你有没有过这种体验，拍照时对着镜头，脑子一片空白、表情僵硬、手和脚无处安放，最后拍出来的照片很是奇怪。拍照软件中的固定姿势抓拍功能可以帮助你：选择一个你想要的姿势模板，当你摆出同款姿势时，软件会进行自动抓拍，完美避开拍照时的尴尬。本文详细介绍了华为HMS ML kit人体骨骼识别技术的集成过程，该技术精准定位了14个骨骼点，可以轻松实现固定姿势抓拍。
人体骨骼检测功能开发实战
做了一个视频流骨骼识别小demo，做一次实战演练,
Github demo源码：https://github.com/HMS-Core/hms-ml-demo/tree/master/MLKit-Sample
1. 开发前准备
您需要完成必要的开发准备工作，同时请确保您的工程中已经配置HMS Core SDK的maven仓地址，并且完成了本服务的SDK集成。
1.1 在项目级build.gradle文件中配置maven仓地址。
buildscript {
repositories {
google()
jcenter()
maven { url 'https://developer.huawei.com/repo/' }
}
//配置AGC插件
dependencies {
classpath "com.android.tools.build:gradle:3.3.2"
}
}
allprojects {
repositories {
google()
jcenter()
maven { url 'https://developer.huawei.com/repo/' }
}
}
1.2 在应用级build.gradle中引入SDK。
dependencies {
implementation 'com.huawei.hms:ml-computer-vision-skeleton-model:2.0.1.300'
implementation 'com.huawei.hms:ml-computer-vision-skeleton:2.0.1.300'
implementation 'com.huawei.hms:ml-computer-vision-base:2.0.1.300'
}
2. 开发步骤
2.1 静态图片检测
2.1.1 创建人体骨骼检测器。
MLSkeletonAnalyzer analyzer = MLSkeletonAnalyzerFactory.getInstance().getSkeletonAnalyzer();
2.1.2 通过bitmap创建MLFrame，建议图片尺寸不小于320 * 320像素，不大于1920 * 1920像素。
//通过bitmap创建MLFrame。
MLFrame frame = MLFrame.fromBitmap(bitmap);
2.1.3 调用“asyncAnalyseFrame”方法进行人体骨骼检测。
Task<List<MLSkeleton>> task = analyzer.asyncAnalyseFrame(frame);
task.addOnSuccessListener(new OnSuccessListener<List<MLSkeleton>>() {
public void onSuccess(List<MLSkeleton> skeletons) {
// 对检测结果进行处理。
}
}).addOnFailureListener(new OnFailureListener() {
public void onFailure(Exception e) {
// 检测失败。
}
});
2.1.4 检测完成，停止分析器，释放检测资源。
try {
if (analyzer != null) {
analyzer.stop();
}
} catch (IOException e) {
// 异常处理。
}
给大家看下Demo效果：
2.2 动态视频检测
2.2.1 创建人体骨骼检测器。
MLSkeletonAnalyzer analyzer = MLSkeletonAnalyzerFactory.getInstance().getSkeletonAnalyzer();
2.2.2 开发者创建识别结果处理类“SkeletonAnalyzerTransactor”，该类实现MLAnalyzer.MLTransactor<T>接口，使用此类中的“transactResult”方法获取检测结果并实现具体业务。
public class SkeletonAnalyzerTransactor implements MLAnalyzer.MLTransactor<MLSkeleton> {
@Override
public void transactResult(MLAnalyzer.Result<MLSkeleton> results) {
SparseArray<MLSkeleton> items = results.getAnalyseList();
// 开发者根据需要处理识别结果，例如，在此方法中进行相似度计算，从而在检测到特定姿势后进行拍照等操作。
// 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。
// 将SparseArray封装的结果转换为List数组，以便进行相似度比较。
List<MLSkeleton> resultsList = new ArrayList<>();
for (int i = 0; i < items.size(); i ) {
resultsList.add(items.valueAt(i));
}
// 在检测结果和模板之间进行相似度比较。
// templateList表示人体骨骼模板，可以通过静态图片检测的方式生成模板，支持单人或多人模板匹配。
float result = analyzer.caluteSimilarity(resultsList, templateList);
}
@Override
public void destroy() {
// 检测结束回调方法，用于释放资源等。
}
}
2.2.3 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 SkeletonAnalyzerTransactor());
2.2.4 创建LensEngine，该类由ML Kit SDK提供，用于捕捉相机动态视频流并传入分析器。建议设置的相机显示尺寸不小于320 * 320像素，不大于1920 * 1920像素。
// Create LensEngine.
LensEngine lensEngine = new LensEngine.Creator(getApplicationContext(), analyzer)
.setLensType(LensEngine.BACK_LENS)
.applyDisplayDimension(1280, 720)
.applyFps(20.0f)
.enableAutomaticFocus(true)
.create();
2.2.5 开发者启用相机，读取视频流并进行识别，待检测完成，停止分析器,释放检测资源。
if (analyzer != null) {
try {
analyzer.stop();
} catch (IOException e) {
// 异常处理。
}
}
if (lensEngine != null) {
lensEngine.release();
}
动态视频流效果：
基于华为HMS ML kit人体骨骼识别技术，我们能做的还有很多：
a.在体感游戏中让虚拟形象模拟真人动作，增加游戏趣味性。
b.辅助健身锻炼或康复训练时的姿势矫正。
c.在监控中检测异常行为。
更详细的开发指南参考华为开发者联盟官网：
华为开发者联盟机器学习服务开发指南
欲了解更多详情，请参阅：
华为开发者联盟官网：https://developer.huawei.com/consumer/cn/hms
获取开发指导文档：https://developer.huawei.com/consumer/cn/doc/development
参与开发者讨论请到Reddit社区：https://www.reddit.com/r/HMSCore/
下载demo和示例代码请到Github：https://github.com/HMS-Core
解决集成问题请到Stack Overflow：https://stackoverflow.com/questions/tagged/huawei-mobile-services?tab=Newest
原文链接：https://developer.huawei.com/consumer/cn/forum/topicview?fid=18&tid=0202333916402640253
原作者：留下落叶
