iOS黑科技之(AVFoundation)动态人脸识别(二)
上一篇介绍了
Core Image实现的静态人脸识别, 这里介绍AVFoundation的强大功能之一的动态人脸识别
一. 首先介绍一些人脸识别的方式
1. CoreImage静态人脸识别, 可识别照片, 图像等
- 详情可查看上一篇博客介绍
3. OpenCV
- 由一系列 C 函数和少量 C++ 类构成, 实现了图像处理和计算机视觉方面的很多通用算法, 其他的具体的不是很了解
4. Vision
- Vision 是 Apple 在 WWDC 2017 伴随iOS 11推出的基于CoreML的图像识别框架
- 根据Vision官方文档看，
Vision本身就有Face Detection and Recognition(人脸检测识别)、Machine Learning Image Analysis(机器学习图片分析)、Barcode Detection(条形码检测)、Text Detection(文本检测)。。。。。等等这些功能 - 感兴趣的同学可以查看相关文档学习一下, 这里小编就不过多作介绍了
5. AVFoundation
- 可以用来使用和创建基于时间的视听媒体的框架
- 这里我们使用的人脸识别方式也是使用
AVFoundation框架
二. 对关键类的简单介绍
1. AVCaptureDevice:代表硬件设备
- 我们可以从这个类中获取手机硬件的照相机、声音传感器等。
- 当我们在应用程序中需要改变一些硬件设备的属性（例如：切换摄像头、闪光模式改变、相机聚焦改变）的时候必须要先为设备加锁，修改完成后解锁。
- 示例: 切换摄像头
//4. 移除旧输入，添加新输入
//4.1 设备加锁
session.beginConfiguration()
//4.2. 移除旧设备
session.removeInput(deviceIn)
//4.3 添加新设备
session.addInput(newVideoInput)
//4.4 设备解锁
session.commitConfiguration()
2. AVCaptureDeviceInput:设备输入数据管理对象
- 可以根据
AVCaptureDevice创建对应的AVCaptureDeviceInput对象， - 该对象将会被添加到AVCaptureSession中管理,代表输入设备，它配置抽象硬件设备的ports。通常的输入设备有（麦克风，相机等）
3. AVCaptureOutput: 代表输出数据
- 输出的可以是图片（
AVCaptureStillImageOutput）或者视频（AVCaptureMovieFileOutput）
4. AVCaptureSession: 媒体（音、视频）捕捉会话
- 负责把捕捉的音频视频数据输出到输出设备中。
- 一个
AVCaptureSession可以有多个输入或输出。 - 是连接
AVCaptureInput和AVCaptureOutput的桥梁，它协调input到output之间传输数据。 - 它有startRunning和stopRunning两种方法来开启会话和结束会话。
- 每个session称之为一个会话，也就是在应用运行过程中如果你需要改变会话的一些配置（例如：切换摄像头）,此时需要先开启配置，配置完成之后再提交配置。
5. AVCaptureVideoPreviewLayer: 图片预览层
- 我们的照片以及视频是如何显示在手机上的呢？那就是通过把这个对象添加到
UIView的layer上的
好了, 上面吧啦吧啦的说了那么多废话, 那么我们的人脸识别究竟是怎样实现的呢? 下面干货来了
三. 添加扫描设备
- 获取设备(摄像头)
- 创建输入设备
- 创建扫描输出
- 创建捕捉回话
1. 输出设备
- 这里使用
AVCaptureMetadataOutput, 可以扫描人脸, 二维码, 条形码等信息 - 必须设置代理, 否则获取不到扫描结果
- 需要设置要输出什么样的数据: face(人脸), qr(二维码)等等
//3.创建原数据的输出对象
let metadataOutput = AVCaptureMetadataOutput()
//4.设置代理监听输出对象输出的数据，在主线程中刷新
metadataOutput.setMetadataObjectsDelegate(self, queue: DispatchQueue.main)
//7.告诉输出对象要输出什么样的数据,识别人脸, 最多可识别10张人脸
metadataOutput.metadataObjectTypes = [.face]
主要代码如下:
fileprivate func addScaningVideo(){
//1.获取输入设备（摄像头）
guard let device = AVCaptureDevice.default(for: .video) else { return }
//2.根据输入设备创建输入对象
guard let deviceIn = try? AVCaptureDeviceInput(device: device) else { return }
deviceInput = deviceIn
//3.创建原数据的输出对象
let metadataOutput = AVCaptureMetadataOutput()
//4.设置代理监听输出对象输出的数据，在主线程中刷新
metadataOutput.setMetadataObjectsDelegate(self, queue: DispatchQueue.main)
//4.2 设置输出代理
faceDelegate = previewView
//5.设置输出质量(高像素输出)
session.sessionPreset = .high
//6.添加输入和输出到会话
if session.canAddInput(deviceInput!) {
session.addInput(deviceInput!)
}
if session.canAddOutput(metadataOutput) {
session.addOutput(metadataOutput)
}
//7.告诉输出对象要输出什么样的数据,识别人脸, 最多可识别10张人脸
metadataOutput.metadataObjectTypes = [.face]
//8.创建预览图层
previewLayer = AVCaptureVideoPreviewLayer(session: session)
previewLayer.videoGravity = .resizeAspectFill
previewLayer.frame = view.bounds
previewView.layer.insertSublayer(previewLayer, at: 0)
//9.设置有效扫描区域(默认整个屏幕区域)（每个取值0~1, 以屏幕右上角为坐标原点）
metadataOutput.rectOfInterest = previewView.bounds
//10. 开始扫描
if !session.isRunning {
DispatchQueue.global().async {
self.session.startRunning()
}
}
}
2. 切换摄像头
- 获取当前摄像头方向
- 创建新的输入input
- 移除旧输入
capture, 添加新的输入capture - 具体代码如下:
@IBAction func switchCameraAction(_ sender: Any) {
//1. 执行转场动画
let anima = CATransition()
anima.type = "oglFlip"
anima.subtype = "fromLeft"
anima.duration = 0.5
view.layer.add(anima, forKey: nil)
//2. 获取当前摄像头
guard let deviceIn = deviceInput else { return }
let position: AVCaptureDevice.Position = deviceIn.device.position == .back ? .front : .back
//3. 创建新的input
let deviceSession = AVCaptureDevice.DiscoverySession(deviceTypes: [.builtInWideAngleCamera], mediaType: .video, position: position)
guard let newDevice = deviceSession.devices.filter({ $0.position == position }).first else { return }
guard let newVideoInput = try? AVCaptureDeviceInput(device: newDevice) else { return }
//4. 移除旧输入，添加新输入
//4.1 设备加锁
session.beginConfiguration()
//4.2. 移除旧设备
session.removeInput(deviceIn)
//4.3 添加新设备
session.addInput(newVideoInput)
//4.4 设备解锁
session.commitConfiguration()
//5. 保存最新输入
deviceInput = newVideoInput
}
3. 处理扫描结果
实现
AVCaptureMetadataOutputObjectsDelegate该协议的协议方法(只有一个方法)
//`metadataObjects`就是返回的扫描结果
optional public func metadataOutput(_ output: AVCaptureMetadataOutput, didOutput metadataObjects: [AVMetadataObject], from connection: AVCaptureConnection)
4. AVMetadataFaceObject介绍
-
faceID: 人脸的唯一标识- 扫描出来的每一个人, 有不同的
faceID - 同一个人, 不同的状态下(摇头, 歪头, 抬头等), 都会有不同
faceID
- 扫描出来的每一个人, 有不同的
-
hasRollAngle: 是否有倾斜角,侧倾角(左右歪头)(BOOL类型) -
rollAngle: 倾斜角,侧倾角的角度(CGFloat类型) -
hasYawAngle: 是否有偏转角(左右摇头) -
yawAngle: 偏转角角度
5. 处理扫描结果
5.1 获取预览图层的人脸数组
- 遍历扫描的人脸数组, 转换成在预览图层的人脸数组
- 主要是人脸在图层的左边的转换
- 返回转换后的新的数组
fileprivate func transformedFaces(faceObjs: [AVMetadataObject]) -> [AVMetadataObject] {
var faceArr = [AVMetadataObject]()
for face in faceObjs {
//将扫描的人脸对象转成在预览图层的人脸对象(主要是坐标的转换)
if let transFace = previewLayer.transformedMetadataObject(for: face){
faceArr.append(transFace)
}
}
return faceArr
}
5.2 根据人脸位置添加红框
- 设置红框的frame
faceLayer?.frame = face.bounds
- 根据偏转角和倾斜角的角度获取
CATransform3D
fileprivate func transformDegress(yawAngle: CGFloat) -> CATransform3D {
let yaw = degreesToRadians(degress: yawAngle)
//围绕Y轴旋转
let yawTran = CATransform3DMakeRotation(yaw, 0, -1, 0)
//红框旋转问题
return CATransform3DConcat(yawTran, CATransform3DIdentity)
}
//处理偏转角问题
fileprivate func transformDegress(rollAngle: CGFloat) -> CATransform3D {
let roll = degreesToRadians(degress: rollAngle)
//围绕Z轴旋转
return CATransform3DMakeRotation(roll, 0, 0, 1)
}
//角度转换
fileprivate func degreesToRadians(degress: CGFloat) -> CGFloat{
return degress * CGFloat(Double.pi) / 180
}
- 根据有无偏转角和倾斜角旋转红框
//3.4 设置偏转角(左右摇头)
if face.hasYawAngle{
let tranform3D = transformDegress(yawAngle: face.yawAngle)
//矩阵处理
faceLayer?.transform = CATransform3DConcat(faceLayer!.transform, tranform3D)
}
//3.5 设置倾斜角,侧倾角(左右歪头)
if face.hasRollAngle{
let tranform3D = transformDegress(rollAngle: face.rollAngle)
//矩阵处理
faceLayer?.transform = CATransform3DConcat(faceLayer!.transform, tranform3D)
}
- 至此, 动态的人脸识别就完成了, 会在人脸位置增加红框显示, 并且红框会根据人脸的位置动态的, 实时的调整
- 下面就快拿起你的相机测试吧
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
