标签：各类 list pen 默认 roc factory 生活 dsc epo
在刷朋友圈时，总会被一些有趣的小游戏刷屏。这些游戏操作简单，老少皆宜并且传播速度非常快，分分钟就霸屏朋友圈。你是否也想做出一款爆款有趣的小游戏呢？华为机器学习服务提供的人脸识检测、手部关键点识别功能可以帮助你实现。Crazy Rockets——这款游戏集成人脸识检测、手部关键点识别功能。开发出两种玩法，一种是通过人脸的上下移动来控制火箭穿梭通过巨石阵。另一种是通过手势的上下移动来控制。两种方式都是通过检测人脸和手部关键点来反馈信息，进而控制火箭移动，趣味十足！
疯狂购物车小游戏是通过集成手部关键点检测功能来实现的，通过手势检测可以控制购物车左右移动，从而接住掉落下来的各类商品，每隔15秒将提一次速，给玩家带来不一样的购物游戏体验。
1.配置maven仓库
allprojects {
repositories {
google()
jcenter()
maven {url ‘https://developer.huawei.com/repo/‘}
}
}buildscript {
repositories {
google()
jcenter()
maven {url ‘https://developer.huawei.com/repo/‘}
}
}dependencies {
...
classpath ‘com.huawei.agconnect:agcp:1.3.1.300‘
}
}2.集成sdk
Implementation ‘com.huawei.hms:ml-computer-vision-face:2.0.1.300‘3.创建人脸分析器
MLFaceAnalyzer analyzer = MLAnalyzerFactory.getInstance().getFaceAnalyzer();4.创建处理类
public class FaceAnalyzerTransactor implements MLAnalyzer.MLTransactor<MLFace> {
@Override
public void transactResult(MLAnalyzer.Result<MLFace> results) {
SparseArray<MLFace> items = results.getAnalyseList();
// 开发者根据需要处理识别结果，需要注意，这里只对检测结果进行处理。
// 不可调用ML Kit提供的其他检测相关接口。
}
@Override
public void destroy() {
// 检测结束回调方法，用于释放资源等。
}
}5.创建LensEngine，用于捕捉相机动态视频流并传入分析器
LensEngine lensEngine = new LensEngine.Creator(getApplicationContext(), analyzer)
.setLensType(LensEngine.BACK_LENS)
.applyDisplayDimension(1440, 1080)
.applyFps(30.0f)
.enableAutomaticFocus(true)
.create();6. 调用run方法，启动相机，读取视频流，进行识别
// 请自行实现SurfaceView控件的其他逻辑。
SurfaceView mSurfaceView = findViewById(R.id.surface_view);
try {
lensEngine.run(mSurfaceView.getHolder());
} catch (IOException e) {
// 异常处理逻辑。
}7. 释放检测资源
if (analyzer != null) {
try {
analyzer.stop();
} catch (IOException e) {
// 异常处理。
}
}
if (lensEngine != null) {
lensEngine.release();
}1. 配置maven仓库
在“allprojects > repositories”中配置HMS Core SDK的Maven仓地址。
allprojects {
repositories {
google()
jcenter()
maven {url ‘https://developer.huawei.com/repo/‘}
}
}在“buildscript > repositories”中配置HMS Core SDK的Maven仓地址。
buildscript {
repositories {
google()
jcenter()
maven {url ‘https://developer.huawei.com/repo/‘}
}
}在“buildscript > dependencies”中增加agcp配置。
dependencies {
...
classpath ‘com.huawei.agconnect:agcp:1.3.1.300‘
}
}2. 集成sdk
// 引入基础SDK
implementation ‘com.huawei.hms:ml-computer-vision-handkeypoint:2.0.4.300‘
// 引入手部关键点检测模型包
implementation ‘com.huawei.hms:ml-computer-vision-handkeypoint-model:2.0.4.300‘3. 创建默认手势分析器
MLHandKeypointAnalyzer analyzer =MLHandKeypointAnalyzerFactory.getInstance().getHandKeypointAnalyzer();4. 创建处理类
public class HandKeypointTransactor implements MLAnalyzer.MLTransactor<List<MLHandKeypoints>> {
@Override
public void transactResult(MLAnalyzer.Result<List<MLHandKeypoints>> results) {
SparseArray<List<MLHandKeypoints>> analyseList = results.getAnalyseList();
// 开发者根据需要处理识别结果，需要注意，这里只对检测结果进行处理。
// 不可调用ML Kit提供的其他检测相关接口。
}
@Override
public void destroy() {
// 检测结束回调方法，用于释放资源等。
}
}5. 设置处理类
analyzer.setTransactor(new HandKeypointTransactor());6. 创建Lengengine
LensEngine lensEngine = new LensEngine.Creator(getApplicationContext(), analyzer)
.setLensType(LensEngine.BACK_LENS)
.applyDisplayDimension(1280, 720)
.applyFps(20.0f)
.enableAutomaticFocus(true)
.create();7. 调用run方法，启动相机，读取视频流，进行识别
// 请自行实现SurfaceView控件的其他逻辑。
SurfaceView mSurfaceView = findViewById(R.id.surface_view);
try {
lensEngine.run(mSurfaceView.getHolder());
} catch (IOException e) {
// 异常处理逻辑。
}8. 释放检测资源
if (analyzer != null) {
analyzer.stop();
}
if (lensEngine != null) {
lensEngine.release();
}1. 配置Maven仓地址
buildscript {
repositories {
google()
jcenter()
maven {url ‘https://developer.huawei.com/repo/‘}
}
dependencies {
...
classpath ‘com.huawei.agconnect:agcp:1.4.1.300‘
}
}
allprojects {
repositories {
google()
jcenter()
maven {url ‘https://developer.huawei.com/repo/‘}
}
}2. Full SDK集成
dependencies{
// 引入基础SDK
implementation ‘com.huawei.hms:ml-computer-vision-handkeypoint:2.0.4.300‘
// 引入手部关键点检测模型包
implementation ‘com.huawei.hms:ml-computer-vision-handkeypoint-model:2.0.4.300‘
}用上述方式两种方法之一集成SDK后，在文件头添加配置。
在apply plugin: ‘com.android.application‘后添加apply plugin: ‘com.huawei.agconnect‘
3. 创建手部关键点分析器
MLHandKeypointAnalyzer analyzer =MLHandKeypointAnalyzerFactory.getInstance().getHandKeypointAnalyzer();4. 创建识别结果处理类“HandKeypointTransactor”
public class HandKeypointTransactor implements MLAnalyzer.MLTransactor<List<MLHandKeypoints>> {
@Override
public void transactResult(MLAnalyzer.Result<List<MLHandKeypoints>> results) {
SparseArray<List<MLHandKeypoints>> analyseList = results.getAnalyseList();
// 开发者根据需要处理识别结果，需要注意，这里只对检测结果进行处理。
// 不可调用ML Kit提供的其他检测相关接口。
}
@Override
public void destroy() {
// 检测结束回调方法，用于释放资源等。
}
}5.设置识别结果处理器，实现分析器与结果处理器的绑定
analyzer.setTransactor(new HandKeypointTransactor());6. 创建LensEngine
LensEngine lensEngine = new LensEngine.Creator(getApplicationContext(), analyzer)
.setLensType(LensEngine.BACK_LENS)
.applyDisplayDimension(1280, 720)
.applyFps(20.0f)
.enableAutomaticFocus(true)
.create();7. 调用run方法，启动相机，读取视频流，进行识别
// 请自行实现SurfaceView控件的其他逻辑。
SurfaceView mSurfaceView = findViewById(R.id.surface_view);
try {
lensEngine.run(mSurfaceView.getHolder());
} catch (IOException e) {
// 异常处理逻辑。
}8. 检测完成，停止分析器，释放检测资源
if (analyzer != null) {
analyzer.stop();
}
if (lensEngine != null) {
lensEngine.release();
}看完主要开发步骤是不是觉得集成简单又快速，除了上述两个小游戏，人脸识检测、手部关键点识别技术在生活中有很多的应用场景。比如拍摄短视频的软件在集成了这种技术后，可以根据手部关键点生成一些可爱或者搞笑的特效，增加短视频的趣味性。或者是在面向智能家居的场景中，可以自定义一些手势作为智能家电的远距离操控指令，进行一些更加智能的人机交互方式。快来试试，一起开发好玩又有趣的应用吧！
欲了解更多详情，请参阅：
参与开发者讨论请到Reddit
下载demo和示例代码请到Github
解决集成问题请到Stack Overflow
原文链接：
https://developer.huawei.com/consumer/cn/forum/topic/0204406585449080270?fid=18&pid=0304406585449080230
作者：胡椒
标签：各类 list pen 默认 roc factory 生活 dsc epo
原文地址：https://blog.51cto.com/14772288/2562480
