face_ncnn

Android 人脸检测和识别

开源算法说明

推理算法：ncnn
检测算法：Ultra
识别算法：mobilefacenet

使用

添加依赖

Add it in your root build.gradle at the end of repositories:

allprojects {
	repositories {
        	...
    	maven { url 'https://jitpack.io' }
	}
}

Add the dependency

dependencies {
    implementation 'com.github.zhu260824:face_ncnn:2.0.0'
}

代码中使用

初始化SDK（默认初始化）

/**
* 初始化SDK的模型
*
* @param mContext 上下文环境
* @param gpu      推理算法是否运行在GPU上
* @return 初始话结果
*/
public boolean init(Context mContext, boolean gpu){}

单独初始化

/**
* 初始化人脸检测模型
*
* @param binPath   模型bin文件的地址
* @param paramPath 模型param文件的地址
* @param reWidth   人脸检测是图片的大小
* @param reHeight  人脸检测是图片的大小
* @param gpu       推理算法是否运行在GPU上
*/
public native boolean initDetector(String binPath, String paramPath, int reWidth,int reHeight, boolean gpu);

/**
* 初始化人脸识别
*
* @param binPath   模型bin文件的地址
* @param paramPath 模型param文件的地址
* @param gpu       推理算法是否运行在GPU上
*/
public native boolean initRecognize(String binPath, String paramPath, boolean gpu);

使用

/**
* 解析人脸信息
*
* @param imgPath 图片地址
* @return 人脸信息
*/
public native FaceInfo[] detect(String imgPath);
/**
* 解析人脸信息
*
* @param yuv    摄像图输出的预览帧
* @param width  帧的宽度
* @param height 帧的高度
* @deprecated 使用这个方法，需要将摄像图帧旋转至0度
*/
public native FaceInfo[] detectYuv(byte[] yuv, int width, int height);

/**
* 获取图片特征值
*
* @param imgPath 图片地址
* @return 特征值
*/
public native float[] getFeature(String imgPath);
/**
* 获取图片特征值
*
* @param yuv    摄像图输出的预览帧
* @param width  帧的宽度
* @param height 帧的高度
* @deprecated 使用这个方法，需要将摄像图帧旋转至0度
*/
public native float[] getFeatureYuv(byte[] yuv, int width, int height);
/**
* 特征值比对
*
* @param feature1 特征值
* @param feature2 特征值
* @return 特征值相似度
*/
public native double featureCompare(float[] feature1, float[] feature2);

设置

/**
* 设置算法推理线程数
*
* @param threads 线程数
*/
public native void setThreadNum(int threads);
/**
* 设置人脸检测的置信度
*
* @param score 置信度 默认0.7
*/
public native void setScoreThreshold(int score);
/**
* 是置推理算法是否运行在GPU上
*/
public native void setRunGpu(boolean run);
/**
* 设置人脸检测是图片的大小
*/
public native void setReSize(int w, int h);

根据使用设备减少so包，缩小apk大小

android {
    ...
    defaultConfig {
       ...
        ndk {
            abiFilters "armeabi-v7a", "arm64-v8a" //, "x86", "x86_64"
        }
    }
}

总结

整个是基于开源的编译和整合的,但是经过我这样，使得使用起来更简单，同时减少了应为环境问题导致编译错误都出现。使得大家可以更快的实现人脸检测和识别.

JichinX/face_ncnn

face_ncnn

开源算法说明

使用

总结