如何使用超簡單集成HMS Core ML Kit場景識別，構建相冊管理新模式

本篇內容主要講解“如何使用超簡單集成HMS Core ML Kit場景識別，構建相冊管理新模式”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“如何使用超簡單集成HMS Core ML Kit場景識別，構建相冊管理新模式”吧!

功能特性

華為場景識別服務支持對圖片的場景內容進行分類并添加標注信息，如美食、花朵、綠植、貓、狗、廚房、山峰、洗衣機等102種場景，并基于識別到的信息，構建更智能的相冊應用體驗。

場景識別具有以下功能特性：

• 多類場景識別 支持102種場景的識別，并持續增加。

• 識別準確率高 可識別多種物品、場景，識別準確率高。

• 識別響應速度快 毫秒級響應速度，并不斷優化性能表現。

• 集成簡單高效 提供API接口和SDK包，方便客戶集成，操作簡單，減少開發成本。

應用場景

場景識別除了應用于建立智能相冊、照片檢索和分類外，還可以識別拍攝場景自動選擇相應的場景濾鏡和相機參數，幫助用戶拍攝出更好看的照片。

開發代碼

1 開發準備工作

1.1 配置AppGallery Connect。

在開發應用前，需要在AppGallery Connect中配置相關信息。 具體操作步驟，請參考下方鏈接： https://developer.huawei.com/consumer/cn/doc/development/HMSCore-Guides-V5/config-agc-0000001050990353-V5

1.2 配置HMS Core SDK的Maven倉地址，并完成本服務的SDK集成。

（1）打開Android Studio項目級“build.gradle”文件。

（2）添加HUAWEI agcp插件以及Maven代碼庫。

• 在“allprojects > repositories”中配置HMS Core SDK的Maven倉地址。

• 在“buildscript > repositories”中配置HMS Core SDK的Maven倉地址。

• 如果App中添加了“agconnect-services.json”文件則需要在“buildscript > dependencies”中增加agcp配置。

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 開發代碼

靜態圖片檢測

2.1 創建場景識別檢測器實例。

// 方式1：使用默認的參數配置。
MLSceneDetectionAnalyzer analyzer = MLSceneDetectionAnalyzerFactory.getInstance().getSceneDetectionAnalyzer();
// 方式2：按自定義配置創建場景識別分析器實例。
MLSceneDetectionAnalyzerSetting setting = new MLSceneDetectionAnalyzerSetting.Factory()
     // 設置場景識別可信度閾值。
     .setConfidence(confidence)
     .create();
MLSceneDetectionAnalyzer analyzer = MLSceneDetectionAnalyzerFactory.getInstance().getSceneDetectionAnalyzer(setting);

2.2 通過android.graphics.Bitmap構造MLFrame，支持的圖片格式包括：jpg/jpeg/png/bmp。

MLFrame frame = new MLFrame.Creator().setBitmap(bitmap).create();

2.3 進行場景識別。

// 方式1：同步識別。
SparseArray<MLSceneDetection> results = analyzer.analyseFrame(frame);
// 方式2：異步識別。
Task<List<MLSceneDetection>> task = analyzer.asyncAnalyseFrame(frame);
task.addOnSuccessListener(new OnSuccessListener<List<MLSceneDetection>>() {
    public void onSuccess(List<MLSceneDetection> result) {
        // 場景識別成功的處理邏輯。
    }})
    .addOnFailureListener(new OnFailureListener() {
        public void onFailure(Exception e) {
            // 場景識別識別失敗的處理邏輯。
            // failure.
            if (e instanceof MLException) {
                MLException mlException = (MLException)e;
                // 獲取錯誤碼，開發者可以對錯誤碼進行處理，根據錯誤碼進行差異化的頁面提示。
                int errorCode = mlException.getErrCode();
                // 獲取報錯信息，開發者可以結合錯誤碼，快速定位問題。
                String errorMessage = mlException.getMessage();
            } else {
                // 其他異常。
        }
    }
});

2.4 檢測完成，停止分析器，釋放檢測資源。

if (analyzer != null) {
    analyzer.stop();
}

視頻流檢測

開發者可以自行處理視頻流，將視頻流轉化為MLFrame對象，再按靜態圖像檢測的方法進行場景識別。

如果開發者調用的是同步檢測接口，也可以使用SDK內置的LensEngine類實現視頻流場景識別。示例代碼如下：

3.1 創建場景識別分析器，只支持創建端側場景識別分析器。

MLSceneDetectionAnalyzer analyzer = MLSceneDetectionAnalyzerFactory.getInstance().getSceneDetectionAnalyzer();

3.2 開發者創建識別結果處理類“SceneDetectionAnalyzerTransactor”，該類實現MLAnalyzer.MLTransactor<T>接口，使用該接口中的transactResult方法獲取檢測結果并實現具體業務。

public class SceneDetectionAnalyzerTransactor implements MLAnalyzer.MLTransactor<MLSceneDetection> {
    @Override
    public void transactResult(MLAnalyzer.Result<MLSceneDetection> results) {
        SparseArray<MLSceneDetection> items = results.getAnalyseList();
        // 開發者根據需要處理識別結果，需要注意，這里只對檢測結果進行處理。
        // 不可調用ML Kit提供的其他檢測相關接口。
    }
    @Override
    public void destroy() {
        // 檢測結束回調方法，用于釋放資源等。
    }
}

3.3 設置識別結果處理器，實現分析器與結果處理器的綁定。

analyzer.setTransactor(new SceneDetectionAnalyzerTransactor());
// 創建LensEngine，該類由ML Kit SDK提供，用于捕捉相機動態視頻流并傳入分析器。
Context context = this.getApplicationContext();
LensEngine lensEngine = new LensEngine.Creator(context, this.analyzer)
    .setLensType(LensEngine.BACK_LENS)
    .applyDisplayDimension(1440, 1080)
    .applyFps(30.0f)
    .enableAutomaticFocus(true)
    .create();

3.4 調用run方法，啟動相機，讀取視頻流，進行識別。

// 請自行實現SurfaceView控件的其他邏輯。
SurfaceView mSurfaceView = findViewById(R.id.surface_view);
try {
    lensEngine.run(mSurfaceView.getHolder());
} catch (IOException e) {
    // 異常處理邏輯。
}

3.5 檢測完成，停止分析器，釋放檢測資源。

if (analyzer != null) {
    analyzer.stop();
}
if (lensEngine != null) {
    lensEngine.release();
}

DEMO展示

到此，相信大家對“如何使用超簡單集成HMS Core ML Kit場景識別，構建相冊管理新模式”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！