Swift之Vision 图像识别框架

Swift之Vision 图像识别框架

• 2017年苹果大大又推出了新机型iPhone 8和iPhone 8Plus, 这还不是重点, 重点是那一款价值9000RMB的iPhone X, 虽说网上吐槽声从未停止过, 但是我觉得还是不错的哈!
• 软件方面, 苹果大大也推出了iOS 11, 经本人iPhone 7手机亲测, 耗电快外加通知栏改不完的bug
• 当然了随着iOS 11的推出, 也随之推出了一些新的API，如：ARKit 、Core ML、FileProvider、IdentityLookup 、Core NFC、Vison 等。
• 这里我们还要说的就是Apple 在 WWDC 2017 推出的图像识别框架–Vison官方文档
• Demo地址

一. Vision应用场景

• Face Detection and Recognition : 人脸检测
  
  • 支持检测笑脸、侧脸、局部遮挡脸部、戴眼镜和帽子等场景，可以标记出人脸的矩形区域
  • 可以标记出人脸和眼睛、眉毛、鼻子、嘴、牙齿的轮廓，以及人脸的中轴线
• Image Alignment Analysis: 图像对比分析
• Barcode Detection: 二维码/条形码检测
  
  • 用于查找和识别图像中的条码
  • 检测条形码信息
• Text Detection: 文字检测
  
  • 查找图像中可见文本的区域
  • 检测文本区域的信息
• Object Detection and Tracking: 目标跟踪
  
  • 脸部，矩形和通用模板

二. Vision支持的图片类型

1. Objective-C中

• CVPixelBufferRef
• CGImageRef
• CIImage
• NSURL
• NSData

2. Swift中

• CVPixelBuffer
• CGImage
• CIImage
• URL
• Data

具体详情可在Vision.framework的VNImageRequestHandler.h文件中查看

三. Vision之API介绍

• 使用在vision的时候，我们首先需要明确自己需要什么效果，然后根据想要的效果来选择不同的类
• 给各种功能的 Request 提供给一个 RequestHandler
• Handler 持有需要识别的图片信息，并将处理结果分发给每个 Request 的 completion Block 中
• 可以从 results 属性中得到 Observation 数组
• observations数组中的内容根据不同的request请求返回了不同的observation
• 每种Observation有boundingBox，landmarks等属性，存储的是识别后物体的坐标，点位等
• 我们拿到坐标后，就可以进行一些UI绘制。

1. RequestHandler处理请求对象

• VNImageRequestHandler: 处理与单个图像有关的一个或多个图像分析请求的对象
  
  • 一般情况下都是用该类处理识别请求
  • 初始化方法支持CVPixelBuffer, CGImage, CIImage, URL, Data
• VNSequenceRequestHandler: 处理与多个图像序列有关的图像分析请求的对象
  
  • 目前我在处理物体跟踪的时候使用该类
  • 初始化方法同上

2. VNRequest介绍

• VNRequest: 图像分析请求的抽象类, 继承于NSObject
• VNBaseImageRequest: 专注于图像的特定部分的分析请求

- 具体分析请求类如下:

3. VNObservation检测对象

• VNObservation: 图像分析结果的抽象类, 继承与NSObject

- 图像检测结果的相关处理类如下:

四. 实战演练

1. 文本检测

• 方式一: 识别出具体的每一个字体的位置信息
• 方式二: 识别一行字体的位置信息

- 如图效果:

1.1 现将图片转成初始化VNImageRequestHandler对象时, 可接受的的CIImage

//1. 转成ciimage
guard let ciImage = CIImage(image: image) else { return }

1.2 创建处理请求的handle

• 参数一: 图片类型
• 参数二: 字典类型, 有默认值为[:]

let requestHandle = VNImageRequestHandler(ciImage: ciImage, options: [:])

1.3 创建回调闭包

• 两个参数, 无返回值
• VNRequest: 是所有请求Request的父类

public typealias VNRequestCompletionHandler = (VNRequest, Error?) -> Swift.Void

• 具体代码如下:

//4. 设置回调
let completionHandle: VNRequestCompletionHandler = { request, error in
    let observations = request.results
    //识别出来的对象数组    
}

1.4 创建识别请求

• 两种初始化方式

//无参数
public convenience init()

//闭包参数
public init(completionHandler: Vision.VNRequestCompletionHandler? = nil)

• 这里使用带闭包的初始化方式

let baseRequest = VNDetectTextRectanglesRequest(completionHandler: completionHandle)

• 属性设置(是否识别具体的每一个文字)

// 设置识别具体文字
baseRequest.setValue(true, forKey: "reportCharacterBoxes") 

• 不设置该属性, 识别出来的是一行文字

1.5 发送请求

    open func perform(_ requests: [VNRequest]) throws

• 该方法会抛出一个异常错误
• 在连续不断(摄像头扫描)发送请求过程中, 必须在子线程执行该方法, 否则会造成线程堵塞

//6. 发送请求
DispatchQueue.global().async {
    do{
        try requestHandle.perform([baseRequest])
    }catch{
        print("Throws：\(error)")
    }
}

1.6 处理识别的Observations对象

• 识别出来的results是[Any]?类型
• 根据boundingBox属性可以获取到对应的文本区域的尺寸
• 需要注意的是:
  
  • boundingBox得到的是相对iamge的比例尺寸, 都是小于1的
  • Y轴坐标于UIView坐标系是相反的

//1. 获取识别到的VNTextObservation
guard let boxArr = observations as? [VNTextObservation] else { return }

//2. 创建rect数组
var bigRects = [CGRect](), smallRects = [CGRect]()

//3. 遍历识别结果
for boxObj in boxArr {
    // 3.1尺寸转换
    //获取一行文本的区域位置
    bigRects.append(convertRect(boxObj.boundingBox, image))

    //2. 获取
    guard let rectangleArr = boxObj.characterBoxes else { continue }
    for rectangle in rectangleArr{
        //3. 得到每一个字体的的尺寸
        let boundBox = rectangle.boundingBox
        smallRects.append(convertRect(boundBox, image))
    }
}

坐标转换

/// image坐标转换
fileprivate func convertRect(_ rectangleRect: CGRect, _ image: UIImage) -> CGRect {
//此处是将Image的实际尺寸转化成imageView的尺寸
    let imageSize = image.scaleImage()
    let w = rectangleRect.width * imageSize.width
    let h = rectangleRect.height * imageSize.height
    let x = rectangleRect.minX * imageSize.width
    //该Y坐标与UIView的Y坐标是相反的
    let y = (1 - rectangleRect.minY) * imageSize.height - h
    return CGRect(x: x, y: y, width: w, height: h)
}

2. 矩形识别和静态人脸识别

- 识别图像中的矩形

- 静态人脸识别

- 主要核心代码

//1. 转成ciimage
guard let ciImage = CIImage(image: image) else { return }

//2. 创建处理request
let requestHandle = VNImageRequestHandler(ciImage: ciImage, options: [:])

//3. 创建baseRequest
//大多数识别请求request都继承自VNImageBasedRequest
var baseRequest = VNImageBasedRequest()

//4. 设置回调
let completionHandle: VNRequestCompletionHandler = { request, error in
    let observations = request.results
    self.handleImageObservable(type: type, image: image, observations, completeBack)
}

//5. 创建识别请求
switch type {
case .rectangle:
    baseRequest = VNDetectRectanglesRequest(completionHandler: completionHandle)
case .staticFace:
    baseRequest = VNDetectFaceRectanglesRequest(completionHandler: completionHandle)
default:
    break
}

• 处理识别的observation

    /// 矩形检测
    fileprivate func rectangleDectect(_ observations: [Any]?, image: UIImage, _ complecHandle: JunDetectHandle){
        //1. 获取识别到的VNRectangleObservation
        guard let boxArr = observations as? [VNRectangleObservation] else { return }
        //2. 创建rect数组
        var bigRects = [CGRect]()
        //3. 遍历识别结果
        for boxObj in boxArr {
            // 3.1
            bigRects.append(convertRect(boxObj.boundingBox, image))
        }
        //4. 回调结果
        complecHandle(bigRects, [])
    }

• 静态人脸识别需要将observation转成VNFaceObservation

guard let boxArr = observations as? [VNFaceObservation] else { return }

3. 条码识别

• 这里请求的步骤与矩形识别相同, 这里不再赘述
• 需要注意的是,在初始化request的时候需要设一个置可识别的条码类型参数
• 这里先看一下VNDetectBarcodesRequest的两个参数

//支持的可识别的条码类型(需要直接用class调用)
open class var supportedSymbologies: [VNBarcodeSymbology] { get }

//设置可识别的条码类型
open var symbologies: [VNBarcodeSymbology]

• 此处设置可识别到的条码类型为, 该请求支持是别的所有类型, 如下
• 注意supportedSymbologies参数的调用方法

let request = VNDetectBarcodesRequest(completionHandler: completionHandle)
request.symbologies = VNDetectBarcodesRequest.supportedSymbologies

• 条码识别不但能识别条码的位置信息, 还可以识别出条码的相关信息, 这里以二维码为例
• 这里需要将识别的observations转成[VNBarcodeObservation]
• VNBarcodeObservation有三个属性

//条码类型: qr, code128....等等
open var symbology: VNBarcodeSymbology { get }

//条码的相关信息
open var barcodeDescriptor: CIBarcodeDescriptor? { get }

//如果是二维码, 则是二维码的网址链接    
open var payloadStringValue: String? { get }

• 如上述图片识别出来的payloadStringValue参数则是小编的简书地址
• 下面是以上述图片的二维码为例处理的CIBarcodeDescriptor对象
• 有兴趣的可以仔细研究研究

    /// 二维码信息处理
    fileprivate func qrCodeHandle(barCode: CIBarcodeDescriptor?){
        //1. 转成对应的条码对象
        guard let code = barCode as? CIQRCodeDescriptor else { return }

        //2. 解读条码信息
        let level = code.errorCorrectionLevel.hashValue
        let version = code.symbolVersion
        let mask = code.maskPattern
        let data = code.errorCorrectedPayload
        let dataStr = String(data: data, encoding: .utf8)
        print("这是二维码信息--", level, "---", version, "----", mask, "---", dataStr ?? "")
    }

4. 人脸特征识别

- 可识别出人脸的轮廓, 眼睛, 鼻子, 嘴巴等具体位置

- VNFaceLandmarks2D介绍

    /// 脸部轮廓
    var faceContour: VNFaceLandmarkRegion2D?

    /// 左眼, 右眼
    var leftEye: VNFaceLandmarkRegion2D?
    var rightEye: VNFaceLandmarkRegion2D?

    /// 左睫毛, 右睫毛
    var leftEyebrow: VNFaceLandmarkRegion2D?
    var rightEyebrow: VNFaceLandmarkRegion2D?

    /// 左眼瞳, 右眼瞳
    var leftPupil: VNFaceLandmarkRegion2D?
    var rightPupil: VNFaceLandmarkRegion2D?

    /// 鼻子, 鼻嵴, 正中线
    var nose: VNFaceLandmarkRegion2D?
    var noseCrest: VNFaceLandmarkRegion2D?
    var medianLine: VNFaceLandmarkRegion2D?

    /// 外唇, 内唇
    var outerLips: VNFaceLandmarkRegion2D?
    var innerLips: VNFaceLandmarkRegion2D?

//某一部位所有的像素点
@nonobjc public var normalizedPoints: [CGPoint] { get }

//某一部位的所有像素点的个数
open var pointCount: Int { get }

• 将所有的像素点坐标转换成image对应的尺寸坐标
• 使用图像上下文, 对应部位画线

- 在UIView中重写func draw(_ rect: CGRect)方法

//5.1 获取当前上下文
let content = UIGraphicsGetCurrentContext()

//5.2 设置填充颜色(setStroke设置描边颜色)
UIColor.green.set()

//5.3 设置宽度
content?.setLineWidth(2)

//5.4. 设置线的类型(连接处)
content?.setLineJoin(.round)
content?.setLineCap(.round)

//5.5. 设置抗锯齿效果
content?.setShouldAntialias(true)
content?.setAllowsAntialiasing(true)

//5.6 开始绘制
content?.addLines(between: pointArr)
content?.drawPath(using: .stroke)

//5.7 结束绘制
content?.strokePath()

5. 动态人脸识别和实时动态添加

由于真机不好录制gif图(尝试了一下, 效果不是很好, 放弃了), 想看效果的朋友下载源码真机运行吧

• request的初始化这里就不做介绍了, 说一下handle的初始化方法
  
  • CVPixelBuffer: 扫描实时输出的对象

//1. 创建处理请求
let faceHandle = VNImageRequestHandler(cvPixelBuffer: pixelBuffer, options: [:])

• 主要强调一点, 相机扫描, 获取实时图像的过程, 必须在子线程执行, 否在会堵塞线程, 整个app失去响应, 亲自踩过的坑

DispatchQueue.global().async {
    do{
        try faceHandle.perform([baseRequest])
    }catch{
        print("Throws：\(error)")
    }
}

扫描结果处理

• 动态人脸识别和静态人脸识别不同的地方就是, 动态实时刷新, 更新UI, 所以处理结果的方法相同
• 动态添加: 这里处理方式是添加一个眼镜效果
• 这里需要获取到两只眼睛的位置和宽度
  
  • 先获取到左右眼的所有的像素点和像素点的个数
  • 遍历所有的像素点, 转换成合适的坐标
  • 将左右眼的所有的point, 分别获取X和Y坐标放到不同的数组
  • 将数组有小到大排序, 得到X的最大和最小的差值, Y的最大和最小的差值
  • 具体代码如下

    /// H偶去转换后的尺寸坐标
    fileprivate func getEyePoint(faceModel: FaceFeatureModel, position: AVCaptureDevice.Position) -> CGRect{
        //1. 获取左右眼
        guard let leftEye = faceModel.leftEye else { return CGRect.zero }
        guard let rightEye = faceModel.rightEye else { return CGRect.zero }

        //2. 位置数组
        let leftPoint = conventPoint(landmark: leftEye, faceRect: faceModel.faceObservation.boundingBox, position: position)
        let rightPoint = conventPoint(landmark: rightEye, faceRect: faceModel.faceObservation.boundingBox, position: position)

        //3. 排序
        let pointXs = (leftPoint.0 + rightPoint.0).sorted()
        let pointYs = (leftPoint.1 + rightPoint.1).sorted()

        //4. 添加眼睛
        let image = UIImage(named: "eyes")!
        let imageWidth = (pointXs.last ?? 0.0) - (pointXs.first ?? 0) + 40
        let imageHeight = image.size.height / image.size.width * imageWidth

        return CGRect(x: (pointXs.first ?? 0) - 20, y: (pointYs.first ?? 0) - 5, width: imageWidth, height: imageHeight)
    }

• 每一只眼睛的坐标处理

    /// 坐标转换
    fileprivate func conventPoint(landmark: VNFaceLandmarkRegion2D, faceRect: CGRect, position: AVCaptureDevice.Position) -> ([CGFloat], [CGFloat]){
        //1. 定义
        var XArray = [CGFloat](), YArray = [CGFloat]()
        let viewRect = previewLayer.frame

        //2. 遍历
        for i in 0...pointCount {
            //2.1 获取当前位置并转化到合适尺寸
            let point = landmark.normalizedPoints[i]
            let rectWidth = viewRect.width * faceRect.width
            let rectHeight = viewRect.height * faceRect.height
            let rectY = viewRect.height - (point.y * rectHeight + faceRect.minY * viewRect.height)
            var rectX = point.x * rectWidth + faceRect.minX * viewRect.width
            if position == .front{
                rectX = viewRect.width + (point.x - 1) * rectWidth
            }
            XArray.append(rectX)
            YArray.append(rectY)
        }

        return (XArray, YArray)
    }

• 最后获取到该CGRect, 添加眼镜效果即可

6. 物体跟踪

• 简介
  
  • 我们在屏幕上点击某物体, 然后Vision就会根据点击的物体, 实时跟踪该物体
  • 当你移动手机或者物体时, 识别的对象和红框的位置是统一的
• 这里我们出的的对象是VNDetectedObjectObservation
• 定义一个观察属性

fileprivate var lastObservation: VNDetectedObjectObservation?

• 创建一个处理多个图像序列的请求

//处理与多个图像序列的请求handle
let sequenceHandle = VNSequenceRequestHandler()

• 创建跟踪识别请求

//4. 创建跟踪识别请求
let trackRequest = VNTrackObjectRequest(detectedObjectObservation: lastObservation, completionHandler: completionHandle)
//将精度设置为高
trackRequest.trackingLevel = .accurate

• 当用户点击屏幕时，我们想要找出用户点击的位置,
• 根据点击的位置, 获取到一个新的物体对象

//2. 转换坐标
let convertRect = visionTool.convertRect(viewRect: redView.frame, layerRect: previewLayer.frame)

//3. 根据点击的位置获取新的对象
let newObservation = VNDetectedObjectObservation(boundingBox: convertRect)
lastObservation = newObservation

• 获取到扫描的结果, 如果是一个VNDetectedObjectObservation对象, 重新赋值

//1. 获取一个实际的结果
guard let newObservation = observations?.first as? VNDetectedObjectObservation else { return }

//2. 重新赋值
self.lastObservation = newObservation

• 根据获取到的新值, 获取物体的坐标位置
• 转换坐标, 改变红色框的位置

//4. 坐标转换
let newRect = newObservation.boundingBox
let convertRect = visionTool.convertRect(newRect, self.previewLayer.frame)
self.redView.frame = convertRect

以上就是iOS 11的新框架Vision在Swift中的所有使用的情况
- 文中所列的内容可能有点空洞, 也稍微有点乱
- 小编也是刚接触Vision, 文中如有解释不全, 或者错误的地方, 还请不吝赐教

---

GitHub–Demo地址

• 注意:
  
  • 这里只是列出了主要的核心代码,具体的代码逻辑请参考demo
  • 文中相关介绍有的地方如果有不是很详细或者有更好建议的,欢迎联系小编
  • 如果方便的话, 还望star一下