超简单集成 HMS ML Kit 实现最大脸微笑抓拍

飞奔的炮台

前言
如果大家对 HMS ML Kit 人脸检测功能有所了解，相信已经动手调用我们提供的接口编写自己的 APP 啦。目前就有小伙伴在调用接口的过程中反馈，不太清楚 HMS ML Kit 文档中的 MLMaxSizeFaceTransactor 这个接口的使用方法。为了让大家更加深刻的了解我们的接口，方便在场景中使用，在这篇文章中小编准备抛砖引玉，大家可以打开思路，多多尝试。如果有小伙伴想要深入的了解更加全面具体的功能，请大家移步https://developer.huawei.com/consumer/cn/hms/huawei-mlkit。
场景
相信大家都有在五一、十一出去游玩的经历，是不是都是这样的 people mountain people sea.

好不容易找个人少的地方，结果拍出来的照片是这样的

这样的

还有这样的

不看不知道，原来我的面部表情这么丰富。。是不是很心累？每次想要发个出去浪的朋友圈，都要在白天拍的成百上千张类似款的照片里，花上一小时才能找到一张能看的照片。。。

为了解决类似问题，HMS ML Kit 提供了追踪识别画面中最大脸的接口，能够识别图像中的最大脸，方便对跟踪图像中的”重点目标“做相关操作和处理。本文中就简单的调用 MLMaxSizeFaceTransactor 这个接口，实现最大脸微笑抓拍的功能。
开发前准备
android studio 安装
很简单，下载安装即可。具体下载链接：
Android studio 官网下载链接：https://developer.android.com/studio
Android studio安装流程参考链接：https://www.cnblogs.com/xiadewang/p/7820377.html
在项目级 gradle 里添加华为 maven 仓
打开 AndroidStudio 项目级 build.gradle 文件

增量添加如下 maven 地址：

buildscript {
   {    
    maven {url 'http://developer.huawei.com/repo/'}
  }  
}
allprojects {
  repositories {     
    maven { url 'http://developer.huawei.com/repo/'}
  }
}

在应用级的 build.gradle 里面加上 SDK 依赖

dependencies {
  implementation 'com.huawei.hms:ml-computer-vision-face-recognition-model:1.0.3.300'
  implementation 'com.huawei.hms:ml-computer-vision-face:1.0.3.300'
}

在 AndroidManifest.xml 文件里面增量添加模型自动下载
要使应用程序能够在用户从华为应用市场安装您的应用程序后，自动将最新的机器学习模型更新到用户设备，请将以下语句添加到该应用程序的 AndroidManifest.xml 文件中：

<manifest> 
  ...  
  <meta-data           
    android:name="com.huawei.hms.ml.DEPENDENCY"      
    android:value= " face"/> 
...  
</manifest>

在 AndroidManifest.xml 文件里面申请相机、访问网络和存储权限

<!--相机权限--> 
<uses-feature android:name="android.hardware.camera" />
<uses-permission android:name="android.permission.CAMERA" />
<!--写权限--> 
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />

代码开发关键步骤
动态权限申请

@Override 
public void onCreate(Bundle savedInstanceState) { 
……
  if (!allPermissionsGranted()) {
    getRuntimePermissions();
  }  
}

创建人脸识别检测器
可以通过人脸识别检测配置器“MLFaceAnalyzerSetting”创建人脸识别检测器。

MLFaceAnalyzerSetting setting =
        new MLFaceAnalyzerSetting.Factory()
            .setFeatureType(MLFaceAnalyzerSetting.TYPE_FEATURES)
            .setKeyPointType(MLFaceAnalyzerSetting.TYPE_UNSUPPORT_KEYPOINTS)
            .setMinFaceProportion(0.1f)
            .setTracingAllowed(true)
            .create();

通过 MLMaxSizeFaceTransactor.Creator 创建“MLMaxSizeFaceTransactor”对象用于处理检测到的最大脸，其中 objectCreateCallback() 方法是在检测到对象的时候调用的，objectUpdateCallback() 方法是在对象更新了的时候调用的，在方法里通过 Overlay 在识别到的最大人脸上标记了一个方块，并通过检测结果获取 MLFaceEmotion 来识别微笑表情触发拍照。

MLMaxSizeFaceTransactor transactor = new MLMaxSizeFaceTransactor.Creator(analyzer, new MLResultTrailer<MLFace>() {
  @Override
  public void objectCreateCallback(int itemId, MLFace obj) {
    LiveFaceAnalyseActivity.this.overlay.clear();
    if (obj == null) {
      return;
    }
    LocalFaceGraphic faceGraphic =
        new LocalFaceGraphic(LiveFaceAnalyseActivity.this.overlay, obj, LiveFaceAnalyseActivity.this);
    LiveFaceAnalyseActivity.this.overlay.addGraphic(faceGraphic);
    MLFaceEmotion emotion = obj.getEmotions();
    if (emotion.getSmilingProbability() > smilingPossibility) {
      safeToTakePicture = false;
      mHandler.sendEmptyMessage(TAKE_PHOTO);
    }
  }
  @Override
  public void objectUpdateCallback(MLAnalyzer.Result<MLFace> var1, MLFace obj) {
    LiveFaceAnalyseActivity.this.overlay.clear();
    if (obj == null) {
      return;
     }
     LocalFaceGraphic faceGraphic =
         new LocalFaceGraphic(LiveFaceAnalyseActivity.this.overlay, obj, LiveFaceAnalyseActivity.this);
     LiveFaceAnalyseActivity.this.overlay.addGraphic(faceGraphic);
     MLFaceEmotion emotion = obj.getEmotions();
     if (emotion.getSmilingProbability() > smilingPossibility && safeToTakePicture) {
       safeToTakePicture = false;
       mHandler.sendEmptyMessage(TAKE_PHOTO);
     }
  }
  @Override
  public void lostCallback(MLAnalyzer.Result<MLFace> result) {
    LiveFaceAnalyseActivity.this.overlay.clear();
  }
  @Override
  public void completeCallback() {
    LiveFaceAnalyseActivity.this.overlay.clear();
  }
}).create();
this.analyzer.setTransactor(transactor);

通过 LensEngine.Creator 创建 LensEngine 实例进行视频流的人脸检测检测

this.mLensEngine = new LensEngine.Creator(context, this.analyzer).setLensType(this.lensType)
        .applyDisplayDimension(640, 480)
        .applyFps(25.0f)
        .enableAutomaticFocus(true)
        .create();

启动相机预览进行人脸检测

this.mPreview.start(this.mLensEngine, this.overlay);

Demo 效果
demo 中显示当检测到画面中最大脸微笑时，即启动自动抓拍。

往期链接：
第一期：用华为 HMS MLKit SDK 三十分钟在安卓上开发一个微笑抓拍神器
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201198419687680377&fid=18
第二期：安卓开发实战，用华为 HMS MLKit 图像分割 SDK 开发一个证件照 DIY 小程序
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201203408959360433&fid=18
第三期：安卓开发实战，用 HMS MLKit 华为机器学习服务开发一个拍照翻译小程序
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201209905778120045&fid=18
第四期：超简单集成华为 HMS MLKit 机器学习服务 银行卡识别 SDK，一键实现银行卡绑定
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201217390745110144&fid=18
第五期：超简单集成华为 HMS Core MLKit 通用卡证识别SDK，一键实现各种卡绑定
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201226181206630022&fid=18
第六期：超简单集成 HMS ML Kit 二代身份证识别，一键实名认证
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201226149614940020&fid=18
第七期：一文搞懂华为 HMS ML Kit 文本识别、银行卡识别、通用卡证识别、身份证识别
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201242744680220246&fid=18
第八期：Zxing 与华为 HMS Scan Kit 对比分析
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201246151427920285&fid=18
下期预告：
基于华为机器学习服务，后面还会有一系列的实战经验分享，大家可以持续关注~