当涂租房,火爆龙的妙管家,苏西·埃米斯
前言
coreimage是cocoa touch中一个强大的api，也是ios sdk中的关键部分，不过它经常被忽视。在本篇教程中，我会带大家一起验证coreimage的人脸识别特性。在开始之前，我们先要简单了解下coreimage framework 组成
coreimage framework组成
apple 已经帮我们把image的处理分类好，来看看它的结构：
主要分为三个部分：
1、定义部分：coreimage 和coreimagedefines。见名思义，代表了coreimage 这个框架和它的定义。
2、操作部分：
3、图像部分：
在了解上述基本知识后，我们开始通过创建一个工程来带大家一步步验证core image的人脸识别特性。
将要构建的应用
ios的人脸识别从ios 5(2011)就有了，不过一直没怎么被关注过。人脸识别api允许开发者不仅可以检测人脸，也可以检测到面部的一些特殊属性，比如说微笑或眨眼。
首先，为了了解core image的人脸识别技术我们会创建一个app来识别照片中的人脸并用一个方框来标记它。在第二个demo中，让用户拍摄一张照片，检测其中的人脸并检索人脸位置。这样一来，就充分掌握了ios中的人脸识别，并且学会如何利用这个强大却总被忽略的api。
话不多说，开搞!
建立工程(我用的是xcode8.0)
这里提供了初始工程，当然你也可以自己创建（主要是为了方便大家）点我下载 用xcode打开下载后的工程，可以看到里面只有一个关联了iboutlet和imageview的storyboard。
使用coreimage识别人脸
在开始工程中，故事板中的imageview组件与代码中的iboutlet已关联，接下来要编写实现人脸识别的代码部分。在viewcontroller.swift文件中写下如下代码:
我要评论
import uikit
import coreimage // 引入coreimage
class viewcontroller: uiviewcontroller {
@iboutlet weak var personpic: uiimageview!
override func viewdidload() {
super.viewdidload()
personpic.image = uiimage(named: "face-1")
// 调用detect
detect()
}
//mark: - 识别面部
func detect() {
// 创建personciimage变量保存从故事板中的uiimageview提取图像并将其转换为ciimage，使用core image时需要用ciimage
guard let personciimage = ciimage(image: personpic.image!) else {
return
}
// 创建accuracy变量并设为cidetectoraccuracyhigh，可以在cidetectoraccuracyhigh(较强的处理能力)与cidetectoraccuracylow(较弱的处理能力)中选择，因为想让准确度高一些在这里选择cidetectoraccuracyhigh
let accuracy = [cidetectoraccuracy: cidetectoraccuracyhigh]
// 这里定义了一个属于cidetector类的facedetector变量，并输入之前创建的accuracy变量
let facedetector = cidetector(oftype: cidetectortypeface, context: nil, options: accuracy)
// 调用facedetector的featuresinimage方法，识别器会找到所给图像中的人脸，最后返回一个人脸数组
let faces = facedetector?.features(in: personciimage)
// 循环faces数组里的所有face，并将识别到的人脸强转为cifacefeature类型
for face in faces as! [cifacefeature] {
print("found bounds are \(face.bounds)")
// 创建名为facebox的uiview，frame设为返回的faces.first的frame，绘制一个矩形框来标识识别到的人脸
let facebox = uiview(frame: face.bounds)
// 设置facebox的边框宽度为3
facebox.layer.borderwidth = 3
// 设置边框颜色为红色
facebox.layer.bordercolor = uicolor.red.cgcolor
// 将背景色设为clear，意味着这个视图没有可见的背景
facebox.backgroundcolor = uicolor.clear
// 最后，把这个视图添加到personpic imageview上
personpic.addsubview(facebox)
// api不仅可以帮助你识别人脸，也可识别脸上的左右眼，我们不在图像中标识出眼睛，只是给你展示一下cifacefeature的相关属性
if face.haslefteyeposition {
print("left eye bounds are \(face.lefteyeposition)")
}
if face.hasrighteyeposition {
print("right eye bounds are \(face.righteyeposition)")
}
}
}
}
编译并运行app，结果应如下图所示:
根据控制台的输出来看，貌似识别器识别到了人脸:
found bounds are (314.0, 243.0, 196.0, 196.0)
当前的实现中没有解决的问题:
uiview坐标系:
coreimage坐标系:
现在使用下面的代码替换detect()方法:
func detect1() {
guard let personciimage = ciimage(image: personpic.image!) else { return }
let accuracy = [cidetectoraccuracy: cidetectoraccuracyhigh]
let facedetector = cidetector(oftype: cidetectortypeface, context: nil, options: accuracy)
let faces = facedetector?.features(in: personciimage)
// 转换坐标系
let ciimagesize = personciimage.extent.size
var transform = cgaffinetransform(scalex: 1, y: -1)
transform = transform.translatedby(x: 0, y: -ciimagesize.height)
for face in faces as! [cifacefeature] {
print("found bounds are \(face.bounds)")
// 应用变换转换坐标
var faceviewbounds = face.bounds.applying(transform)
// 在图像视图中计算矩形的实际位置和大小
let viewsize = personpic.bounds.size
let scale = min(viewsize.width / ciimagesize.width, viewsize.height / ciimagesize.height)
let offsetx = (viewsize.width - ciimagesize.width * scale) / 2
let offsety = (viewsize.height - ciimagesize.height * scale) / 2
faceviewbounds = faceviewbounds.applying(cgaffinetransform(scalex: scale, y: scale))
faceviewbounds.origin.x += offsetx
faceviewbounds.origin.y += offsety
let facebox = uiview(frame: faceviewbounds)
facebox.layer.borderwidth = 3
facebox.layer.bordercolor = uicolor.red.cgcolor
facebox.backgroundcolor = uicolor.clear
personpic.addsubview(facebox)
if face.haslefteyeposition {
print("left eye bounds are \(face.lefteyeposition)")
}
if face.hasrighteyeposition {
print("right eye bounds are \(face.righteyeposition)")
}
}
}
上述代码中，首先使用仿射变换（affinetransform）将core image坐标转换为uikit坐标，然后编写了计算实际位置与矩形视图尺寸的代码。
再次运行app，应该会看到人的面部周围会有一个框。ok，你已经成功使用core image识别出了人脸。
但是有的童鞋在使用了上面的代码运行后可能会出现方框不存在(即没有识别人脸)这种情况，这是由于忘记关闭auto layout以及size classes了。 选中storyboard中的viewcontroller，选中view下的imageview。然后在右边的面板中的第一个选项卡中找到use auto layout ，将前面的✔️去掉就可以了
经过上面的设置后我们再次运行app，就会看到图三出现的效果了。
构建一个人脸识别的相机应用
想象一下你有一个用来照相的相机app，照完相后你想运行一下人脸识别来检测一下是否存在人脸。若存在一些人脸，你也许想用一些标签来对这些照片进行分类。我们不会构建一个保存照片后再处理的app，而是一个实时的相机app，因此需要整合一下uiimagepicker类，在照完相时立刻进行人脸识别。
在开始工程中已经创建好了cameraviewcontroller类，使用如下代码实现相机的功能:
class cameraviewcontroller: uiviewcontroller, uiimagepickercontrollerdelegate, uinavigationcontrollerdelegate {
@iboutlet var imageview: uiimageview!
let imagepicker = uiimagepickercontroller()
override func viewdidload() {
super.viewdidload()
imagepicker.delegate = self
}
@ibaction func takephoto(_ sender: anyobject) {
if !uiimagepickercontroller.issourcetypeavailable(.camera) {
return
}
imagepicker.allowsediting = false
imagepicker.sourcetype = .camera
present(imagepicker, animated: true, completion: nil)
}
func imagepickercontroller(_ picker: uiimagepickercontroller, didfinishpickingmediawithinfo info: [string : any]) {
if let pickedimage = info[uiimagepickercontrolleroriginalimage] as? uiimage {
imageview.contentmode = .scaleaspectfit
imageview.image = pickedimage
}
dismiss(animated: true, completion: nil)
self.detect()
}
func imagepickercontrollerdidcancel(_ picker: uiimagepickercontroller) {
dismiss(animated: true, completion: nil)
}
}
前面几行设置uiimagepicker委托为当前视图类，在didfinishpickingmediawithinfo方法(uiimagepicker的委托方法)中设置imageview为在方法中所选择的图像，接着返回上一视图调用detect函数。
还没有实现detect函数，插入下面代码并分析一下:
func detect() {
let imageoptions = nsdictionary(object: nsnumber(value: 5) as nsnumber, forkey: cidetectorimageorientation as nsstring)
let personciimage = ciimage(cgimage: imageview.image!.cgimage!)
let accuracy = [cidetectoraccuracy: cidetectoraccuracyhigh]
let facedetector = cidetector(oftype: cidetectortypeface, context: nil, options: accuracy)
let faces = facedetector?.features(in: personciimage, options: imageoptions as? [string : anyobject])
if let face = faces?.first as? cifacefeature {
print("found bounds are \(face.bounds)")
let alert = uialertcontroller(title: "提示", message: "检测到了人脸", preferredstyle: uialertcontrollerstyle.alert)
alert.addaction(uialertaction(title: "确定", style: uialertactionstyle.default, handler: nil))
self.present(alert, animated: true, completion: nil)
if face.hassmile {
print("face is smiling");
}
if face.haslefteyeposition {
print("左眼的位置: \(face.lefteyeposition)")
}
if face.hasrighteyeposition {
print("右眼的位置: \(face.righteyeposition)")
}
} else {
let alert = uialertcontroller(title: "提示", message: "未检测到人脸", preferredstyle: uialertcontrollerstyle.alert)
alert.addaction(uialertaction(title: "确定", style: uialertactionstyle.default, handler: nil))
self.present(alert, animated: true, completion: nil)
}
}
这个detect()函数与之前实现的detect函数非常像，不过这次只用它来获取图像不做变换。当识别到人脸后显示一个警告信息“检测到了人脸！”，否则显示“未检测到人脸”。运行app测试一下:
我们已经使用到了一些cifacefeature的属性与方法，比如，若想检测人物是否微笑，可以调用.hassmile，它会返回一个布尔值。可以分别使用.haslefteyeposition与.hasrighteyeposition检测是否存在左右眼。
同样，可以调用hasmouthposition来检测是否存在嘴，若存在则可以使用mouthposition属性，如下所示:
if (face.hasmouthposition) {
print("mouth detected")
}
如你所见，使用core image来检测面部特征是非常简单的。除了检测嘴、笑容、眼睛外，也可以调用lefteyeclosed与righteyeclosed检测左右眼是否睁开，这里就不在贴出代码了。
总结
在这篇教程中尝试了coreimage的人脸识别api与如何在一个相机app中应用它，构建了一个简单的uiimagepicker来选取照片并检测图像中是否存在人物。
如你所见，core image的人脸识别是个强大的api！希望这篇教程能给你提供一些关于这个鲜为人知的ios api有用的信息。
本地下载：点击，下载
好了，以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流，谢谢大家对移动技术网的支持。
如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复
iOS 使用UITextField自定义搜索框 实现用户输入完之后“实时搜索”功能
网友评论