Android 基於人臉識別 SDK使用總結

體驗了虹軟開放人臉識別的SDK引擎（免費的哦），恰好有Android版的。下面來講說Android版的SDK使用心得：java

ArcFace 虹軟人臉認知引擎簡介數據庫

目前開放的版本有人臉比對（1:1）和人臉檢索（1：N），根據應用場景可選擇
人臉檢索分爲小型網絡（檢測100人內），中型網絡（1000人內），大型網絡（需聯繫虹軟官方）
目前開放的功能有人臉比對，人臉識別，人臉追蹤
**關於如何使用**網絡

在官網下載SDK引擎後集成到你的項目中，而後我在此舉例說下其中一個sample:人臉識別
官方sample是這樣的:

AFR_FSDKInterface engine = new AFR_FSDKEngine();

//用來存放提取到的人臉信息, face_1 是註冊的人臉，face_2 是要識別的人臉
AFR_FSDKFace face1 = new AFR_FSDKFace();
AFR_FSDKFace face2 = new AFR_FSDKFace();

//初始化人臉識別引擎，使用時請替換申請的 APPID 和 SDKKEY
AFR_FSDKError error = engine.AFR_FSDK_InitialEngine("APPID", "SDKKEY");
Log.d("com.arcsoft", "AFR_FSDK_InitialEngine = " + error.getCode());

//輸入的 data 數據爲 NV21 格式（如 Camera 裏 NV21 格式的 preview 數據）；人臉座標通常使用人臉檢測返回的 Rect 傳入；人臉角度請按照人臉檢測引擎返回的值傳入。
error = engine.AFR_FSDK_ExtractFRFeature(data1, width, height, AFR_FSDKEngine.CP_PAF_NV21, new Rect(210, 178, 478, 446), AFR_FSDKEngine.AFR_FOC_0, face1);
Log.d("com.arcsoft", "Face=" + face1.getFeatureData()[0]+ "," + face1.getFeatureData()[1] + "," + face1.getFeatureData()[2] + "," + error.getCode());

error = engine.AFR_FSDK_ExtractFRFeature(data1, width, height, AFR_FSDKEngine.CP_PAF_NV21, new Rect(210, 170, 470, 440), AFR_FSDKEngine.AFR_FOC_0, face2);
Log.d("com.arcsoft", "Face=" + face2.getFeatureData()[0]+ "," + face2.getFeatureData()[1] + "," + face2.getFeatureData()[2] + "," + error.getCode());

//score 用於存放人臉對比的類似度值
AFR_FSDKMatching score = new AFR_FSDKMatching(); error = engine.AFR_FSDK_FacePairMatching(face1, face2, score); Log.d("com.arcsoft", "AFR_FSDK_FacePairMatching=" + error.getCode()); Log.d("com.arcsoft", "Score:" + score.getScore());

//銷燬人臉識別引擎
error = engine.AFR_FSDK_UninitialEngine();
Log.d("com.arcsoft", "AFR_FSDK_UninitialEngine : " + error.getCode());

代碼中的註釋已經解釋得很清楚了，這是再說下這個NV21格式的data數據。關於NV21是什麼東西，請戳https://msdn.microsoft.com/en-us/library/aa904813
**使用場景**
人臉識別一種場景能夠是實時攝像取景，便可以在相機的預覽界面裏進行。在Android的Camera裏有這樣一個回調:ide

mCamera.setPreviewCallback(new Camera.PreviewCallback() {
@Override
public void onPreviewFrame(byte[] data, Camera camera) {
//這裏的data數據就是NV21格式，能夠在這裏處理人臉檢測 
}
});

注意：Camera裏的PictureCallback()，也就是咱們拍照的回調，裏面也有個data,可是這裏的data格式不是NV21的，因此在這裏傳入的data是不能處理人臉識別的工具

人臉檢測還能夠利用已有的圖像進行檢測，可是注意，Android裏對圖像處理的接口最經常使用的是BitMap吧。咱們須要把BitMap解碼爲RGB轉爲NV21才能檢測圖像中的人臉。這裏提供一種轉換工具類，固然大神能夠無視這個本身寫哈：測試

public static byte[] getNV21(int inputWidth, int inputHeight, Bitmap scaled) throws Exception {

int[] argb = new int[inputWidth * inputHeight];

scaled.getPixels(argb, 0, inputWidth, 0, 0, inputWidth, inputHeight);

byte[] yuv = new byte[inputWidth * inputHeight * 3 / 2];
encodeYUV420SP(yuv, argb, inputWidth, inputHeight);
scaled.recycle();
return yuv;
}

public static void encodeYUV420SP(byte[] yuv420sp, int[] argb, int width, int height) throws Exception {
final int frameSize = width * height;

int yIndex = 0;
int uvIndex = frameSize;

int a, R, G, B, Y, U, V;
int index = 0;
for (int j = 0; j < height; j++) {
for (int i = 0; i < width; i++) {

a = (argb[index] & 0xff000000) >> 24; // a is not used obviously
R = (argb[index] & 0xff0000) >> 16;
G = (argb[index] & 0xff00) >> 8;
B = (argb[index] & 0xff) >> 0;

// well known RGB to YUV algorithm
Y = ((66 * R + 129 * G + 25 * B + 128) >> 8) + 16;
U = ((-38 * R - 74 * G + 112 * B + 128) >> 8) + 128;
V = ((112 * R - 94 * G - 18 * B + 128) >> 8) + 128;

// NV21 has a plane of Y and interleaved planes of VU each sampled by a factor of 2
// meaning for every 4 Y pixels there are 1 V and 1 U. Note the sampling is every other
// pixel AND every other scanline.
yuv420sp[yIndex++] = (byte) ((Y < 0) ? 0 : ((Y > 255) ? 255 : Y));
if (j % 2 == 0 && index % 2 == 0) {
yuv420sp[uvIndex++] = (byte) ((V < 0) ? 0 : ((V > 255) ? 255 : V));
yuv420sp[uvIndex++] = (byte) ((U < 0) ? 0 : ((U > 255) ? 255 : U));
}

index++;
}
}
}

關於實測效果（用的小型網絡版本，僅表明我的意見）優化

人臉檢測速度很快，大概幾十毫秒就能檢測出人臉信息，20多張人臉的圖像只有1-2個檢測不到。
人臉識別這個功能，在特徵值提取上會慢點，大概須要100毫秒以上，不過由於用的是小型網絡（人數100如下達到最佳），因此這個速度也是徹底能夠知足應用的。關於人臉註冊方式，能夠自行建網或建雲，固然採用本地化也是能夠的，用數據庫和文件等多種方式都可註冊人臉。
人臉追蹤看了下接口跟人臉檢測的接口是徹底同樣的，沒有測試不做評價。
總結code

虹軟免費開放SDK引擎這點很贊
引擎暫不支持人臉信息特徵值合成，只能經過註冊多張人臉來解決
這個引擎二次開發的可拓展性是很強的，開發者能夠根據本身的應用場景去拓展功能，這樣能夠保證引擎的純潔度、可拓展性
又GET到不少乾貨
還沒探索到1：N狀況下高效識別的方法，目前遍歷數據庫人臉信息做比對人數多的話識別速度應該會慢不少，請問有高人指導下如何優化不？
還不行，還得再繼續努力
下面是sdk下載地址https://ai.arcsoft.com.cn/ucenter/user/reg?utm_source=csdn1&utm_medium=referralblog