简介

虽然各厂商为我们提供了优质的人脸识别SDK，但其中包含了较多的无意义代码，例如错误处理，检测，剖析，而开发者在接入时往往不是非常关心这些事情，RxArcFace旨在将虹软人脸识别SDK的模板化操作封装，并结合RxJava2，带给开发者流畅的开发体验

项目地址： https://github.com/ZYF99/RxArcFace

关于虹软人脸识别SDK

虹软人脸人脸识别SDK：ArcFace 离线SDK，包含人脸检测、性别检测、年龄检测、人脸识别、图像质量检测、RGB活体检测、IR活体检测等能力，初次使用时需联网激活，激活后即可在本地无网络环境下工作，可根据具体的业务需求结合人脸识别SDK灵活地进行应用层开发。

基础版本暂不支持图像质量检测以及离线激活；

0. 引子

人脸识别在当今已不是稀奇的功能，许多业务场景都能看到人脸识别的影子。作为移动应用开发者，选择接入合适的SDK能为我们带来更高效的开发体验；本文首先将以虹软人脸识别SDK基础方法为切入点逐渐探讨，但官方SDK未免过于繁琐，所以文章带领读者将其封装，基于官方方法打造自己的高可用，多场景可用的Util，使人脸开发无需繁琐的过程即可轻松接入。

SDK准备工作请参考
https://ai.arcsoft.com.cn/manual/docs#/139
https://ai.arcsoft.com.cn/manual/docs#/140 只需看3.1
本文将不再累述

1. 方法介绍（摘自虹软安卓接入详情）

1.activeOnline

功能描述

用于在线激活SDK。

方法

int activeOnline(Context context,  String appId, String sdkKey)

初次使用SDK时需要对SDK先进行激活，激活后无需重复调用；
调用此接口时必须为联网状态，激活成功后即可离线使用；

参数说明

参数	类型	描述
context	in	上下文信息
appId	in	官网获取的APP_ID
sdkKey	in	官网获取的SDK_KEY

返回值

成功返回ErrorInfo.MOK、ErrorInfo.MERR_ASF_ALREADY_ACTIVATED，失败详见错误码列表。

2.init

功能描述

初始化引擎。

该接口至关重要，清楚的了解该接口参数的意义，可以避免一些问题以及对项目的设计都有一定的帮助。

方法

int init(
    Context context,
    DetectMode detectMode,
    DetectFaceOrientPriority detectFaceOrientPriority,
    int detectFaceScaleVal,
    int detectFaceMaxNum,
    int combinedMask
)

参数说明

参数	类型	描述
context	in	上下文信息
detectMode	in	VIDEO模式：处理连续帧的图像数据 IMAGE模式：处理单张的图像数据
detectFaceOrientPriority	in	人脸检测角度，推荐单一角度检测；
detectFaceScaleVal	in	识别的最小人脸比例（图片长边与人脸框长边的比值） VIDEO模式取值范围[2,32]，推荐值为16 IMAGE模式取值范围[2,32]，推荐值为32
detectFaceMaxNum	in	最大需要检测的人脸个数，取值范围[1,50]
combinedMask	in	需要启用的功能组合，可多选

3.detectFaces（传入分离的图像信息数据）

方法

int detectFaces(
    byte[] data,
    int width,
    int height,
    int format,
    List faceInfoList
)

参数说明

参数	类型	描述
data	in	图像数据
width	in	图像宽度，为4的倍数
height	in	图像高度，在NV21格式下要求为2的倍数； BGR24/GRAY/DEPTH_U16格式无限制；
format	in	图像的颜色格式
faceInfoList	out	检测到的人脸信息

返回值

成功返回ErrorInfo.MOK，失败详见错误码列表。

detectFaceMaxNum 参数的设置，对能否检测到人脸以及检测到几张人脸都有决定性的作用。

4.process（传入分离的图像信息数据）

方法

int process(
    byte[] data,
    int width,
    int height,
    int format,
    List faceInfoList,
    int combinedMask
)

参数说明

参数	类型	描述
data	in	图像数据
width	in	图片宽度，为4的倍数
height	in	图片高度，在NV21格式下要求为2的倍数 BGR24格式无限制
format	in	支持NV21/BGR24
faceInfoList	in	人脸信息列表
combinedMask	in	检测的属性（ASF_AGE、ASF_GENDER、 ASF_FACE3DANGLE、ASF_LIVENESS），支持多选检测的属性须在引擎初始化接口的combinedMask参数中启用

重要参数说明

combinedMask

process接口中支持检测ASF_AGE、ASF_GENDER、ASF_FACE3DANGLE、ASF_LIVENESS四种属性，但是想检测这些属性，必须在初始化引擎接口中对想要检测的属性进行初始化。

关于初始化接口中combinedMask和process接口中combinedMask参数之间的关系，举例进行详细说明，如下图所示：

process接口中combinedMask支持传入的属性有ASF_AGE、ASF_GENDER、ASF_FACE3DANGLE、ASF_LIVENESS。
初始化中传入了ASF_FACE_DETECT、ASF_FACERECOGNITION、ASF_AGE、ASF_LIVENESS属性。
process可传入属性组合只有ASF_AGE、ASF_LIVENESS、ASF_AGE | ASF_LIVENESS。

combinedMask

返回值

成功返回ErrorInfo.MOK，失败详见错误码列表。

5.extractFaceFeature（传入分离的图像信息数据）

方法

int extractFaceFeature(
    byte[] data,
    int width,
    int height,
    int format,
    FaceInfo faceInfo,
    FaceFeature feature
)

参数说明

参数	类型	描述
data	in	图像数据
width	in	图片宽度，为4的倍数
height	in	图片高度，在NV21格式下要求为2的倍数； BGR24/GRAY/DEPTH_U16格式无限制；
format	in	图像的颜色格式
faceInfo	in	人脸信息（人脸框、人脸角度）
feature	out	提取到的人脸特征信息

返回值

成功返回ErrorInfo.MOK，失败详见错误码列表。

6.compareFaceFeature（可选择比对模型）

方法

int compareFaceFeature (
    FaceFeature feature1,
    FaceFeature feature2,
    CompareModel compareModel,
    FaceSimilar faceSimilar
)

参数说明

参数	类型	描述
feature1	in	人脸特征
feature2	in	人脸特征
compareModel	in	比对模型
faceSimilar	out	比对相似度

返回值

成功返回ErrorInfo.MOK，失败详见错误码列表。

使用 RxArcFace

clone项目到本地 https://github.com/ZYF99/RxArcFace.git
在需要使用的项目中引入RxArcFace的Module
选中刚才克隆下的项目文件夹中的RxArcFaceModule
在自己项目的app的build.gradle中添加依赖

implementation project(path: ':RxArcFacelibrary')

添加权限

将需要匹配的数据类实现 `IFaceDetect` 接口

data class Person(
    val id: Long? = null,
    val name: String? = null,
    val avatar: String? = null, //添加avatar属性
    var faceCode: String? = null //添加faceCode可变属性
) : IFaceDetect {
    override fun getFaceCodeJson(): String? {
        return faceCode
    }

    override fun getAvatarUrl(): String? {
        return avatar
    }

    override fun bindFaceCode(faceCodeJson: String?) {
        faceCode = faceCodeJson
    }
}

也许你会问为什么我还需要自己添加faceCode属性和avatar属性呢？

其实并不是需要你自己去添加，往往我们在接入人脸识别功能时，我们早就有了自己的数据类，这跟数据类很可能是后端返回给我们的，而我们有时候很难决定后端会给我们什么样的数据， faceCode 和 avatar 只是说我们的数据类必须有这两种东西（一个人脸特征，一个头像），它们可以是你之前就有的，也可以是你后来添加的，假如后端本身就返回给我们一个属性作为人脸特征，那么我们直接在 getFaceCodeJson 返回它就好，avatar同理。

摄像头采集图像

    private var camera: Camera? = null
    
    //初始化相机、surfaceView
    private fun initCameraOrigin(surfaceView: SurfaceView) {
        surfaceView.holder.addCallback(object : SurfaceHolder.Callback {
            override fun surfaceCreated(holder: SurfaceHolder) {
                //surface创建时执行
                if (camera == null) {
                    if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.LOLLIPOP) {
                        camera = openCamera(this@MainActivity) { data, camera, resWidth, resHeight ->
                                if (data != null && data.size > 1) {
                                    //TODO 人脸匹配
                                }
                            }
                    }
                }
                //调整摄像头方向
                camera?.let { setCameraDisplayOrientation(this@MainActivity, it) }

                //开始预览
                holder.let { camera?.startPreview(it) }
            }

            override fun surfaceChanged(
                holder: SurfaceHolder,
                format: Int,
                width: Int,
                height: Int
            ) {

            }

            override fun surfaceDestroyed(holder: SurfaceHolder) {
                camera.releaseCamera()
                camera = null
            }
        })
    }
    
    override fun onPause() {
        camera?.setPreviewCallback(null)
        camera.releaseCamera()//释放相机资源
        camera = null
        super.onPause()
    }

    override fun onDestroy() {
        camera?.setPreviewCallback(null)
        camera.releaseCamera()//释放相机资源
        camera = null
        super.onDestroy()
    }

使用人脸识别匹配

if (data != null && data.size > 1) {
    matchHumanFaceListByArcSoft(
        data = data,
        width = resWidth,
        height = resHeight,
        humanList = listOfPerson,
        doOnMatchedHuman = { matchedPerson ->
            Toast.makeText(
                this@MainActivity,
                "匹配到${matchedPerson.name}",
                Toast.LENGTH_SHORT
            ).show()
            isFaceDetecting = false
        },
        doOnMatchMissing = {
            Toast.makeText(
                this@MainActivity,
                "没匹配到人，正在录入",
                Toast.LENGTH_SHORT
            ).show()

            //为一个新的人绑定人脸数据
            bindFaceCodeByByteArray(
                Person(name = "帅哥"),
                data,
                resWidth,
                resHeight
            ).doOnSuccess {
                //往当前列表加入新注册的人
                listOfPerson.add(it)
                Toast.makeText(
                    this@MainActivity,
                    "录入成功",
                    Toast.LENGTH_SHORT
                ).show()
                isFaceDetecting = false
            }.subscribe()

        },
        doFinally = { }
    )
}

完整的Activity代码

package com.lxh.rxarcface

import android.hardware.Camera
import android.os.Build
import androidx.appcompat.app.AppCompatActivity
import android.os.Bundle
import android.util.Log
import android.view.SurfaceHolder
import android.view.SurfaceView
import android.widget.Toast
import com.lxh.rxarcfacelibrary.bindFaceCodeByByteArray
import com.lxh.rxarcfacelibrary.initArcSoftEngine
import com.lxh.rxarcfacelibrary.isFaceDetecting
import com.lxh.rxarcfacelibrary.matchHumanFaceListByArcSoft

class MainActivity : AppCompatActivity() {

    private var camera: Camera? = null
    private var listOfPerson: MutableList = mutableListOf()

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(R.layout.activity_main)
        
        //初始化人脸识别引擎
        initArcSoftEngine(
            this,
            "输入官网申请的appid",
            "输入官网申请的"
        )

        //初始化摄像头
        initCameraOrigin(findViewById(R.id.surface_view))
    }

    //初始化相机、surfaceView
    private fun initCameraOrigin(surfaceView: SurfaceView) {
        surfaceView.holder.addCallback(object : SurfaceHolder.Callback {
            override fun surfaceCreated(holder: SurfaceHolder) {
                //surface创建时执行
                if (camera == null) {
                    if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.LOLLIPOP) {
                        camera =
                            openCamera(this@MainActivity) { data, camera, resWidth, resHeight ->
                                if (data != null && data.size > 1) {
                                    matchHumanFaceListByArcSoft(
                                        data = data,
                                        width = resWidth,
                                        height = resHeight,
                                        humanList = listOfPerson,
                                        doOnMatchedHuman = { matchedPerson ->
                                            Toast.makeText(
                                                this@MainActivity,
                                                "匹配到${matchedPerson.name}",
                                                Toast.LENGTH_SHORT
                                            ).show()
                                            isFaceDetecting = false
                                        },
                                        doOnMatchMissing = {
                                            Toast.makeText(
                                                this@MainActivity,
                                                "没匹配到人，正在录入",
                                                Toast.LENGTH_SHORT
                                            ).show()

                                            //为一个新的人绑定人脸数据
                                            bindFaceCodeByByteArray(
                                                Person(name = "帅哥"),
                                                data,
                                                resWidth,
                                                resHeight
                                            ).doOnSuccess {
                                                //往当前列表加入新注册的人
                                                listOfPerson.add(it)
                                                Toast.makeText(
                                                    this@MainActivity,
                                                    "录入成功",
                                                    Toast.LENGTH_SHORT
                                                ).show()
                                                isFaceDetecting = false
                                            }.subscribe()

                                        },
                                        doFinally = { }
                                    )
                                }
                            }
                    }
                }
                //调整摄像头方向
                camera?.let { setCameraDisplayOrientation(this@MainActivity, it) }

                //开始预览
                holder.let { camera?.startPreview(it) }
            }

            override fun surfaceChanged(
                holder: SurfaceHolder,
                format: Int,
                width: Int,
                height: Int
            ) {

            }

            override fun surfaceDestroyed(holder: SurfaceHolder) {
                camera.releaseCamera()
                camera = null
            }
        })
    }

    override fun onPause() {
        camera?.setPreviewCallback(null)
        camera.releaseCamera()//释放相机资源
        camera = null
        super.onPause()
    }

    override fun onDestroy() {
        camera?.setPreviewCallback(null)
        camera.releaseCamera()//释放相机资源
        camera = null
        super.onDestroy()
    }

}

注意：Demo没有检查相机权限，自行在设置去打开权限或者自己添加权限检测

封装介绍

直接SDK的使用请参考官方Demo，在注册SDK服务时下载即可。这里不介绍Demo使用，如果需要直接参考官方写的Demo即可，另外的，用我最后的封装会比直接使用官方SDK简单得多

1.引入依赖

https://ai.arcsoft.com.cn/manual/docs#/140：请确保已按照3.1引入虹软依赖配置

    //RxJava2
    implementation "io.reactivex.rxjava2:rxjava:2.2.13"
    implementation "io.reactivex.rxjava2:rxkotlin:2.3.0"

    //Json Serializer（工具类中使用到了Moshi作为序列化工具，可自行替换为其他工具）
    implementation("com.squareup.moshi:moshi-kotlin:1.9.2")
    kapt("com.squareup.moshi:moshi-kotlin-codegen:1.9.2")

    //Glide（工具类中使用到了Glide作为序列化工具，可自行替换为其他工具）
    implementation "com.github.bumptech.glide:glide:4.10.0"
    
    //RxJava2
    implementation "io.reactivex.rxjava2:rxjava:2.2.13"
    implementation 'io.reactivex.rxjava2:rxandroid:2.1.1'
    implementation "io.reactivex.rxjava2:rxkotlin:2.3.0"

2.实现工具类

定义全局变量

//(虹软)判断为同一人的阈值，大于此值即可判断为同一人
const val ARC_SOFT_VALUE_MATCHED = 0.8f

private var context: Context? = null

//虹软人脸初始化分析引擎（用于整个APP种需要解析人脸图片为虹软人脸特征数据所使用的引擎）
//使用两个引擎的原因是：我们从网络或者自己的服务器获取的人脸照片人脸方向一定正常，但Android本身Camera获取到的图像旋转角度不定，初始化时又必须给一个旋转角度
private val faceDetectEngine = FaceEngine()

//虹软人脸识别引擎（用于人脸识别使用的引擎）
private val faceEngine = FaceEngine()

//上次检测人脸的时间戳
var lastFaceDetectingTime = 0L

//是否正在检测（很重要，若同一时间多个图片交给SDK检测，C++底层将会内存溢出）
var isFaceDetecting = false

初始化

/**
 * (虹软)初始化人脸识别引擎
 * */
 fun initArcSoftEngine(
    contextTemp: Context,
    arcAppId: String, //在官网申请的 APPID
    arcSdkKey: String //在官网申请的 APPKEY
) {
    context = contextTemp
    val activeCode = FaceEngine.activeOnline(
        context,
        arcAppId,
        arcSdkKey
    )
    Log.d("激活虹软,结果码：", activeCode.toString())
    
    //人脸识别引擎
    val faceEngineCode = faceEngine.init(
        context,
        DetectMode.ASF_DETECT_MODE_IMAGE, //检测模式，可选 ASF_DETECT_MODE_VIDEO、ASF_DETECT_MODE_IMAGE
        DetectFaceOrientPriority.ASF_OP_270_ONLY, //检测角度，不清楚角度可将模式改为VIDEO模式并将角度设置为 ASF_OP_ALL_OUT（全角度检测）
        16,
        6,
        FaceEngine.ASF_FACE_RECOGNITION or FaceEngine.ASF_AGE or FaceEngine.ASF_FACE_DETECT or FaceEngine.ASF_GENDER or FaceEngine.ASF_FACE3DANGLE
    )

    //人脸图片分析引擎
    faceDetectEngine.init(
        context,
        DetectMode.ASF_DETECT_MODE_VIDEO,
        DetectFaceOrientPriority.ASF_OP_ALL_OUT,
        16,
        6,
        FaceEngine.ASF_FACE_RECOGNITION or FaceEngine.ASF_AGE or FaceEngine.ASF_FACE_DETECT or FaceEngine.ASF_GENDER or FaceEngine.ASF_FACE3DANGLE
    )

    Log.d("FaceEngine init", "initEngine: init $faceEngineCode")
    when (faceEngineCode) {
        ErrorInfo.MOK,
        ErrorInfo.MERR_ASF_ALREADY_ACTIVATED -> {
        }
        else -> showToast("初始化虹软人脸识别错误，Code${faceEngineCode}")
    }
}

接下来我们需要定义一个规范，通过上面的API介绍我们知道识别其实是通过 compareFaceFeature()方法比较两个 FaceFeature对象，所以我们需要比较的数据类比如一个 data class Person 就需要里面有一个类型为 FaceFeature 属性。但我们可能拥有多个这样的 class ，比如 Student 、Teacher，他们都是毫无关系的数据类，于是我用一个接口来要求每个需要人脸识别的类去实现。

定义识别实体类的接口

/**
 * 作为人脸识别数据类必须实现的接口
 * */
interface IFaceDetect {
    //获取特征码Json
    fun getFaceCodeJson(): String?

    //获取头像URL
    fun getAvatarUrl(): String?

    //绑定特征码
    fun bindFaceCode(faceCodeJson: String?)
}

通过图片byte数组获取FaceFeature

/**
 * (虹软)通过人员人脸图片byteArray，为人员绑定上特征码
 * */
@Synchronized
fun  bindFaceCodeByByteArray(
    person: T,
    imageByteArray: ByteArray,
    imageWidth: Int,
    imageHeight: Int
): Single {
    return getArcFaceCodeByImageData(
        imageByteArray,
        imageWidth,
        imageHeight
    ).flatMap {
        Single.just(person.apply {
            bindFaceCode(it)
        })
    }.subscribeOn(Schedulers.io())
        .observeOn(AndroidSchedulers.mainThread())
}

/**
 * 通过图片数据加载为ArcFaceCode
 * */
private fun getArcFaceCodeByImageData(
    imageData: ByteArray,
    imageWidth: Int,
    imageHeight: Int
): Single {
    return Single.create { emitter ->
        val detectStartTime = System.currentTimeMillis()
        //人脸列表
        val faceInfoList: List = mutableListOf()

        //⼈脸检测
        val detectCode = faceDetectEngine.detectFaces(
            imageData,
            imageWidth,
            imageHeight,
            FaceEngine.CP_PAF_NV21,
            faceInfoList
        )
        if (detectCode == 0) {
            //人脸剖析
            val faceProcessCode = faceDetectEngine.process(
                imageData,
                imageWidth,
                imageHeight,
                FaceEngine.CP_PAF_NV21,
                faceInfoList,
                FaceEngine.ASF_AGE or FaceEngine.ASF_GENDER or FaceEngine.ASF_FACE3DANGLE
            )
            //剖析成功
            if (faceProcessCode == ErrorInfo.MOK && faceInfoList.isNotEmpty()) {
                //识别到的人脸特征
                val currentFaceFeature = FaceFeature()
                //人脸特征分析
                val res = faceDetectEngine.extractFaceFeature(
                    imageData,
                    imageWidth,
                    imageHeight,
                    FaceEngine.CP_PAF_NV21,
                    faceInfoList[0],
                    currentFaceFeature
                )
                //人脸特征分析成功
                if (res == ErrorInfo.MOK) {
                    Log.d(
                        "!!人脸转换耗时",
                        "${System.currentTimeMillis() - detectStartTime}"
                    )
                    Schedulers.io().scheduleDirect {
                        emitter.onSuccess(globalMoshi.toJson(currentFaceFeature))
                    }
                }
            } else {
                Log.d("ARCFACE", "face process finished , code is $faceProcessCode")
                Schedulers.io().scheduleDirect {
                    emitter.onSuccess("")
                }
            }

        } else {
            Log.d(
                "ARCFACE",
                "face detection finished, code is " + detectCode + ", face num is " + faceInfoList.size
            )
            Schedulers.io().scheduleDirect {
                emitter.onSuccess("")
            }
        }
    }
}

通过图片url获取FaceFeature

/**
 * (虹软)通过人员人脸图片url，获取带特征码人员列表
 * */
@Synchronized
fun  detectPersonAvatarAndBindFaceFeatureCodeByArcSoft(
    personListTemp: List?
): Single> {
    return Observable.fromIterable(personListTemp)
        .flatMapSingle { person ->
            getArcFaceCodeByPicUrl(person.getAvatarUrl())
                .map { arcFaceCodeJson ->
                    person.bindFaceCode(arcFaceCodeJson)
                    person
                }
        }
        .toList()
        .subscribeOn(Schedulers.io())
}

/**
 * 通过照片加载为ArcFaceCode
 * */
private fun getArcFaceCodeByPicUrl(
    picUrl: String?
): Single {
    return Single.create { emitter ->
        Glide.with(context!!)
            .asBitmap()
            .load(picUrl)
            .listener(object : RequestListener {
                override fun onLoadFailed(
                    e: GlideException?,
                    model: Any?,
                    target: Target?,
                    isFirstResource: Boolean
                ): Boolean {
                    emitter.onSuccess("")
                    return false
                }

                override fun onResourceReady(
                    resource: Bitmap?,
                    model: Any?,
                    target: Target?,
                    dataSource: DataSource?,
                    isFirstResource: Boolean
                ): Boolean {
                    return false
                }
            })
            .into(object : SimpleTarget() {
                @Synchronized
                override fun onResourceReady(
                    bitMap: Bitmap,
                    transition: Transition?
                ) {
                    val detectStartTime = System.currentTimeMillis()
                    //人脸列表
                    val faceInfoList: List = mutableListOf()
                    val faceByteArray = getPixelsBGR(bitMap)
                    //⼈脸检测
                    val detectCode = faceDetectEngine.detectFaces(
                        faceByteArray,
                        bitMap.width,
                        bitMap.height,
                        FaceEngine.CP_PAF_BGR24,
                        faceInfoList
                    )
                    if (detectCode == 0) {
                        //人脸剖析
                        val faceProcessCode = faceDetectEngine.process(
                            faceByteArray,
                            bitMap.width,
                            bitMap.height,
                            FaceEngine.CP_PAF_BGR24,
                            faceInfoList,
                            FaceEngine.ASF_AGE or FaceEngine.ASF_GENDER or FaceEngine.ASF_FACE3DANGLE
                        )
                        //剖析成功
                        if (faceProcessCode == ErrorInfo.MOK && faceInfoList.isNotEmpty()) {
                            //识别到的人脸特征
                            val currentFaceFeature = FaceFeature()
                            //人脸特征分析
                            val res = faceDetectEngine.extractFaceFeature(
                                faceByteArray,
                                bitMap.width,
                                bitMap.height,
                                FaceEngine.CP_PAF_BGR24,
                                faceInfoList[0],
                                currentFaceFeature
                            )
                            //人脸特征分析成功
                            if (res == ErrorInfo.MOK) {
                                Log.d(
                                    "!!人脸转换耗时",
                                    "${System.currentTimeMillis() - detectStartTime}"
                                )
                                Schedulers.io().scheduleDirect {
                                    emitter.onSuccess(globalMoshi.toJson(currentFaceFeature))
                                }
                            }
                        } else {
                            Log.d("ARCFACE", "face process finished , code is $faceProcessCode")
                            Schedulers.io().scheduleDirect {
                                emitter.onSuccess("")
                            }
                        }

                    } else {
                        Log.d(
                            "ARCFACE",
                            "face detection finished, code is " + detectCode + ", face num is " + faceInfoList.size
                        )
                        Schedulers.io().scheduleDirect {
                            emitter.onSuccess("")
                        }
                    }
                }
            })
    }
}

为实体数据绑定人脸特征数据

/**
 * (虹软)通过人员人脸图片，获取带特征码人员列表
 * */
@Synchronized
fun  detectPersonAvatarAndBindFaceFeatureCodeByArcSoft(
    personListTemp: List?
): Single> {
    return Observable.fromIterable(personListTemp)
        .flatMapSingle { person ->
            getArcFaceCodeByPicUrl(person.getAvatarUrl())
                .map { arcFaceCodeJson ->
                    person.bindFaceCode(arcFaceCodeJson)
                    person
                }
        }
        .toList()
        .subscribeOn(Schedulers.io())
}

从列表匹配出一个人

有了规范，我们就可以开始识别了，先写一个从列表识别出一个人的方法

/**
 * (虹软)通过人脸图片识别匹配列表里的人类
 * */
 

/**
 * (虹软)通过人脸图片识别匹配列表里的人类
 * */
@Synchronized
fun  matchHumanFaceListByArcSoft(
    data: ByteArray,
    width: Int,
    height: Int,
    previewWidth: Int? = null,
    previewHeight: Int? = null,
    humanList: List,
    doOnMatchedHuman: (T) -> Unit,
    doOnMatchMissing: (() -> Unit)? = null,
    doFinally: (() -> Unit)? = null
) {
    if (isFaceDetecting) return

    synchronized(faceEngine) {
        //Log.d(TAG_ARC_FACE, "当前线程：${Thread.currentThread().name}")

        //正在检测
        isFaceDetecting = true

        //上次检测时间
        lastFaceDetectingTime = System.currentTimeMillis()

        //人脸列表
        val faceInfoList: List = mutableListOf()

        //⼈脸检测
        val detectCode = faceEngine.detectFaces(
            data,
            width,
            height,
            FaceEngine.CP_PAF_NV21,
            faceInfoList
        )

        if (detectCode != 0 || faceInfoList.isEmpty()) {
            Log.d(TAG_ARC_FACE, "face detection finished, code is " + detectCode + ", face num is " + faceInfoList.size)
            doFinally?.invoke()
            isFaceDetecting = false
            return
        }

        //人脸剖析
        val faceProcessCode = faceEngine.process(
            data,
            width,
            height,
            FaceEngine.CP_PAF_NV21,
            faceInfoList,
            FaceEngine.ASF_AGE or FaceEngine.ASF_GENDER or FaceEngine.ASF_FACE3DANGLE
        )

        //剖析失败
        if (faceProcessCode != ErrorInfo.MOK) {
            Log.d(TAG_ARC_FACE, "face process finished , code is $faceProcessCode")
            doFinally?.invoke()
            isFaceDetecting = false
            return
        }

        //previewWidth和previewHeight不为空表示需要人脸在画面中间
        val needAvatarInViewCenter =
            if (faceInfoList.isNotEmpty()) {
                previewWidth != null
                        && previewHeight != null
                        && isAvatarInViewCenter(faceInfoList[0].rect, previewWidth, previewHeight)
            } else false

        //previewWidth和previewHeight为空表示不需要人脸在画面中间
        val doNotNeedAvatarInViewCenter = previewWidth == null && previewHeight == null

        when {
            (faceInfoList.isNotEmpty() && needAvatarInViewCenter)
                    || (faceInfoList.isNotEmpty() && doNotNeedAvatarInViewCenter) -> {
            }
            else -> {//无人脸，退出匹配
                doFinally?.invoke()
                isFaceDetecting = false
                return
            }
        }

        //识别到的人脸特征
        val currentFaceFeature = FaceFeature()

        //人脸特征分析
        val res = faceEngine.extractFaceFeature(
            data,
            width,
            height,
            FaceEngine.CP_PAF_NV21,
            faceInfoList[0],
            currentFaceFeature
        )

        //人脸特征分析失败
        if (res != ErrorInfo.MOK) {
            doFinally?.invoke()
            isFaceDetecting = false
            return
        }

        //进行遍历匹配
        val matchedMeetingPerson = humanList.find {
            val faceSimilar = FaceSimilar()
            val startDetectTime = System.currentTimeMillis()
            if (it.getFaceCodeJson() == null || it.getFaceCodeJson()!!.isEmpty()) {
                return@find false
            }
            val compareResult =
                faceEngine.compareFaceFeature(
                    globalMoshi.fromJson(it.getFaceCodeJson()),
                    currentFaceFeature,
                    faceSimilar
                )
            Log.d(TAG_ARC_FACE, "单人匹配耗时: ${System.currentTimeMillis() - startDetectTime}")
            if (compareResult == ErrorInfo.MOK) {
                Log.d("相似度", faceSimilar.score.toString())
                faceSimilar.score > ARC_SOFT_VALUE_MATCHED
            } else {
                Log.d(TAG_ARC_FACE, "对比发生错误: $compareResult")
                false
            }
        }
        if (matchedMeetingPerson == null) {
            //匹配到的人为空
            doOnMatchMissing?.invoke()
        } else {
            //匹配到的人
            doOnMatchedHuman(matchedMeetingPerson)
        }
    }

}

匹配单个人

/**
 * (虹软)通过一个人脸图片识别匹配是否为某个人类
 * */
@Synchronized
fun  matchHumanFaceSoloByArcSoft(
    data: ByteArray,
    width: Int,
    height: Int,
    previewWidth: Int? = null,
    previewHeight: Int? = null,
    human: T,
    doOnMatched: (T) -> Unit,
    doOnMatchMissing: (() -> Unit)? = null,
    doFinally: (() -> Unit)? = null
) {
    matchHumanFaceListByArcSoft(
        data = data,
        width = width,
        height = height,
        previewWidth = previewWidth,
        previewHeight = previewHeight,
        humanList = listOf(human),
        doOnMatchedHuman = doOnMatched,
        doOnMatchMissing = doOnMatchMissing,
        doFinally = doFinally
    )
}

判断人脸是否在预览View的中间

/**
 * 判断人脸是否在View的中间
 * */
fun isAvatarInViewCenter(rect: Rect, previewWidth: Int, previewHeight: Int): Boolean {
    try {
        val minSX = previewHeight / 10f
        val minZY = kotlin.math.abs(previewWidth - previewHeight) / 2 + minSX

        val isLeft = kotlin.math.abs(rect.left) > minZY
        val isTop = kotlin.math.abs(rect.top) > minSX
        val isRight = kotlin.math.abs(rect.left) + rect.width() < (previewWidth - minZY)
        val isBottom = kotlin.math.abs(rect.top) + rect.height() < (previewHeight - minSX)
        if (isLeft && isTop && isRight && isBottom) return true
    } catch (e: Exception) {
        Log.e("ARCFACE", e.localizedMessage)
    }
    return false
}

销毁引擎

/**
 * 销毁人脸检测对象
 * */
fun unInitArcFaceEngine() {
    faceEngine.unInit()
}

/**
 * 销毁图片分析对象
 * */
fun unInitArcFaceDetectEngine() {
    faceDetectEngine.unInit()
}

获取BGR像素的工具

/**
 * 提取图像中的BGR像素
 * @param image
 * @return
 */
fun getPixelsBGR(image: Bitmap): ByteArray? {
    // calculate how many bytes our image consists of
    val bytes = image.byteCount
    val buffer = ByteBuffer.allocate(bytes) // Create a new buffer
    image.copyPixelsToBuffer(buffer) // Move the byte data to the buffer
    val temp = buffer.array() // Get the underlying array containing the data.
    val pixels = ByteArray(temp.size / 4 * 3) // Allocate for BGR

    // Copy pixels into place
    for (i in 0 until temp.size / 4) {
        pixels[i * 3] = temp[i * 4 + 2] //B
        pixels[i * 3 + 1] = temp[i * 4 + 1] //G
        pixels[i * 3 + 2] = temp[i * 4] //R
    }
    return pixels
}

关于上面用到的序列化，我将序列化工具的代码也贴出来吧，方便大家直接copy使用

序列化的扩展工具（Moshi的扩展方法，ModelUtil）

import com.squareup.moshi.JsonAdapter
import com.squareup.moshi.Moshi
import com.squareup.moshi.Types
import java.lang.reflect.Type

inline fun  String?.fromJson(moshi: Moshi = globalMoshi): T? =
    this?.let { ModelUtil.fromJson(this, T::class.java, moshi = moshi) }

inline fun  T?.toJson(moshi: Moshi = globalMoshi): String =
    ModelUtil.toJson(this, T::class.java, moshi = moshi)

inline fun  Moshi.fromJson(json: String?): T? =
    json?.let { ModelUtil.fromJson(json, T::class.java, moshi = this) }

inline fun  Moshi.toJson(t: T?): String =
    ModelUtil.toJson(t, T::class.java, moshi = this)

inline fun  List.listToJson(): String =
    ModelUtil.listToJson(this, T::class.java)

inline fun  String.jsonToList(): List? =
    ModelUtil.jsonToList(this, T::class.java)

object ModelUtil {

    inline fun  copyModel(source: S): T? {
        return fromJson(
            toJson(
                any = source,
                classOfT = S::class.java
            ), T::class.java
        )
    }

    fun  toJson(any: T?, classOfT: Class, moshi: Moshi = globalMoshi): String {
        return moshi.adapter(classOfT).toJson(any)
    }

    fun  fromJson(json: String, classOfT: Class, moshi: Moshi = globalMoshi): T? {
        return moshi.adapter(classOfT).lenient().fromJson(json)
    }

    fun  fromJson(json: String, typeOfT: Type, moshi: Moshi = globalMoshi): T? {
        return moshi.adapter(typeOfT).fromJson(json)
    }

    fun  listToJson(list: List?, classOfT: Class, moshi: Moshi = globalMoshi): String {
        val type = Types.newParameterizedType(List::class.java, classOfT)
        val adapter: JsonAdapter> = moshi.adapter(type)
        return adapter.toJson(list)
    }

    fun  jsonToList(json: String, classOfT: Class, moshi: Moshi = globalMoshi): List? {
        val type = Types.newParameterizedType(List::class.java, classOfT)
        val adapter = moshi.adapter>(type)
        return adapter.fromJson(json)
    }
}

相机的扩展工具

import android.app.Activity
import android.content.Context
import android.content.res.Configuration
import android.graphics.ImageFormat
import android.hardware.Camera
import android.hardware.camera2.CameraManager
import android.os.Build
import android.util.Log
import android.view.Surface
import android.view.SurfaceHolder
import androidx.annotation.RequiresApi
import kotlin.math.abs

private var resultWidth = 0
private var resultHeight = 0

var cameraId:Int = 0

/**
 * 打开相机
 * */
@RequiresApi(Build.VERSION_CODES.LOLLIPOP)
fun openCamera(
    context: Context,
    width: Int = 800,
    height: Int = 600,
    doOnPreviewCallback: (ByteArray?, Camera?, Int, Int) -> Unit
): Camera {
    Camera.getNumberOfCameras()
    (context.getSystemService(Context.CAMERA_SERVICE) as CameraManager).cameraIdList
    cameraId = findFrontFacingCameraID()
    val c = Camera.open(cameraId)
    initParameters(context, c, width, height)
    c.setPreviewCallback { data, camera ->
        doOnPreviewCallback(
            data,
            camera,
            resultWidth,
            resultHeight
        )
    }
    return c
}

private fun findFrontFacingCameraID(): Int {
    var cameraId = -1
    // Search for the back facing camera
    val numberOfCameras = Camera.getNumberOfCameras()
    for (i in 0 until numberOfCameras) {
        val info = Camera.CameraInfo()
        Camera.getCameraInfo(i, info)
        if (info.facing == Camera.CameraInfo.CAMERA_FACING_FRONT) {
            Log.d("CAMERA UTIL", "Camera found ,ID is $i")
            cameraId = i
            break
        }
    }
    return cameraId
}


/**
 * 设置相机参数
 * */
fun initParameters(
    context: Context,
    camera: Camera,
    width: Int,
    height: Int
) {
    //获取Parameters对象
    val parameters = camera.parameters
    val size = getOptimalSize(context, parameters.supportedPreviewSizes, width, height)
    parameters?.setPictureSize(size?.width ?: 0, size?.height ?: 0)
    parameters?.setPreviewSize(size?.width ?: 0, size?.height ?: 0)
    resultWidth = size?.width ?: 0
    resultHeight = size?.height ?: 0
    //设置预览格式getOptimalSize
    parameters?.previewFormat = ImageFormat.NV21
    //对焦
    parameters?.focusMode = Camera.Parameters.FOCUS_MODE_FIXED
    //给相机设置参数
    camera.parameters = parameters
}

/**
 * 释放相机资源
 * */
fun Camera?.releaseCamera() {
    if (this != null) {
        //停止预览
        stopPreview()
        setPreviewCallback(null)
        //释放相机资源
        release()
    }
}

/**
 * 获取相机旋转角度
 * */
fun getDisplayRotation(activity: Activity): Int {
    val rotation = activity.windowManager.defaultDisplay
        .rotation
    when (rotation) {
        Surface.ROTATION_0 -> return 0
        Surface.ROTATION_90 -> return 90
        Surface.ROTATION_180 -> return 180
        Surface.ROTATION_270 -> return 270
    }
    return 90
}

/**
 * 设置预览展示角度
 * */
fun setCameraDisplayOrientation(
    activity: Activity,
    camera: Camera
) {
    // See android.hardware.Camera.setCameraDisplayOrientation for
    // documentation.
    val info = Camera.CameraInfo()
    Camera.getCameraInfo(cameraId, info)
    val degrees = getDisplayRotation(activity)
    var result: Int
    if (info.facing == Camera.CameraInfo.CAMERA_FACING_FRONT) {
        result = (info.orientation + degrees) % 360
        result = (360 - result) % 360 // compensate the mirror
    } else { // back-facing
        result = (info.orientation - degrees + 360) % 360
    }
    camera.setDisplayOrientation(result)
}

/**
 * 开始相机预览
 * */
fun Camera.startPreview(surfaceHolder: SurfaceHolder) {
    //根据所传入的SurfaceHolder对象来设置实时预览
    setPreviewDisplay(surfaceHolder)
    startPreview()
}


/**
 * 选取与width、height比例最接近的、设置支持的size
 * @param context
 * @param sizes 设置支持的size序列
 * @param w 相机预览视图的width
 * @param h 相机预览视图的height
 * @return
 */
private fun getOptimalSize(
    context: Context,
    sizes: List,
    w: Int,
    h: Int
): Camera.Size? {
    val ASPECT_TOLERANCE = 0.1 //阈值，用于选取最优
    var targetRatio = -1.0
    val orientation = context.resources.configuration.orientation
    //保证targetRatio始终大于1，因为size.width/size.height始终大于1
    if (orientation == Configuration.ORIENTATION_PORTRAIT) {
        targetRatio = h.toDouble() / w
    } else if (orientation == Configuration.ORIENTATION_LANDSCAPE) {
        targetRatio = w.toDouble() / h
    }
    var optimalSize: Camera.Size? = null
    var minDiff = Double.MAX_VALUE
    val targetHeight = w.coerceAtMost(h)
    for (size in sizes) {
        val ratio = size.width.toDouble() / size.height
        //若大于了阈值，则继续筛选
        if (abs(ratio - targetRatio) > ASPECT_TOLERANCE) {
            continue
        }
        if (abs(size.height - targetHeight) < minDiff) {
            optimalSize = size
            minDiff = abs(size.height - targetHeight).toDouble()
        }
    }
    //若通过比例没有获得最优，则通过最小差值获取最优，保证至少能得到值
    if (optimalSize == null) {
        minDiff = Double.MAX_VALUE
        for (size in sizes) {
            if (abs(size.height - targetHeight) < minDiff) {
                optimalSize = size
                minDiff = abs(size.height - targetHeight).toDouble()
            }
        }
    }
    return optimalSize
}

RxArcFace —— 基于虹软人脸识别SDK的Rx封装

简介

关于虹软人脸识别SDK

0. 引子

1. 方法介绍（摘自虹软安卓接入详情）

1.activeOnline

2.init

3.detectFaces（传入分离的图像信息数据）

4.process（传入分离的图像信息数据）

5.extractFaceFeature（传入分离的图像信息数据）

6.compareFaceFeature（可选择比对模型）

使用 RxArcFace

添加权限

将需要匹配的数据类实现 `IFaceDetect` 接口

也许你会问为什么我还需要自己添加faceCode属性和avatar属性呢？

摄像头采集图像

使用人脸识别匹配

完整的Activity代码

注意：Demo没有检查相机权限，自行在设置去打开权限或者自己添加权限检测

封装介绍

1.引入依赖

2.实现工具类

定义全局变量

初始化

定义识别实体类的接口

通过图片byte数组获取FaceFeature

通过图片url获取FaceFeature

为实体数据绑定人脸特征数据

从列表匹配出一个人

匹配单个人

判断人脸是否在预览View的中间

销毁引擎

获取BGR像素的工具

序列化的扩展工具（Moshi的扩展方法，ModelUtil）

相机的扩展工具

你可能感兴趣的:(RxArcFace —— 基于虹软人脸识别SDK的Rx封装)

RxArcFace —— 基于虹软人脸识别SDK的Rx封装

简介

关于虹软人脸识别SDK

0. 引子

1. 方法介绍（摘自 虹软安卓接入详情）

1.activeOnline

2.init

3.detectFaces（传入分离的图像信息数据）

4.process（传入分离的图像信息数据）

5.extractFaceFeature（传入分离的图像信息数据）

6.compareFaceFeature（可选择比对模型）

使用 RxArcFace

添加权限

将需要匹配的数据类实现 IFaceDetect 接口

也许你会问为什么我还需要自己添加faceCode属性和avatar属性呢？

摄像头采集图像

使用人脸识别匹配

完整的Activity代码

注意：Demo没有检查相机权限，自行在设置去打开权限或者自己添加权限检测

封装介绍

1.引入依赖

2.实现工具类

定义全局变量

初始化

定义识别实体类的接口

通过图片byte数组获取FaceFeature

通过图片url获取FaceFeature

为实体数据绑定人脸特征数据

从列表匹配出一个人

匹配单个人

判断人脸是否在预览View的中间

销毁引擎

获取BGR像素的工具

序列化的扩展工具（Moshi的扩展方法，ModelUtil）

相机的扩展工具

你可能感兴趣的:(RxArcFace —— 基于虹软人脸识别SDK的Rx封装)

1. 方法介绍（摘自虹软安卓接入详情）

将需要匹配的数据类实现 `IFaceDetect` 接口