Skip to content

yeyupiaoling/FaceKeyPointsMask

Repository files navigation

FaceKeyPointsMask

一行代码实现人脸检测,人脸关键点检测和戴口罩检测。

Face[] result = FaceDetectionUtil.getInstance(MainActivity.this).predictImage(bitmap);

本项目是使用Paddle Lite 的C++实现的人脸检测,人脸关键点检测和戴口罩检测,并将编译好的动态库和静态库部署在Android应用上,在Android设备上实现人脸检测,人脸关键点检测和戴口罩检测,所以本应不会使用到C++开发,可以只使用笔者提供的JNI接口实现这些功能。在ai这个module是笔者在开发时使用到的,读者在使用这个项目时,完全可以删除掉,如果是看C++实现,也可以看这个module的源码。

Android开发

assets目录是存放各个模型的文件,pyramidbox.nb模式是人脸检测,首先第一步是需要检查人脸才能进行下一步的识别。facekeypoints.nb这个是人脸关键点检测,检测到人脸之后,通过这个模型检测人脸关键点。maskclassifier.nb这个模型是口罩分类模型,检测到人脸之后,用这个识别是否戴口罩。第一步笔者再训练一个性别分类和年龄模型,这样一个程序就可以同时实现人脸检测,人脸关键点检测、戴口罩检测和性别年龄识别等5个功能。

jniLibs是存放编译的C++代码和Paddle Lite的动态库,这文件虽然大,但是打包成apk之后项目会非常小。

com.yeyupiaoling.ai是存放识别功能的代码,这个包文件不能修改,因为里面包含了JNI接口,跟C++代码保持一致。PaddleNative.java就是识别的JNI接口。Face.java是C++返回结果的结构体,通过这个java bean 解析识别结果。FaceDetectionUtil.java为识别工具类。Utils.java为其他通用的工具方法。

使用识别

有了以上的工具类,识别就变得很容易了,就只需要以下的一行代码即可实现识别,该方法不仅支持Bitmap格式,还可以直接使用图片的路径进行预测。

Face[] result = FaceDetectionUtil.getInstance(MainActivity.this).predictImage(bitmap);

识别的结果如果我想把识别结果显示可以使用以下一行代码,因为预测时使用的图片大小有等比例缩小,不能直接使用原来的Bitmap进行画识别信息,需要使用getBitmap()获取缩小的图片才能正确画预测结果。

Bitmap b = Utils.drawBitmap(FaceDetectionUtil.getInstance(MainActivity.this).getBitmap(), result);

这样在Android上实现人脸检测、关键点检测、口罩检测就大功告成了。

About

人脸检测、口罩识别、关键检测

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published