人臉識別和語音識別智能照相機

時間 2019-11-11

標籤識別語音識別智能照相機简体版

原文原文鏈接

語音識別，語義理解一站式解決之智能照相機(人臉識別,olami)html

若是有代碼排版和圖片顯示問題，請訪問CSDN博客。
轉載請註明CSDN博文地址：http://blog.csdn.net/ls0609/a...java

olami sdk實現了把錄音或者文字轉化爲用戶能夠理解的json字符串從而實現語義理解，用戶能夠定義本身的
語義，經過這種方式能夠實現用戶須要的語義理解。前面寫了兩篇語音識別，語義理解的博文，分別是語音
在線聽書和語音記賬軟件，本篇是語音智能照相機。android

1.智能照相機的功能git

手機後攝像頭像素比較高，若是用後設想頭對準本身自拍，那麼看不到屏幕的狀況下怎麼知道
本身在不在鏡頭中呢？而本篇作的智能照相機就能夠爲您解決這個問題。
想要作的是這樣一個照相機app，能夠語音切換攝像頭，人臉識別並語音播報識別的人臉是否在屏幕中央，
是偏向哪裏，當人臉居中的時候，提示用戶能夠拍照了，用戶說「拍照」，「茄子」就會自動抓拍並保存圖
片在手機中。json

抓了兩張應用運行時的圖片： canvas

2.eclipse中的lib目錄結構以下api

assets下面的事tts播報的資源文件
libs目錄下，
libtts.so tts播報所需的庫文件
libspeex.so 語音識別所需的庫文件
libolamsc.so 語音識別所需的庫文件
tts.jar tts播報所需的庫文件
voicesdk_android.jar 語音識別所需的庫文件服務器

3.AndroidManifest.xml網絡

<?xml version="1.0" encoding="utf-8"?>
<manifest xmlns:android="http://schemas.android.com/apk/res/android"app

package="com.olami"
android:versionCode="1"
android:versionName="1.0" >

<uses-sdk
    android:minSdkVersion="8"
    android:targetSdkVersion="14" />

<uses-permission android:name="android.permission.RECORD_AUDIO"/> 
<uses-permission android:name="android.permission.INTERNET"/> 
<uses-permission android:name="android.permission.ACCESS_NETWORK_STATE"/> 
<uses-permission android:name="android.permission.ACCESS_WIFI_STATE"/> 
<uses-permission android:name="android.permission.READ_PHONE_STATE"/>
<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" />
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />
<uses-permission android:name="android.permission.MOUNT_UNMOUNT_FILESYSTEMS"/>
<uses-permission android:name="android.permission.CAMERA" />

<application
    android:allowBackup="true"
    android:icon="@drawable/ic_launcher"
    android:label="@string/app_name"
    android:theme="@style/AppTheme" >
    <activity
        android:name=".MainActivity"
        android:label="@string/app_name" >
        <intent-filter>
            <action android:name="android.intent.action.MAIN" />

            <category android:name="android.intent.category.LAUNCHER" />
        </intent-filter>
    </activity>
</application>

</manifest>

須要錄音，網絡，讀寫sd卡，拍照等權限。

4.layout佈局
<RelativeLayout xmlns:android="http://schemas.android.com/apk/res/android"

xmlns:tools="http://schemas.android.com/tools"
android:layout_width="match_parent"
android:layout_height="match_parent">

<FrameLayout
    android:layout_width="match_parent"
    android:layout_height="match_parent">
<SurfaceView android:id="@+id/sView" 
    android:layout_width="match_parent" 
    android:layout_height="wrap_content"/> 

    <com.olami.FaceView
        android:id="@+id/faceView"
        android:layout_width="match_parent"
        android:layout_height="match_parent"/>
</FrameLayout>                    

<Button
    android:id="@+id/btn_start"
    android:layout_width="wrap_content"
    android:layout_height="wrap_content"  
    android:layout_alignParentBottom="true"
    android:layout_centerHorizontal="true"
    android:text="開始" />

</RelativeLayout>

在surfaceview中自定義了一個FaceView，faceview用來顯示抓拍的人臉。
屏幕最下方有個button，由於這個版本暫時不支持語音喚醒功能（後續添加後再更新），添加一個button用於用戶想隨時說拍照的時候點擊觸發用。

5.MainActivity.java 和FaceView.java

1.MainActivity.Java
@Override
protected void onCreate(Bundle savedInstanceState) {

super.onCreate(savedInstanceState);
setContentView(R.layout.layout_camera);

initHandler();//用於處理錄音狀態回調的消息

initView(); //初始化界面

initViaVoiceRecognizerListener(); //初始化olami語音回調監聽

init();  //初始化olami語音識別sdk

initTts(); //初始化tts語音播報

DisplayMetrics dm = new DisplayMetrics();//定義DisplayMetrics對象
getWindowManager().getDefaultDisplay().getMetrics(dm);//取得窗口屬性
mScreenCenterx = dm.widthPixels/2;//窗口的寬度
mScreenCentery = dm.heightPixels/2; //窗口的高度

}

如下是olamisdk的初始化

public void init()
{

mOlamiVoiceRecognizer = new OlamiVoiceRecognizer(MainActivity.this);
    TelephonyManager telephonyManager=
                               (TelephonyManager) this.getSystemService(
                                this.getBaseContext().TELEPHONY_SERVICE);
    String imei=telephonyManager.getDeviceId();
    mOlamiVoiceRecognizer.init(imei);//設置身份標識，能夠填null

    //設置識別結果回調listener
    mOlamiVoiceRecognizer.setListener(mOlamiVoiceRecognizerListener);

    //設置支持的語音類型，優先選擇中文簡體        
    mOlamiVoiceRecognizer.setLocalization(
                       OlamiVoiceRecognizer.LANGUAGE_SIMPLIFIED_CHINESE);
     mOlamiVoiceRecognizer.setAuthorization(
           "51a4bb56ba954655a4fc834bfdc46af1",
           "asr",
           "68bff251789b426896e70e888f919a6d",
           "nli");
    //註冊Appkey，在olami官網註冊應用後生成的appkey
    //註冊api，請直接填寫「asr」，標識語音識別類型
    //註冊secret，在olami官網註冊應用後生成的secret
    //註冊seq ，請填寫「nli」   

//錄音時尾音結束時間，建議填//2000ms         
mOlamiVoiceRecognizer.setVADTailTimeout(2000);
//設置經緯度信息，不肯上傳位置信息，能夠填0 
mOlamiVoiceRecognizer.setLatitudeAndLongitude(
                                     31.155364678184498,121.34882432933009);

}

定義OlamiVoiceRecognizerListener，此處代碼就不貼了。
onError(int errCode)//出錯回調，能夠對比官方文檔錯誤碼看是什麼錯誤
onEndOfSpeech()//錄音結束
onBeginningOfSpeech()//錄音開始
onResult(String result, int type)//result是識別結果JSON字符串
onCancel()//取消識別，不會再返回識別結果
onUpdateVolume(int volume)//錄音時的音量，1-12個級別大小音量

如下是handler消息處理，包含語義解析

private void initHandler()

{
    mHandler = new Handler(){
        @Override
        public void handleMessage(Message msg)
        {
            switch (msg.what){
            case MessageConst.CLIENT_ACTION_START_RECORED:
                mBtnStart.setText("錄音中");
                break;
            case MessageConst.CLIENT_ACTION_STOP_RECORED:
                mBtnStart.setText("識別中");
                break;
            case MessageConst.CLIENT_ACTION_CANCEL_RECORED:
                mBtnStart.setText("開始");
                break;
            case MessageConst.CLIENT_ACTION_ON_ERROR:
                mBtnStart.setText("開始");
                break;
            case MessageConst.CLIENT_ACTION_UPDATA_VOLUME:
                //mTextViewVolume.setText("音量: "+msg.arg1);
                break;
            case MessageConst.SERVER_ACTION_RETURN_RESULT:
                mBtnStart.setText("開始");
                try{
                    String message = (String) msg.obj;
                    String input = null;
                    JSONObject jsonObject = new JSONObject(message);
                    JSONArray jArrayNli = 
                    jsonObject.optJSONObject("data").optJSONArray("nli");
                    JSONObject jObj = jArrayNli.optJSONObject(0);
                    JSONArray jArraySemantic = null;
                    if(message.contains("semantic"))
                    {
                      jArraySemantic = jObj.getJSONArray("semantic");
                      String modifier = 
                          jArraySemantic.optJSONObject(0).optJSONArray(
                                               "modifier").optString(0);
                      if("take_photo".equals(modifier))
                          capture();    
                      else if("switch_camera".equals(modifier))
                          switchCamera();
                    }
                    else{
                      Log.i("ppp","result error");
                    }
                }
                catch(Exception e)
                {
                    e.printStackTrace();
                }                   
                break;  
            case MessageConst.CLIENT_ACTION_UPDATA_FACEDECTION_DATA:
                if(mIsRecording)
                    break;
                RectF rect = (RectF) msg.obj;
                mLeft = rect.left;
                mRight = rect.right;
                mTop = rect.top;
                mBottom = rect.bottom;
                float centerx = mLeft +(mRight - mLeft)/2;
                float centery = mTop + (mBottom-mTop)/2;
                String promptString = "";
                if(centerx<mScreenCenterx && Math.abs(mScreenCenterx-centerx) >100)
                    promptString = "位置偏左,";
                else if((centerx > mScreenCenterx)&&
                                        (Math.abs(centerx -mScreenCenterx)>100))                
                    promptString = "位置偏右,";
                if((centery < mScreenCentery)&&(
                                          Math.abs(mScreenCentery-centery) >200))
                {
                    if("".equals(promptString))
                        promptString = "位置偏上";
                    else
                        promptString += "而且偏上";
                }
                else if((centery > mScreenCentery)&&
                (Math.abs(centery -mScreenCenterx)>200))
                {
                    if("".equals(promptString))
                        promptString = "位置偏下";
                    else
                        promptString += "而且偏下";
                }
                if("".equals(promptString))
                {
                    promptString = "位置已經居中,能夠拍照了";
                    mIsCenter = true;
                }
                else
                {
                    mIsCenter = false;
                }

                ITtsListener ttsListener = new ITtsListener()
                {

                    @Override
                    public void onPlayEnd() {
                        if(mIsCenter)
                        {
                            if(mOlamiVoiceRecognizer != null)
                                mOlamiVoiceRecognizer.start();  
                        }
                    }

                    @Override
                    public void onPlayFlagEnd(String arg0) {

                    }

                    @Override
                    public void onTTSPower(long arg0) {

                    }

                };
                TtsPlayer.playText(MainActivity.this, 
                      promptString, ttsListener,Tts.TTS_SYSTEM_PRIORITY);   
                break;
            }
        }
    };
}

在MessageConst.SERVER_ACTION_RETURN_RESULT消息中，經過解析服務器返回的json字符串，能夠找到modifier這個字段的值，若是是take_photo表示拍照，若是是switch_camera表示切換攝像頭。
當用戶說拍照或者茄子的時候，服務器返回以下json字符串：
[
{

"desc_obj": {
  "status": 0
},
"semantic": [
  {
    "app": "camera",
    "input": "拍照",
    "slots": [

    ],
    "modifier": [
      "take_photo"
    ],
    "customer": "58df512384ae11f0bb7b487e"
  }
],
"type": "camera"

}
]

這個拍照，茄子等語法都是本身定義的，詳細請看：
olami開放平臺語法編寫簡介：http://blog.csdn.net/ls0609/a...
olami開放平臺語法官方介紹：https://cn.olami.ai/wiki/?mp=...
• 2.人臉識別FaceView.java

public class FaceView extends View {

private Camera.Face[] mFaces;
private Paint mPaint;
private Matrix matrix = new Matrix();
private RectF mRectF = new RectF();
private Handler mHandler;
private long mCurrentTime;
public void setFaces(Camera.Face[] faces) {
    mFaces = faces;
    invalidate();
}

public FaceView(Context context) {
    super(context);
    init(context);
}

public FaceView(Context context, AttributeSet attrs) {
    super(context, attrs);
    init(context);
}

public FaceView(Context context, AttributeSet attrs, int defStyleAttr) {
    super(context, attrs, defStyleAttr);
    init(context);
}

public void init(Context context) {
    mPaint = new Paint();
    mPaint.setColor(Color.RED);
    mPaint.setStrokeWidth(5f);
    mPaint.setStyle(Paint.Style.STROKE);

}

public void setHandler(Handler handler)
{
    mHandler = handler;
}

@Override
protected void onDraw(Canvas canvas) {
    super.onDraw(canvas);
    if (mFaces == null || mFaces.length < 0) {
        return;
    }
    //準備矩形框
    MainActivity.prepareMatrix(matrix, false, 270, getWidth(), getHeight());
    canvas.save();
    matrix.postRotate(0);
    canvas.rotate(-0);
    RectF tempRectF = new RectF();
    long tempTime = System.currentTimeMillis();
    for (int i = 0; i < mFaces.length; i++) {
        mRectF.set(mFaces[i].rect);//獲取face矩形框值
        float temp = mRectF.top;
        mRectF.top = -mRectF.bottom;
        mRectF.bottom = - temp;  //上下交換         
        matrix.mapRect(mRectF);
        canvas.drawRect(mRectF, mPaint);//繪製矩形框
        tempRectF.set(mRectF);
        if((mCurrentTime == 0) ||((tempTime-mCurrentTime)/1000) >= 4)
        {//超過4秒，發送一次識別face矩形框值
            mHandler.sendMessage(mHandler.obtainMessage(
            MessageConst.CLIENT_ACTION_UPDATA_FACEDECTION_DATA, tempRectF));
            mCurrentTime = tempTime;
        }
        Log.i("ppp","mRectF.left = "+mRectF.left+"   mRectF.right = "+mRectF.right);
    }
    canvas.restore();
}

}

自定義FaceView中，因爲旋轉了270度，因此須要face矩形框上下值進行交換，否則人臉識別老是左右或者上下不能追蹤。每隔4秒發送一次矩形框的值，在MainActivity.java的handler中收到這個消息並進行是否居中的判斷。

case MessageConst.CLIENT_ACTION_UPDATA_FACEDECTION_DATA:

if(mIsRecording)
    break;
RectF rect = (RectF) msg.obj;
mLeft = rect.left;
mRight = rect.right;
mTop = rect.top;
mBottom = rect.bottom;//保存上下左右的矩形框值
float centerx = mLeft +(mRight - mLeft)/2;//獲取矩形框橫向中心點位置
float centery = mTop + (mBottom-mTop)/2;//獲取矩形框縱向中心點位置
String promptString = "";
if(centerx<mScreenCenterx && Math.abs(mScreenCenterx-centerx) >100)
    promptString = "位置偏左,";
else if((centerx > mScreenCenterx)&&
                        (Math.abs(centerx -mScreenCenterx)>100))                
    promptString = "位置偏右,";
if((centery < mScreenCentery)&&(
                          Math.abs(mScreenCentery-centery) >200))
{
    if("".equals(promptString))
        promptString = "位置偏上";
    else
        promptString += "而且偏上";
}
else if((centery > mScreenCentery)&&
(Math.abs(centery -mScreenCenterx)>200))
{
    if("".equals(promptString))
        promptString = "位置偏下";
    else
        promptString += "而且偏下";
}
if("".equals(promptString))
{
    promptString = "位置已經居中,能夠拍照了";
    mIsCenter = true;
}
else
{
    mIsCenter = false;
}

ITtsListener ttsListener = new ITtsListener()
{

    @Override
    public void onPlayEnd() {
        if(mIsCenter)
        {
            if(mOlamiVoiceRecognizer != null)
                mOlamiVoiceRecognizer.start();  
        }
    }

    @Override
    public void onPlayFlagEnd(String arg0) {

    }

    @Override
    public void onTTSPower(long arg0) {

    }

};
TtsPlayer.playText(MainActivity.this, 
      promptString, ttsListener,Tts.TTS_SYSTEM_PRIORITY);

break;

能夠得到屏幕的中心點和人臉識別的矩形框的中心點，對比橫向和縱向的中心點大小和絕對值差，當橫向的值差100像素以上就認爲橫向不居中，而且根據大小分居左和居右，縱向大小差值在200像素以上認爲縱向不居中，而且根據大小分偏上和偏下，這個100，200像素值用戶能夠本身調節到合適的值。
調用TtsPlayer.playText提示，當播報結束後回調到onPlayEnd() ，若是居中那麼已經提示用戶能夠拍照了，此時啓動錄音程序，用戶不用點擊button也不用喚醒，只許說拍照或者茄子就能夠拍照了。

6.源碼下載連接
https://pan.baidu.com/s/1qXITWs8

7.相關連接

語音在線聽書：http://blog.csdn.net/ls0609/a...

語音記帳demo：http://blog.csdn.net/ls0609/a...

olami開放平臺語法編寫簡介：http://blog.csdn.net/ls0609/a...

olami開放平臺語法官方介紹：https://cn.olami.ai/wiki/?mp=...