目录

在开始API开发工作之前，您需要完成必要的开发准备工作，同时请确保您的工程中已经配置HMS Core SDK的maven仓地址，并且完成了本服务的SDK集成。

静态图片检测

1. 创建人脸分析器。可以通过提供的人脸检测自定义参数MLFaceAnalyzerSetting创建分析器。

  1. // 方式一：使用自定义参数配置。
  2. // 如使用Full SDK方式集成，需要根据集成的模型包设置对应参数。
  3. MLFaceAnalyzerSetting setting = new MLFaceAnalyzerSetting.Factory()
  4.     // 设置是否检测人脸关键点。
  5.     .setKeyPointType(MLFaceAnalyzerSetting.TYPE_KEYPOINTS)
  6.     // 设置是否检测人脸特征点。
  7.     .setFeatureType(MLFaceAnalyzerSetting.TYPE_FEATURES)
  8.     // 设置是否检测人脸轮廓点。
  9.     .setShapeType(MLFaceAnalyzerSetting.TYPE_SHAPES)
  10.     // 设置是否开启人脸追踪。
  11.     .setTracingAllowed(true)
  12.     // 设置检测器速度/精度模式。
  13.     .setPerformanceType(MLFaceAnalyzerSetting.TYPE_SPEED)
  14.     .create();
  15. MLFaceAnalyzer analyzer = MLAnalyzerFactory.getInstance().getFaceAnalyzer(setting);
  16. // 方式二：使用默认参数配置，集成Lite SDK时可以使用此配置方式。默认参数为：检测关键点、检测人脸轮廓、检测特征点、精度偏好模式、不开启人脸追踪。
  17. MLFaceAnalyzer analyzer = MLAnalyzerFactory.getInstance().getFaceAnalyzer();

2. 通过android.graphics.Bitmap创建MLFrame对象用于分析器检测图片，支持的图片格式包括：jpg/jpeg/png，建议图片尺寸不小于320*320像素，不大于1920*1920像素。

  1. //通过bitmap创建MLFrame。 
  2. MLFrame frame = MLFrame.fromBitmap(bitmap);

3. 调用 “asyncAnalyseFrame”方法进行人脸检测。

  1. Task<List<MLFace>> task = analyzer.asyncAnalyseFrame(frame);
  2. task.addOnSuccessListener(new OnSuccessListener<List<MLFace>>() {
  3.      @Override
  4.      public void onSuccess(List<MLFace> faces) {
  5.          // 检测成功。
  6.      }
  7.  }).addOnFailureListener(new OnFailureListener() {
  8.      @Override
  9.      public void onFailure(Exception e) {
  10.          // 检测失败。
  11.          // Recognition failure.
  12.          try {
  13.              MLException mlException = (MLException)e;
  14.              // 获取错误码，开发者可以对错误码进行处理，根据错误码进行差异化的页面提示。错误码信息可参见：机器学习服务错误码。
  15.              int errorCode = mlException.getErrCode();
  16.              // 获取报错信息，开发者可以结合错误码，快速定位问题。
  17.              String errorMessage = mlException.getMessage();
  18.          } catch (Exception error) {
  19.              // 转换错误处理。
  20.          }
  21.     }
  22.  });

4. 检测完成，停止分析器，释放检测资源。

  1. try {
  2.     if (analyzer != null) {
  3.         ananlzer.stop();
  4.     }
  5. } catch (IOException e) {
  6.     // 异常处理。
  7. }

以上示例代码中使用了异步调用方式，人脸检测还支持同步调用使用analyseFrame函数获取检测结果：

  1. SparseArray<MLFace> faces = analyzer.analyseFrame(frame);

视频流检测

开发者可以自行处理视频流，将视频帧转换为MLFrame对象，再按上文中静态图像本地检测的方法进行人脸检测。如果开发者调用的是同步检测接口，也可以使用SDK内置的LensEngine类实现视频流本地人脸检测，示例代码如下：

1. 创建人脸分析器。

  1. MLFaceAnalyzer analyzer = MLAnalyzerFactory.getInstance().getFaceAnalyzer();

开发者创建识别结果处理类“FaceAnalyzerTransactor”，该类实现MLAnalyzer.MLTransactor<T>接口，使用此类中的“transactResult”方法获取检测结果并实现具体业务。

  1. public class FaceAnalyzerTransactor implements MLAnalyzer.MLTransactor<MLFace> { 
  2.     @Override 
  3.     public void transactResult(MLAnalyzer.Result<MLFace> results) { 
  4.         SparseArray<MLFace> items = results.getAnalyseList(); 
  5.         // 开发者根据需要处理识别结，需要注意，这里只对检测结果进行处理， 
  6.         // 不可调用ML kit提供的其他检测相关接口。 
  7.     } 
  8.     @Override 
  9.     public void destroy() { 
  10.         // 检测结束回调方法，用于释放资源等。 
  11.     } 
  12. }

2. 设置识别结果处理器，实现分析器与结果处理器的绑定。

  1. analyzer.setTransactor(new FaceAnalyzerTransactor());

3. 创建LensEngine，该类由ML SDK提供，用于捕捉相机动态视频流并传入分析器。建议设置的相机显示尺寸不小于320*320像素，不大于1920*1920像素。

  1. LensEngine lensEngine = new LensEngine.Creator(getApplicationContext(), analyzer) 
  2.     .setLensType(LensEngine.BACK_LENS) 
  3.     .applyDisplayDimension(1440, 1080) 
  4.     .applyFps(30.0f) 
  5.     .enableAutomaticFocus(true) 
  6.     .create();

4. 调用run方法，启动相机，读取视频流，进行识别。

  1. // 请自行实现SurfaceView控件的其他逻辑。 
  2. SurfaceView mSurfaceView = findViewById(R.id.surface_view); 
  3. try { 
  4.     lensEngine.run(mSurfaceView.getHolder()); 
  5. } catch (IOException e) { 
  6.     // 异常处理逻辑。 
  7. }

5. 检测完成，停止分析器，释放检测资源。

  1. if (analyzer != null) {   
  2.     try { 
  3.         analyzer.stop();     
  4.     } catch (IOException e) {    
  5.          // 异常处理。 
  6.     } 
  7. } 
  8. if (lensEngine != null) { 
  9.     lensEngine.release();     
  10. }

使用视频流检测，继承MLAnalyzer.MLTransactor<T>完成检测处理结果时，如果需要实现检测到特定结果后停止检测，待特定结果处理完后继续检测的功能，可以参考视频流检测模式多次识别场景开发。