安卓CameraX基于虹软人脸识别程序开发_merr_asf_version_not_support

 ————————————————重要通知——————————————

Hello，本人的博客文章已更新至个人网站（www.jonexu.cn）

文章中有问题可以到网站联系博主，后续新的文章也将更新在个人网站

——————————————————————————————————

一、前言

需求：根据镜头内看到的人脸，获取其在系统中注册的用户信息

设计方案：

①注册：用户通过前端系统自拍图片发送给后端注册。后端对图片进行人脸特征数据分析，将特征数据保存到用户数据库。

②识别：用户正对设备镜头，通过前端识别到人脸时，对人脸分析获取特征数据，将特征数据发送给后端获取用户信息。后端比对特征数据，将相似度0.9以上中最高的用户返回。

准备：虹软注册账号获取APP_ID和SDK_KEY（付费版还要一个Active_Key）和下载SDK

二、初始SDK

要使用SDK，得先把sdk放到项目里，然后首次需要激活SDK，每次使用SDK需要初始化

1、先切换到Project视图，将下载的SDK 放到对应位置。然后在build.gradle中引入一下

2、到MainActive中先激活SDK，实际生产中不要每次都去激活，记录首次取激活就好了

protected void onCreate(Bundle savedInstanceState) {
    super.onCreate(savedInstanceState);
    setContentView(R.layout.activity_main);
 
    toActiveFaceSDK(); // 激活
}
public void toActiveFaceSDK(){
   int status=FaceEngine.activeOnline(this, 你的APP_ID, 你的SDK_KEY);
 
   if(status == ErrorInfo.MOK || status == ErrorInfo.MERR_ASF_ALREADY_ACTIVATED){
        Toast.makeText(this, "激活成功", Toast.LENGTH_LONG).show();
        initEngine();//激活成功那就去初始化SDK，准备使用
   }else if(status == ErrorInfo.MERR_ASF_VERSION_NOT_SUPPORT){
        Toast.makeText(this, "安卓版本不支持人脸识别", Toast.LENGTH_LONG).show();
   }else{
        Toast.makeText(this, "激活失败，状态码：" + status, Toast.LENGTH_LONG).show();
   }
}

3、初始化SDK，准备使用，每次页面onDestroy的时候记得对应卸载SDK

public void initEngine(){ // 初始化sdk
    faceObj = new FaceEngine();
    DetectFaceOrientPriority ftOrient = DetectFaceOrientPriority.ASF_OP_ALL_OUT; // 默认是对拿到的图像进行全角度检测
//  DetectFaceOrientPriority ftOrient = DetectFaceOrientPriority.ASF_OP_270_ONLY; // 270
    afCode = faceObj.init(that.getApplicationContext(),
            DetectMode.ASF_DETECT_MODE_VIDEO,ftOrient,16, 3,
            faceObj.ASF_FACE_DETECT | faceObj.ASF_AGE |faceObj.ASF_FACE3DANGLE
            |faceObj.ASF_GENDER | faceObj.ASF_LIVENESS| faceObj.ASF_FACE_RECOGNITION);
    if (afCode != ErrorInfo.MOK) {
        if(afCode == ErrorInfo.MERR_ASF_NOT_ACTIVATED){
            Toast.makeText(this, "设备SDK未激活", Toast.LENGTH_LONG).show();
        }else{
            Toast.makeText(this, "初始化失败"+afCode, Toast.LENGTH_LONG).show();       
        }
    }
}
public void unInitEngine() { //卸载SDK
  if (afCode == 0) {
      afCode = faceObj.unInit();
  }
}

三、配置相机

安卓Camera API到目前为止已有三代，ArcFace官方教程给的是Camera 1，但我在AS中引入的时候，会划删除线，提示Out并建议使用Camera2替代。于是乎，我使用Camera2去尝试替换官方的一代写法，虽然勉强成功，但是说实在的各种适配问题层出不穷，里面做适配写的代码占了一大半。So 最终我使用了CameraX，就这个预览自适应，就已经天下无敌了！推荐《为什么使用CameraX》。

1、CameraX需要在build.gradle中引入几个包，如下：

    def camerax_version = "1.1.0-alpha08"
    implementation("androidx.camera:camera-core:${camerax_version}")
    implementation("androidx.camera:camera-camera2:${camerax_version}")
    implementation("androidx.camera:camera-lifecycle:${camerax_version}")
    implementation("androidx.camera:camera-view:1.0.0-alpha25")
    implementation("androidx.camera:camera-extensions:1.0.0-alpha25")

2、创建预览View

页面定义变量
    public int rational;
    private Size mImageReaderSize;
    private FaceEngine faceObj; //sdk对象
    private int afCode = -1; // sdk状态
    private ProcessCameraProvider cameraProvider  = null; // cameraX对象
    private Preview mPreviewBuild = null; //cameraX的preview
    private PreviewView viewFinder = null; //  X的自带预览view
 
    private byte[] nv21 = null; // 实时nv21图像流
 
protected void onCreate()(
    RelativeLayout layout=that.findViewById(R.id.camerax_preview);
    viewFinder =new PreviewView(that);//我是动态创建了个Preview，你也可以在页面直接写上
    layout.addView(viewFinder);
 
    Point screenSize = new Point(); // 获取屏幕总宽高        
    getWindowManager().getDefaultDisplay().getSize(screenSize);//getRealSize就会包括状态栏
    rational = aspectRatio(screenSize.x, screenSize.y);
 
    startCameraX();
}
 
 private double RATIO_4_3_VALUE = 4.0 / 3.0;
 private double RATIO_16_9_VALUE = 16.0 / 9.0;
 private int aspectRatio(int width, int height) {
    double previewRatio = Math.max(width, height) * 1.00 / Math.min(width, height);
    if (Math.abs(previewRatio - RATIO_4_3_VALUE) <= Math.abs(previewRatio - RATIO_16_9_VALUE)) {
        return AspectRatio.RATIO_4_3;
    }
    return AspectRatio.RATIO_16_9;
 }

3、初始化相机

    private void startCameraX() {
        ListenableFuture<ProcessCameraProvider> providerFuture = ProcessCameraProvider.getInstance(that);
        providerFuture.addListener(() -> {
            try { // 检测CameraProvider可用性
                cameraProvider = providerFuture.get();
            } catch (ExecutionException | InterruptedException e) {
                Toast.makeText(this, "相机X不可用", Toast.LENGTH_LONG).show();
                e.printStackTrace();
                return;
            }
            CameraSelector cameraSelector = new CameraSelector.Builder().requireLensFacing(
                    CameraSelector.LENS_FACING_FRONT
//                    CameraSelector.LENS_FACING_BACK
            ).build();
 
            //绑定预览
            mPreviewBuild = new Preview.Builder()
//                 .setTargetRotation(Surface.ROTATION_180)//设置预览旋转角度
              .build();
 
            mPreviewBuild.setSurfaceProvider(viewFinder.getSurfaceProvider()); // 绑定显示
 
 
            // 图像分析，监听试试获取的图像流
            ImageAnalysis imageAnalysis = new ImageAnalysis.Builder()
                .setTargetAspectRatio(rational)
                .setBackpressureStrategy(ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST)
//阻塞模式：ImageAnalysis.STRATEGY_BLOCK_PRODUCER  （在此模式下，执行器会依序从相应相机接收帧；这意味着，如果 analyze() 方法所用的时间超过单帧在当前帧速率下的延迟时间，所接收的帧便可能不再是最新的帧，因为在该方法返回之前，新帧会被阻止进入流水线）
//非阻塞模式： ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST （在此模式下，执行程序在调用 analyze() 方法时会从相机接收最新的可用帧。如果此方法所用的时间超过单帧在当前帧速率下的延迟时间，它可能会跳过某些帧，以便 analyze() 在下一次接收数据时获取相机流水线中的最新可用帧）
                .build();
 
            imageAnalysis.setAnalyzer(
                ContextCompat.getMainExecutor(this),
                new FaceAnalyze.MyAnalyzer() //绑定给我的图片分析类
            );
 
            // 绑定生命周期前先解绑
            cameraProvider.unbindAll();
            // 绑定
            Camera mCameraX = cameraProvider.bindToLifecycle(
                    (LifecycleOwner) this
                    ,cameraSelector
                    ,imageAnalysis
                    ,mPreviewBuild);
 
        }, ContextCompat.getMainExecutor(this));
    }

4、图片分析类，ImageUtil里的代码最后给出

    /**
     * 实时预览 Analyzer处理
     */
    private class MyAnalyzer implements ImageAnalysis.Analyzer {
        private byte[] y;
        private byte[] u;
        private byte[] v;
        private ReentrantLock lock = new ReentrantLock();
        private Object mImageReaderLock = 1;//1 available,0 unAvailable
        private long lastDrawTime = 0;
        private int timerSpace = 300; // 识别间隔
        @Override
        public void analyze(@NonNull ImageProxy imageProxy) {
            @SuppressLint("UnsafeOptInUsageError") Image mediaImage = imageProxy.getImage();
//            int rotationDegrees = imageProxy.getImageInfo().getRotationDegrees();
            if(mediaImage != null){
                synchronized (mImageReaderLock) {
                    /*识别频率Start 和状态*/
                    long start = System.currentTimeMillis();
                    if (start - lastDrawTime < timerSpace || !mImageReaderLock.equals(1)) {
                        mediaImage.close();
                        imageProxy.close();
                        return;
                    }
                    lastDrawTime = System.currentTimeMillis();
                    /*识别频率End*/
 
                    //判断YUV类型，我们申请的格式类型是YUV_420_888
                    if (ImageFormat.YUV_420_888 == mediaImage.getFormat()) {
                        Image.Plane[] planes = mediaImage.getPlanes();
                        if (mImageReaderSize == null) {
                            mImageReaderSize = new Size(planes[0].getRowStride(), mediaImage.getHeight());
                        }
 
                        lock.lock();
                        if (y == null) {
                            y = new byte[planes[0].getBuffer().limit() - planes[0].getBuffer().position()];
                            u = new byte[planes[1].getBuffer().limit() - planes[1].getBuffer().position()];
                            v = new byte[planes[2].getBuffer().limit() - planes[2].getBuffer().position()];
                        }
                        //从planes中分别获取y、u、v 变量数据
                        if (mediaImage.getPlanes()[0].getBuffer().remaining() == y.length) {
                            planes[0].getBuffer().get(y);
                            planes[1].getBuffer().get(u);
                            planes[2].getBuffer().get(v);
 
                            if (nv21 == null) {
                                nv21 = new byte[planes[0].getRowStride() * mediaImage.getHeight() * 3 / 2];
                            }
 
                            if (nv21 != null && (nv21.length != planes[0].getRowStride() * mediaImage.getHeight() * 3 / 2)) {
                                return;
                            }
                            // 回传数据是YUV422
                            if (y.length / u.length == 2) {
                                ImageUtil.yuv422ToYuv420sp(y, u, v, nv21, planes[0].getRowStride(), mediaImage.getHeight());
                            }
                            // 回传数据是YUV420
                            else if (y.length / u.length == 4) {
                                nv21 = ImageUtil.yuv420ToNv21(mediaImage);
                            }
 
                            //调用Arcsoft算法,获取人脸特征
                            getFaceInfo(nv21);
                        }
                        lock.unlock();
                    }
                }
            }
 
            //一定要关闭
            mediaImage.close();
            imageProxy.close();
 
        }
 
    }

5、进行人脸特征分析

    /**
     * 获取人脸特征
     */
    private int lastFaceID=-1;
    private void getFaceInfo(byte[] nv21) {
        List<FaceInfo> faceInfoList = new ArrayList<FaceInfo>();
        FaceFeature faceFeature = new FaceFeature();
        //第一步是送数据给arcsoft sdk，检查是否有人脸信息。
        int code = faceObj.detectFaces(nv21, mImageReaderSize.getWidth(),
                mImageReaderSize.getHeight(),
                faceObj.CP_PAF_NV21, faceInfoList);
        //数据检查正常，并且含有人脸信息，则进行下一步的人脸识别。
        if (code == ErrorInfo.MOK && faceInfoList.size() > 0) {
            int newFaceID = faceInfoList.get(0).getFaceId();// 每次不离镜头的同一人脸，其ID均相同
            if (lastFaceID == newFaceID) { // 相同脸则return
                Log.i("人脸ID相同", "旧" + lastFaceID);// + "、新" + newFaceID
                return;
            }
            lastFaceID = newFaceID;
//            long start = System.currentTimeMillis();
            // 特征数据分析部分机型会卡
            code = faceObj.extractFaceFeature(nv21, mImageReaderSize.getWidth(), mImageReaderSize.getHeight(),faceObj.CP_PAF_NV21, faceInfoList.get(0), faceFeature);
            if (code != ErrorInfo.MOK) {
                return;
            }
            byte[] featureData=faceFeature.getFeatureData();//最终的特征数据！！！
            post(featureData); //把数据给后端去查信息
//            Log.e(TAG, "特征长度"+faceFeature.getFeatureData().length);
 
//            long end = System.currentTimeMillis();
//            Log.e(TAG+lastFaceID, "耗时: "+(end-start)+"ms特征数据---: "+featureData.length);
        }
    }

四、ImageUtil代码

public class ImageUtil {
    /**
     * 将Y:U:V == 4:2:2的数据转换为nv21
     *
     * @param y      Y 数据
     * @param u      U 数据
     * @param v      V 数据
     * @param nv21   生成的nv21，需要预先分配内存
     * @param stride 步长
     * @param height 图像高度
     */
    public static void yuv422ToYuv420sp(byte[] y, byte[] u, byte[] v, byte[] nv21, int stride, int height) {
        System.arraycopy(y, 0, nv21, 0, y.length);
        // 注意，若length值为 y.length * 3 / 2 会有数组越界的风险，需使用真实数据长度计算
        int length = y.length + u.length / 2 + v.length / 2;
        int uIndex = 0, vIndex = 0;
        for (int i = stride * height; i < length; i += 2) {
            nv21[i] = v[vIndex];
            nv21[i + 1] = u[uIndex];
            vIndex += 2;
            uIndex += 2;
        }
    }
 
    /**
     * 将Y:U:V == 4:1:1的数据转换为nv21
     *
     * @param y      Y 数据
     * @param u      U 数据
     * @param v      V 数据
     * @param nv21   生成的nv21，需要预先分配内存
     * @param stride 步长
     * @param height 图像高度
     */
    public static void yuv420ToYuv420sp(byte[] y, byte[] u, byte[] v, byte[] nv21, int stride, int height) {
        System.arraycopy(y, 0, nv21, 0, y.length);
        // 注意，若length值为 y.length * 3 / 2 会有数组越界的风险，需使用真实数据长度计算
        int length = y.length + u.length + v.length;
        int uIndex = 0, vIndex = 0;
        for (int i = stride * height; i < length; i++) {
            nv21[i] = v[vIndex++];
            nv21[i + 1] = u[uIndex++];
        }
    }
 
    public static byte[] yuv420ToNv21(Image image) {
        Image.Plane[] planes = image.getPlanes();
        ByteBuffer yBuffer = planes[0].getBuffer();
        ByteBuffer uBuffer = planes[1].getBuffer();
        ByteBuffer vBuffer = planes[2].getBuffer();
 
        int ySize = yBuffer.remaining();
        int uSize = uBuffer.remaining();
        int vSize = vBuffer.remaining();
        int size = image.getWidth() * image.getHeight();
        byte[] nv21 = new byte[size * 3 / 2];
        yBuffer.get(nv21, 0, ySize);
        vBuffer.get(nv21, ySize, vSize);
 
        byte[] u = new byte[uSize];
        uBuffer.get(u);
 
        //每隔开一位替换V，达到VU交替
        int pos = ySize + 1;
        for (int i = 0; i < uSize; i++) {
            if (i % 2 == 0) {
                nv21[pos] = u[i];
                pos += 2;
            }
        }
        return nv21;
    }
    public static Bitmap nv21ToBitmap(byte[] nv21,int w, int h) {
        YuvImage image = new YuvImage(nv21, ImageFormat.NV21, w, h, null);
        ByteArrayOutputStream stream = new ByteArrayOutputStream();
        image.compressToJpeg(new Rect(0, 0, w, h), 80, stream);
        Bitmap newBitmap = BitmapFactory.decodeByteArray(stream.toByteArray(), 0, stream.size());
        try{
            stream.close();
        }catch (Exception e){}
        return newBitmap;
    }
}

That's all

Thanks !!!

附：

人脸路程中的坑《人脸识别坑》

二进制的特征数据怎么发给后台，参考我的另外一篇《安卓form-data形式上传二进制》