iOS使用 Core Image 的 iOS 人脸识别

   <h2><strong>Face Detection in iOS Using Core Image</strong></h2>    <h2><strong>使用Core Image的iOS人脸识别</strong></h2>    <p>ore Image是Cocoa Touch中一个强大的API，是iOS SDK中的关键部分，不过它经常被忽视。在这篇教程中，会验证Core Image的人脸识别特性并在你的iOS app中应用这项技术!</p>    <p>注意: 这是一篇中高级的iOS教程，假定你已经使用过UIImagePicker, Core Image等技术。</p>    <h2><strong>将要构建的应用</strong></h2>    <p>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。</p>    <p>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。在第二个例子中，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。</p>    <h2><strong>建立工程</strong></h2>    <p>下载开始工程在Xcode中打开。如你所见，里面只有一个关联了IBOutlet和imageView的故事板。</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/a8628104885cfefe255ac40e401a389b.jpg"></p>    <h2><strong>使用Core Image识别人脸</strong></h2>    <p>在开始工程中，故事板中的imageView组件与代码中的IBOutlet已关联，接下来要实现人脸识别的代码部分。在swift文件中插入如下代码，之后进行讲解:</p>    <pre>  <code class="language-objectivec">func detect() {        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.featuresInImage(personciImage)        for face in faces as! [CIFaceFeature] {            print("Found bounds are \(face.bounds)")            let faceBox = UIView(frame: face.bounds)            faceBox.layer.borderWidth = 3          faceBox.layer.borderColor = UIColor.redColor().CGColor          faceBox.backgroundColor = UIColor.clearColor()          personPic.addSubview(faceBox)            if face.hasLeftEyePosition {              print("Left eye bounds are \(face.leftEyePosition)")          }            if face.hasRightEyePosition {              print("Right eye bounds are \(face.rightEyePosition)")          }      }  }</code></pre>    <p>来探讨下发生了什么:</p>    <ul>     <li>行 #3: 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。</li>     <li>行 #7: 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。</li>     <li>行 #8: 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。</li>     <li>行 #9: 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。</li>     <li>行 #11: 循环faces数组里的所有face，并将识别到的人脸强转为CIFaceFeature类型。</li>     <li>行 #15: 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。</li>     <li>行 #17: 设置faceBox的边框宽度为3。</li>     <li>行 #18: 设置边框颜色为红色。</li>     <li>行 #19: 将背景色设为clear，意味着这个视图没有可见的背景。</li>     <li>行 #20: 最后，把这个视图添加到personPic imageView上。</li>     <li>行 #22-28: 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。</li>    </ul>    <p>需要在viewDidLoad中调用detect方法，插入如下行:</p>    <pre>  <code class="language-objectivec">detect()</code></pre>    <p>编译并运行app，结果应如下图所示:</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/ec5c3a875777b4d02def49a5e0f2ac54.png"></p>    <p style="text-align:center">根据控制台的输出来看，貌似识别器识别到了人脸:</p>    <pre>  <code class="language-objectivec">Found bounds are (177.0, 415.0, 380.0, 380.0)</code></pre>    <p>当前的实现中没有解决的问题:</p>    <ul>     <li>人脸识别是在原始图像上进行的，由于原始图像的分辨率比image view要高，因此需要设置image view的content mode为aspect fit(保持纵横比的情况下缩放图片)。为了合适的绘制矩形框，需要计算image view中人脸的实际位置与尺寸</li>     <li>还要注意的是，Core Image与UIView使用两种不同的坐标系统(看下表)，因此要实现一个CoreImage坐标到UIView坐标的转换。</li>    </ul>    <p><img src="https://simg.open-open.com/show/53fead17a6732d115a17f984c292e31e.jpg"></p>    <p>现在使用下面的代码替换detect()方法:</p>    <pre>  <code class="language-objectivec">func detect() {        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.featuresInImage(personciImage)        // For converting the Core Image Coordinates to UIView Coordinates      let ciImageSize = personciImage.extent.size      var transform = CGAffineTransformMakeScale(1, -1)      transform = CGAffineTransformTranslate(transform, 0, -ciImageSize.height)        for face in faces as! [CIFaceFeature] {            print("Found bounds are \(face.bounds)")            // Apply the transform to convert the coordinates          var faceViewBounds = CGRectApplyAffineTransform(face.bounds, transform)            // Calculate the actual position and size of the rectangle in the image view          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 = CGRectApplyAffineTransform(faceViewBounds, CGAffineTransformMakeScale(scale, scale))          faceViewBounds.origin.x += offsetX          faceViewBounds.origin.y += offsetY            let faceBox = UIView(frame: faceViewBounds)            faceBox.layer.borderWidth = 3          faceBox.layer.borderColor = UIColor.redColor().CGColor          faceBox.backgroundColor = UIColor.clearColor()          personPic.addSubview(faceBox)            if face.hasLeftEyePosition {              print("Left eye bounds are \(face.leftEyePosition)")          }            if face.hasRightEyePosition {              print("Right eye bounds are \(face.rightEyePosition)")          }      }  }</code></pre>    <p>上述代码中，首先使用仿射变换将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。</p>    <p>再次运行app，应该会看到人的面部周围会有一个框，干得漂亮！你已经成功使用Core Image识别出了人脸。</p>    <p><img src="https://simg.open-open.com/show/20d549c24651b935014b1844136667c2.jpg"></p>    <h2><strong>构建一个人脸识别的相机应用</strong></h2>    <p>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。</p>    <p>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:</p>    <pre>  <code class="language-objectivec">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            presentViewController(imagePicker, animated: true, completion: nil)      }        func imagePickerController(picker: UIImagePickerController, didFinishPickingMediaWithInfo info: [String : AnyObject]) {          if let pickedImage = info[UIImagePickerControllerOriginalImage] as? UIImage {              imageView.contentMode = .ScaleAspectFit              imageView.image = pickedImage          }            dismissViewControllerAnimated(true, completion: nil)          self.detect()      }        func imagePickerControllerDidCancel(picker: UIImagePickerController) {          dismissViewControllerAnimated(true, completion: nil)      }    }</code></pre>    <p>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。</p>    <p>还没有实现detect函数，插入下面代码并分析一下:</p>    <pre>  <code class="language-objectivec">func detect() {          let imageOptions =  NSDictionary(object: NSNumber(int: 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.featuresInImage(personciImage, options: imageOptions as? [String : AnyObject])            if let face = faces.first as? CIFaceFeature {              print("found bounds are \(face.bounds)")                let alert = UIAlertController(title: "Say Cheese!", message: "We detected a face!", preferredStyle: UIAlertControllerStyle.Alert)              alert.addAction(UIAlertAction(title: "OK", style: UIAlertActionStyle.Default, handler: nil))              self.presentViewController(alert, animated: true, completion: nil)                if face.hasSmile {                  print("face is smiling");              }                if face.hasLeftEyePosition {                  print("Left eye bounds are \(face.leftEyePosition)")              }                if face.hasRightEyePosition {                  print("Right eye bounds are \(face.rightEyePosition)")              }          } else {              let alert = UIAlertController(title: "No Face!", message: "No face was detected", preferredStyle: UIAlertControllerStyle.Alert)              alert.addAction(UIAlertAction(title: "OK", style: UIAlertActionStyle.Default, handler: nil))              self.presentViewController(alert, animated: true, completion: nil)          }      }</code></pre>    <p>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”。运行app测试一下</p>    <p style="text-align:center"><img src="https://simg.open-open.com/show/ddf079dd70223c0f3857111661ffe07b.png"></p>    <p>我们已经使用到了一些CIFaceFeature的属性与方法，比如，若想检测人物是否在笑，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。</p>    <p>同样，可以调用hasMouthPosition来检测是否存在嘴，若存在则可以访问到mouthPosition属性，如下所示:</p>    <pre>  <code class="language-objectivec">if (face.hasMouthPosition) {       print("mouth detected")  }</code></pre>    <p>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。</p>    <h2><strong>总结</strong></h2>    <p>在这篇教程中尝试了Core Image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。</p>    <p>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。</p>    <p> </p>    <p> </p>    <p>来自：https://github.com/yrq110/Some_IOS_Tutorials_With_Swift/blob/master/Face Detection in iOS Using Core Image.md</p>    <p> </p>