image, 
bitmap_idcard.getWidth(),
bitmap_idcard.getHeight(), 
AFR_FSDKEngine.CP_PAF_NV21, 
new Rect(result_image.get(0).getRect()), 
result_image.get(0).getDegree(),
face1); 
er = engine_camera.AFR_FSDK_ExtractFRFeature(data, 
wid, 

　　

最后的比对的相似度信息存放在score中， float score_face = score.getScore();
我们可以通过这种方式得到 我们想要的相似度信息，最后得到的数据是float类型的。
*注意！
在使用照片的时候，分辨率大小最好是偶数的，不然会发生未知的错误。
在进行人脸信息提取的时候，会耗时，耗时的时长，是根据设备的CPU处理能力来说的。