Face++以flow的方式实现人脸检测

我们使用人脸检测sdk进行人脸识别的过程大致可以分为下面几个步骤：

1. 加载model文件并初始化接口
2. 获取授权
3. 调用人脸检测获取关键点
4. 通知描画关键点
5. 释放接口资源

这里的步骤3和4在接收到camera数据后反复执行。我们可以把这几个步骤抽象成数据流来进行封装。face++检测人脸后不断地生成人脸坐标数据，所以整个检测过程就是人脸坐标数据生产的过程，这里与flow的概念对应上了。

face++需要通过处理camera数据来获取人脸关键点，所以camera又是face++人脸检测api的数据提供者。下图体现了数据流动的过程：

看到这里大家也认为我们通过flow实现这个过程更合理了吧！下面我们分步来实现detect flow的创建.

第一步我们通过flow的builder创建一个flow：

 private val imageChannel = Channel<FacePPImage>()

flow {
            while (currentCoroutineContext().isActive) {
                emit(imageChannel.receive())
            }
        }

这里使用Channel来接收图像数据并发射。在detect flow处理图像数据前我们还需要一些初始化face++的工作，这些工作在onStart中处理。

flow.onStart {
            var ret = -1
            context.assets.open("megviifacepp_model").use { ios ->
                modelBuffer = ByteArray(ios.available())
                ios.read(modelBuffer)
                FaceppApi.getInstance().setLogLevel(4)
                ret = FaceppApi.getInstance().initHandle(modelBuffer)
            }
            if (ret != 0) {
                Log.d("dragon_debug", " onStart open failed!")
                throw RuntimeException("init")
            }
            if (requestTakeLicense && modelBuffer != null) {
                Log.d("dragon_debug", " onStart takeLicense")
                ret = takeLicense(context, modelBuffer!!)
            }
            if (ret != 0) {
                Log.d("dragon_debug", " onStart takeLicense failed!")
                throw RuntimeException("takeLicense")
            }
            ret = FaceDetectApi.getInstance().initFaceDetect()
            DLmkDetectApi.getInstance().initDLmkDetect()
            if (ret != 0) {
                if (requestTakeLicense) {
                    Log.d("dragon_debug", " onStart initFaceDetect error")
                    throw RuntimeException("error")
                }
                requestTakeLicense = true
                Log.d("dragon_debug", " onStart initFaceDetect retry exception")
                throw RuntimeException("initFace")
            }
            val config = FaceDetectApi.getInstance().faceppConfig
            config.face_confidence_filter = 0.6f
            config.detectionMode = FaceDetectApi.FaceppConfig.DETECTION_MODE_TRACKING
            FaceDetectApi.getInstance().faceppConfig = config
        }

face++初始化操作包括加载模型、检测接口授权、人脸检测接口初始化等步骤。

检测接口授权处理有些特别，face++的接口授权只在授权过期的时候执行。所以这里配合flow的retryWhen来处理过期授权。

flow.retryWhen { cause, attempt ->
            Log.d("dragon_debug", " retryWhen $cause attempt $attempt")
            if (attempt > 1) {
                false
            } else {
                (cause as? RuntimeException)?.message?.equals("initFace") ?: false
            }
        }

首先尝试初始化face++接口，如果初始化失败，这里会抛出异常RuntimeException("init")。retryWhen捕获这个异常后发起重试处理，当onStart再次执行时，我们会尝试获取接口权限。

face++接口授权初始化成功后，我们可以使用face++的人脸检测接口了。这里使用map将图像数据转换成人脸坐标数据，转换操作由face++人脸检测接口完成。

flow.map { image ->
            val faces = FaceDetectApi.getInstance().detectFace(image)
            faces.forEach { face ->
                FaceDetectApi.getInstance().getLandmark(face, FaceDetectApi.LMK_84, true)
            }
            block.invoke(faces)
            faces
        }

得到的人脸坐标数据通过block回调通知画面描画。

face++接口的释放操作在onCompletion中，

flow.onCompletion {
            Log.d("dragon_debug", " onCompletion ")
            FaceppApi.getInstance().ReleaseHandle()
            DLmkDetectApi.getInstance().releaseDlmDetect()
        }

完整的代码：https://github.com/mjlong1231...

原文地址：https://blog.csdn.net/mjlong1...