iOS人脸识别Demo
*近用过了支付宝的人脸识别登录，作为一个技术人员应该保持对技术探索、追求的学习心态。这两天就搜集各方资料学习了一下，但好像走了弯路/(ㄒoㄒ)/~~！！！这篇笔记记录一下自己的学习。
1、体验分析
首先思考的应该是人脸识别登录的流程。本人*次体验到的人脸识别技术的应用当然是支付宝。
支付宝开启人脸登录流程：首先是账号密码登录 —-> 然后在app内根据提示完成信息采集 —-> 信息采集完成后下次登录时就可以使用该功能了！
然后又找到另一款带有人脸识别登录功能app应用，其开启流程：账号密码登录后 —-> 在相关功能模块调用相机，拍摄较清晰的人脸照片进行上传 —-> 之后就可以使用了！！！
分析其登录流程：*步都是要密码验证登录，第二步需要采集当前账号的所属人面部信息，然后才可使用该功能。（应该算是一种辅助登录手段，毕竟没有使用人脸注册账号。但是真的很好用，省去了输入密码或忘记密码的麻烦）
在移动端开发此功能，（密码登录直接略过）我们应该首先考虑的是信息采集时的面部信息。那么*个要解决的问题就是识别出人脸，其次将信息上传至后台与该账号关联。下次登录时，将扫描到的人脸图像上传至后台与存储的数据对比，返回登录结果。（因为未找到具体的相关资料，此分析目前仅是一个移动开发者的分析，如有漏洞下次更新）
2、移动端的人脸识别
根据之前的分析，我们需要在本地分析采集到的图像是否有人脸信息。根据查找的资料，有如下实现方法：1.苹果原生CoreImage.framework框架。2.OpenVC框架，该框架是一个跨平台框架，专注于做图像技术的处理。（更多介绍百度即可）3.AVFoundation框架，这是在使用CoreImage走了弯路时发现的。
（1）CoreImage.framework
我们先用该框架实现人脸识别。首先创建一个工程，导入 CoreImage.framework 库：
创建一个UIImageView，给其一张图片，我们直接用storyboard拖拽界面、设置坐标，并关联属性到控制器（步骤简单略过）：
此时要注意，ImageView的图片适应模式设置为scaleAspectFit，如果要将图片拉伸展示到ImageView的话，面部位置并不在计算到的坐标框内。
插入识别代码：
func detectFace(withImage image: UIImage) {
// 将图像转为CIImage，使用Core Image需要使用CIImage
guard let personCIImg = CIImage(image: image) else {
return
}
// 设置识别精度
let opts: [String: Any] = [CIDetectorAccuracy: CIDetectorAccuracyHigh]
// 初始化识别器
let detector = CIDetector(ofType: CIDetectorTypeFace, context: nil, options: opts)
let result: [CIFaceFeature] = (detector?.features(in: personCIImg, options: opts) as? [CIFaceFeature])!
if result.count > 0 {
for face in result {
let faceBox = UIView(frame: face.bounds)
// 画一个红框画出面部位置
faceBox.layer.borderWidth = 3
faceBox.layer.borderColor = UIColor.red.cgColor
faceBox.backgroundColor = UIColor.clear
// 添加红框到图片上
imgView.addSubview(faceBox)
print(“面部坐标——> %d “, faceBox.frame)
}
}
}
好了，代码看似很简单的：
#3行：从imgView变量中取出image并转为CIImage，因为使用Core Image时需要用CIImage。
#9行：初始化一个识别器，并将识别精度以字典参数给它。
#11行：调用识别器的识别方法，并保存一个 [CIFaceFeature] 类型的结果。
#13——#25行：从返回的结果中取出数据。点开 CIFaceFeature 类我们可以看到的它的属性值，bounds就是我们要的识别到的面部区域。
#17——#22行：将识别到的区域用红框显示出来。
接下来调用测试一下代码结果：
imgView.contentMode = .scaleAspectFit
self.detectFace(withImage: imgView.image!)
运行结果看到红框出界了，并没有出现在预期的范围内，这是因为UIKit框架中使用的坐标与Core Image 的坐标不同造成，为此我们还需要将坐标转换。
将转换代码加入会，代码如下：
func detectFace(withImage image: UIImage) {
// 将图像转为CIImage，使用Core Image需要使用CIImage
guard let personCIImg = CIImage(image: image) else {
return
}
// 设置识别精度
let opts: [String: Any] = [CIDetectorAccuracy: CIDetectorAccuracyHigh]
// 初始化识别器
let detector = CIDetector(ofType: CIDetectorTypeFace, context: nil, options: opts)
let result: [CIFaceFeature] = (detector?.features(in: personCIImg, options: opts) as? [CIFaceFeature])!
let CIImgSize = personCIImg.extent.size
var transform = CGAffineTransform(scaleX: 1, y: -1)
transform = transform.translatedBy(x: 0, y: -CIImgSize.height)
if result.count > 0 {
for face in result {
// Apply the transform to convert the coordinates
var faceViewBounds = face.bounds.applying(transform)
// Calculate the actual position and size of the rectangle in the image view
let viewSize = imgView.bounds.size
let scale = min(viewSize.width / CIImgSize.width,
viewSize.height / CIImgSize.height)
let offsetX = (viewSize.width – CIImgSize.width * scale) / 2
let offsetY = (viewSize.height – CIImgSize.height * scale) / 2
faceViewBounds = faceViewBounds.applying(CGAffineTransform(scaleX: scale, y: scale))
faceViewBounds.origin.x += offsetX
faceViewBounds.origin.y += offsetY
let faceBox = UIView(frame: faceViewBounds)
// 画一个红框画出面部位置
faceBox.layer.borderWidth = 3
faceBox.layer.borderColor = UIColor.red.cgColor
faceBox.backgroundColor = UIColor.clear
// 添加红框到图片上
imgView.addSubview(faceBox)
print(“面部坐标——> %d “, faceBox.frame)
if face.rightEyeClosed {
print(“右眼闭着”)
}
if face.leftEyeClosed {
print(“左眼闭着”)
}
if face.hasSmile {
print(“在笑”)
}
}
}
}
#45行——#53行还可以识别图像的动作，具体的可以到类中查看。
运行效果：
*************************************************************************************************
到这里，我们已经可以识别出人脸信息，但是在使用时我们不能拿着“这么大”的照片去用，裁剪后使用效率应该会更高。剔除人脸外无用的信息。但是进行的并不是很顺利，因为裁剪区域的坐标和界面显示的红框坐标并不相同，无奈被卡到现在还并未解决。
此处被卡时间太长，暂且搁置，后续研究
*************************************************************************************************
到这我们仅仅完成了静态人物的面部识别，而调用摄像头后动态面部信息的捕捉也是我们要使用的技术问题。前面所说的走弯路就在这了，看到了CoreImage.framework 可以识别图像，又可以自定义拍照界面，所以沿着这条路走了下去，结果并没有走通。首先说自定义界面只是简单的自定义，并不能按照自己的UI设计搭建拍照界面。其二，动态识别数据流信息（抓取人像信息，而不是拍摄后识别）貌似也不可以！！！
还好，在解这些问题的时候发现AVFoundation框架使我们需要的。
（2）AVFoundation.framework
正在研究中。。。
注：记得在plist文件中添加权限声明（调用相机，麦克风，媒体库等都要添加对应的权限），否则会崩的
直接上代码再注释吧，网上系统的资料比较少，基本都是一些简单的代码，也不能直接拿过来用！
var session: AVCaptureSession?
var device: AVCaptureDevice?
var input: AVCaptureDeviceInput?
var output: AVCaptureMetadataOutput?
var preview: AVCaptureVideoPreviewLayer?
// 初始化相机
func setupCamera() {
//session
session = AVCaptureSession()
session?.sessionPreset = AVCaptureSessionPresetPhoto
session?.sessionPreset = AVCaptureSessionPreset1280x720
// device
device = AVCaptureDevice.defaultDevice(withMediaType: AVMediaTypeVideo)
// 设置为前置摄像头
let devices = AVCaptureDeviceDiscoverySession(deviceTypes: [AVCaptureDeviceType.builtInWideAngleCamera], mediaType: AVMediaTypeVideo, position: AVCaptureDevicePosition.front)
for device in (devices?.devices)! {
self.device = device
}
// input
do {
try input = AVCaptureDeviceInput(device: device)
} catch let error as NSError {
print(“error: \(error.localizedDescription)”)
}
if (session?.canAddInput(input))! {
session?.addInput(input)
}
// output // 人脸识别
output = AVCaptureMetadataOutput()
output?.setMetadataObjectsDelegate(self, queue: DispatchQueue.main)
if (session?.canAddOutput(output))! {
session?.addOutput(output)
}
output?.metadataObjectTypes = [AVMetadataObjectTypeFace]
// preview
preview = AVCaptureVideoPreviewLayer(session: session)
preview?.videoGravity = AVLayerVideoGravityResizeAspectFill
preview?.frame = CGRect(x: (self.view.frame.width-200)/2.0, y: 150, width: 200, height: 200)
preview?.cornerRadius = 100
preview?.borderColor = UIColor.gray.cgColor
preview?.borderWidth = 3
// preview?.frame = self.view.bounds
self.view.layer.insertSublayer(preview!, at: 0)
session?.startRunning()
}
#3行，#17——#24行：硬件设备声明和初始化，调用前置摄像头
#5行：input，输入流
#7行：output，输出流
#9行：preview，预览界面，可以设置为想要的扫描效果界面。
#54行：初始化完成后一定要启动session
注：此处有一个巨大的坑，在设置output输出流，添加扫描识别类型时，一定要先添加input输入流，否则崩掉，然后网上也找不到相关资料，这是自己一步步试出来的！！！
上边的初始化完成后，需要实现一个协议方法，该方法在扫描到有人脸时会持续返回数据：
// MARK: – AVCaptureMetadataOutputObjectsDelegate
func captureOutput(_ captureOutput: AVCaptureOutput!, didOutputMetadataObjects metadataObjects: [Any]!, from connection: AVCaptureConnection!) {
for item in metadataObjects {
if (item as! AVMetadataObject).type == AVMetadataObjectTypeFace {
let transform: AVMetadataObject = (preview?.transformedMetadataObject(for: item as? AVMetadataObject))!
DispatchQueue.global().async {
DispatchQueue.main.async {
self.showFaceImage(withFrame: transform.bounds)
}
}
}
}
}
/// 显示人脸位置视图
func showFaceImage(withFrame rect: CGRect) {
if isStartFaceRecognition {
isStartFaceRecognition = false
faceBoxView.frame = rect
self.faceBoxView.transform = CGAffineTransform(scaleX: 1.5, y: 1.5);
UIView.animate(withDuration: 0.3, animations: {
[weak self] in
self?.faceBoxView.alpha = 1.0
self?.faceBoxView.transform = CGAffineTransform(scaleX: 1.0, y: 1.0);
}) { (finished: Bool) in
UIView.animate(withDuration: 0.2, animations: {
[weak self] in
self?.faceBoxView.alpha = 0.0
}, completion: { (finished: Bool) in
self.isStartFaceRecognition = true
})
}
}
}
返回的 AVMetadataObject 类中可以获取到面部位置坐标，根据坐标信息添加一个可视化界面展示给用户识别区域。
以上就是我们这一阶段完成的效果展示