设置
  • 日夜间
    随系统
    浅色
    深色
  • 主题色

IT之家学院:使用语义理解来解决智能照相机拍摄人脸问题

2017/8/4 18:04:41 来源:IT之家 作者:ls0609 责编:白猫
感谢IT之家网友 软媒用户1550661 的线索投递!

感谢IT之家网友 ls0609 的原创投稿

语音识别,语义理解一站式解决之智能照相机(人脸识别,olami)

转载请注明CSDN博文地址:http://blog.csdn.net/ls0609/article/details/76546716

olami sdk实现了把录音或者文字转化为用户可以理解的json字符串从而实现语义理解,用户可以定义自己的语义,通过这种方式可以实现用户需要的语义理解。前面写了两篇语音识别,语义理解的博文,分别是语音在线听书和语音记帐软件,本篇是语音智能照相机。

1.智能照相机的功能

手机后摄像头像素比较高,如果用后设想头对准自己自拍,那么看不到屏幕的情况下怎么知道自己在不在镜头中呢?而本篇做的智能照相机就可以为您解决这个问题。想要做的是这样一个照相机app,可以语音切换摄像头,人脸识别并语音播报识别的人脸是否在屏幕中央,是偏向哪里,当人脸居中的时候,提示用户可以拍照了,用户说“拍照”,“茄子”就会自动抓拍并保存图片在手机中。

抓了两张应用运行时的图片:

2.eclipse中的lib目录结构如下

assets下面的事tts播报的资源文件

libs目录下,

libtts.so tts播报所需的库文件

libspeex.so语音识别所需的库文件

libolamsc.so语音识别所需的库文件

tts.jar tts播报所需的库文件

voicesdk_android.jar语音识别所需的库文件

3.AndroidManifest.xml

<manifest xmlns:android="http://schemas.android.com/apk/res/android"

package="com.olami"

android:versionCode="1"

android:versionName="1.0" >

<uses-sdk

android:minSdkVersion="8"

android:targetSdkVersion="14" />

<application

android:allowBackup="true"

android:icon="@drawable/ic_launcher"

android:label="@string/app_name"

android:theme="@style/AppTheme" >

<activity

android:name=".MainActivity"

android:label="@string/app_name" >

需要录音,网络,读写sd卡,拍照等权限。

4.layout布局<RelativeLayout xmlns:android="http://schemas.android.com/apk/res/android"

xmlns:tools="http://schemas.android.com/tools"

android:layout_width="match_parent"

android:layout_height="match_parent">

<FrameLayout

android:layout_width="match_parent"

android:layout_height="match_parent">

<SurfaceView android:id="@+id/sView"

android:layout_width="match_parent"

android:layout_height="wrap_content"/>

<com.olami.FaceView

android:id="@+id/faceView"

android:layout_width="match_parent"

android:layout_height="match_parent"/>

<Button

android:id="@+id/btn_start"

android:layout_width="wrap_content"

android:layout_height="wrap_content"

android:layout_alignParentBottom="true"

android:layout_centerHorizontal="true"

android:text="开始" />

在surfaceview中自定义了一个FaceView,faceview用来显示抓拍的人脸。

屏幕最下方有个button,因为这个版本暂时不支持语音唤醒功能(后续添加后再更新),添加一个button用于用户想随时说拍照的时候点击触发用。

5.MainActivity.java和FaceView.java- 1.MainActivity.Java

@Override

protected void onCreate(Bundle savedInstanceState) {

super.onCreate(savedInstanceState);

setContentView(R.layout.layout_camera);

initHandler();//用于处理录音状态回调的消息

initView(); //初始化界面

initViaVoiceRecognizerListener(); //初始化olami语音回调监听

init(); //初始化olami语音识别sdk

initTts(); //初始化tts语音播报

DisplayMetrics dm = new DisplayMetrics();//定义DisplayMetrics对象

getWindowManager().getDefaultDisplay().getMetrics(dm);//取得窗口属性

mScreenCenterx = dm.widthPixels/2;//窗口的宽度

mScreenCentery = dm.heightPixels/2; //窗口的高度

}

以下是olamisdk的初始化

public void init()

{

mOlamiVoiceRecognizer = new OlamiVoiceRecognizer(MainActivity.this);

TelephonyManager telephonyManager=

(TelephonyManager) this.getSystemService(

this.getBaseContext().TELEPHONY_SERVICE);

String imei=telephonyManager.getDeviceId();

mOlamiVoiceRecognizer.init(imei);//设置身份标识,可以填null

//设置识别结果回调listener

mOlamiVoiceRecognizer.setListener(mOlamiVoiceRecognizerListener);

//设置支持的语音类型,优先选择中文简体

mOlamiVoiceRecognizer.setLocalization(

OlamiVoiceRecognizer.LANGUAGE_SIMPLIFIED_CHINESE);

mOlamiVoiceRecognizer.setAuthorization(

"51a4bb56ba954655a4fc834bfdc46af1",

"asr",

"68bff251789b426896e70e888f919a6d",

"nli");

//注册Appkey,在olami官网注册应用后生成的appkey

//注册api,请直接填写“asr”,标识语音识别类型

//注册secret,在olami官网注册应用后生成的secret

//注册seq,请填写“nli”

//录音时尾音结束时间,建议填//2000ms

mOlamiVoiceRecognizer.setVADTailTimeout(2000);

//设置经纬度信息,不愿上传位置信息,可以填0

mOlamiVoiceRecognizer.setLatitudeAndLongitude(

31.155364678184498,121.34882432933009);

}

定义OlamiVoiceRecognizerListener,此处代码就不贴了。

onError(int errCode)//出错回调,可以对比官方文档错误码看是什么错误

onEndOfSpeech()//录音结束

onBeginningOfSpeech()//录音开始

onResult(String result, int type)//result是识别结果JSON字符串

onCancel()//取消识别,不会再返回识别结果

onUpdateVolume(int volume)//录音时的音量,1-12个级别大小音量

以下是handler消息处理,包含语义解析

private void initHandler()

{

mHandler = new Handler(){

@Override

public void handleMessage(Message msg)

{

switch (msg.what){

case MessageConst.CLIENT_ACTION_START_RECORED:

mBtnStart.setText("录音中");

break;

case MessageConst.CLIENT_ACTION_STOP_RECORED:

mBtnStart.setText("识别中");

break;

case MessageConst.CLIENT_ACTION_CANCEL_RECORED:

mBtnStart.setText("开始");

break;

case MessageConst.CLIENT_ACTION_ON_ERROR:

mBtnStart.setText("开始");

break;

case MessageConst.CLIENT_ACTION_UPDATA_VOLUME:

//mTextViewVolume.setText("音量: "+msg.arg1);

break;

case MessageConst.SERVER_ACTION_RETURN_RESULT:

mBtnStart.setText("开始");

try{

String message = (String) msg.obj;

String input = null;

JSONObject jsonObject = new JSONObject(message);

JSONArray jArrayNli =

jsonObject.optJSONObject("data").optJSONArray("nli");

JSONObject jObj = jArrayNli.optJSONObject(0);

JSONArray jArraySemantic = null;

if(message.contains("semantic"))

{

jArraySemantic = jObj.getJSONArray("semantic");

String modifier =

jArraySemantic.optJSONObject(0).optJSONArray(

"modifier").optString(0);

if("take_photo".equals(modifier))

capture();

else if("switch_camera".equals(modifier))

switchCamera();

}

else{

Log.i("ppp","result error");

}

}

catch(Exception e)

{

e.printStackTrace();

}

break;

case MessageConst.CLIENT_ACTION_UPDATA_FACEDECTION_DATA:

if(mIsRecording)

break;

RectF rect = (RectF) msg.obj;

mLeft = rect.left;

mRight = rect.right;

mTop = rect.top;

mBottom = rect.bottom;

float centerx = mLeft +(mRight - mLeft)/2;

float centery = mTop + (mBottom-mTop)/2;

String promptString = "";

if(centerx100)

promptString = "位置偏左,";

else if((centerx > mScreenCenterx)&&

(Math.abs(centerx -mScreenCenterx)>100))

promptString = "位置偏右,";

if((centery < mScreenCentery)&&(

Math.abs(mScreenCentery-centery) >200))

{

if("".equals(promptString))

promptString = "位置偏上";

else

promptString += "并且偏上";

}

else if((centery > mScreenCentery)&&

(Math.abs(centery -mScreenCenterx)>200))

{

if("".equals(promptString))

promptString = "位置偏下";

else

promptString += "并且偏下";

}

if("".equals(promptString))

{

promptString = "位置已经居中,可以拍照了";

mIsCenter = true;

}

else

{

mIsCenter = false;

}

ITtsListener ttsListener = new ITtsListener()

{

@Override

public void onPlayEnd() {

if(mIsCenter)

{

if(mOlamiVoiceRecognizer != null)

mOlamiVoiceRecognizer.start();

}

}

@Override

public void onPlayFlagEnd(String arg0) {

}

@Override

public void onTTSPower(long arg0) {

}

};

TtsPlayer.playText(MainActivity.this,

promptString, ttsListener,Tts.TTS_SYSTEM_PRIORITY);

break;

}

}

};

}

在MessageConst.SERVER_ACTION_RETURN_RESULT消息中,通过解析服务器返回的json字符串,可以找到modifier这个字段的值,如果是take_photo表示拍照,如果是switch_camera表示切换摄像头。

当用户说拍照或者茄子的时候,服务器返回如下json字符串:

[

{

"desc_obj": {

"status": 0

},

"semantic": [

{

"app": "camera",

"input": "拍照",

"slots": [

],

"modifier": [

"take_photo"

],

"customer": "58df512384ae11f0bb7b487e"

}

],

"type": "camera"

}

]

这个拍照,茄子等语法都是自己定义的,详细请看:

olami开放平台语法编写简介:http://blog.csdn.net/ls0609/article/details/71624340

olami开放平台语法官方介绍:https://cn.olami.ai/wiki/?mp=nli&content=nli2.html

2.人脸识别FaceView.java

public class FaceView extends View {

private Camera.Face[] mFaces;

private Paint mPaint;

private Matrix matrix = new Matrix();

private RectF mRectF = new RectF();

private Handler mHandler;

private long mCurrentTime;

public void setFaces(Camera.Face[] faces) {

mFaces = faces;

invalidate();

}

public FaceView(Context context) {

super(context);

init(context);

}

public FaceView(Context context, AttributeSet attrs) {

super(context, attrs);

init(context);

}

public FaceView(Context context, AttributeSet attrs, int defStyleAttr) {

super(context, attrs, defStyleAttr);

init(context);

}

public void init(Context context) {

mPaint = new Paint();

mPaint.setColor(Color.RED);

mPaint.setStrokeWidth(5f);

mPaint.setStyle(Paint.Style.STROKE);

}

public void setHandler(Handler handler)

{

mHandler = handler;

}

@Override

protected void onDraw(Canvas canvas) {

super.onDraw(canvas);

if (mFaces == null || mFaces.length < 0) {

return;

}

//准备矩形框

MainActivity.prepareMatrix(matrix, false, 270, getWidth(), getHeight());

canvas.save();

matrix.postRotate(0);

canvas.rotate(-0);

RectF tempRectF = new RectF();

long tempTime = System.currentTimeMillis();

for (int i = 0; i < mFaces.length; i++) {

mRectF.set(mFaces[i].rect);//获取face矩形框值

float temp = mRectF.top;

mRectF.top = -mRectF.bottom;

mRectF.bottom = - temp; //上下交换

matrix.mapRect(mRectF);

canvas.drawRect(mRectF, mPaint);//绘制矩形框

tempRectF.set(mRectF);

if((mCurrentTime == 0) ||((tempTime-mCurrentTime)/1000) >= 4)

{//超过4秒,发送一次识别face矩形框值

mHandler.sendMessage(mHandler.obtainMessage(

MessageConst.CLIENT_ACTION_UPDATA_FACEDECTION_DATA, tempRectF));

mCurrentTime = tempTime;

}

Log.i("ppp","mRectF.left = "+mRectF.left+"mRectF.right = "+mRectF.right);

}

canvas.restore();

}

}

自定义FaceView中,由于旋转了270度,所以需要face矩形框上下值进行交换,不然人脸识别总是左右或者上下不能追踪。每隔4秒发送一次矩形框的值,在MainActivity.java的handler中收到这个消息并进行是否居中的判断。

case MessageConst.CLIENT_ACTION_UPDATA_FACEDECTION_DATA:

if(mIsRecording)

break;

RectF rect = (RectF) msg.obj;

mLeft = rect.left;

mRight = rect.right;

mTop = rect.top;

mBottom = rect.bottom;//保存上下左右的矩形框值

float centerx = mLeft +(mRight - mLeft)/2;//获取矩形框横向中心点位置

float centery = mTop + (mBottom-mTop)/2;//获取矩形框纵向中心点位置

String promptString = "";

if(centerx100)

promptString = "位置偏左,";

else if((centerx > mScreenCenterx)&&

(Math.abs(centerx -mScreenCenterx)>100))

promptString = "位置偏右,";

if((centery < mScreenCentery)&&(

Math.abs(mScreenCentery-centery) >200))

{

if("".equals(promptString))

promptString = "位置偏上";

else

promptString += "并且偏上";

}

else if((centery > mScreenCentery)&&

(Math.abs(centery -mScreenCenterx)>200))

{

if("".equals(promptString))

promptString = "位置偏下";

else

promptString += "并且偏下";

}

if("".equals(promptString))

{

promptString = "位置已经居中,可以拍照了";

mIsCenter = true;

}

else

{

mIsCenter = false;

}

ITtsListener ttsListener = new ITtsListener()

{

@Override

public void onPlayEnd() {

if(mIsCenter)

{

if(mOlamiVoiceRecognizer != null)

mOlamiVoiceRecognizer.start();

}

}

@Override

public void onPlayFlagEnd(String arg0) {

}

@Override

public void onTTSPower(long arg0) {

}

};

TtsPlayer.playText(MainActivity.this,

promptString, ttsListener,Tts.TTS_SYSTEM_PRIORITY);

break;

可以获得屏幕的中心点和人脸识别的矩形框的中心点,对比横向和纵向的中心点大小和绝对值差,当横向的值差100像素以上就认为横向不居中,并且根据大小分居左和居右,纵向大小差值在200像素以上认为纵向不居中,并且根据大小分偏上和偏下,这个100,200像素值用户可以自己调节到合适的值。

调用TtsPlayer.playText提示,当播报结束后回调到onPlayEnd(),如果居中那么已经提示用户可以拍照了,此时启动录音程序,用户不用点击button也不用唤醒,只许说拍照或者茄子就可以拍照了。

6.源码下载链接https://pan.baidu.com/s/1qXITWs8

7.相关链接语音在线听书:http://blog.csdn.net/ls0609/article/details/71519203

语音记账demo:http://blog.csdn.net/ls0609/article/details/72765789

olami开放平台语法编写简介:http://blog.csdn.net/ls0609/article/details/71624340

olami开放平台语法官方介绍:https://cn.olami.ai/wiki/?mp=nli&content=nli2.html

广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。

软媒旗下网站: IT之家 辣品 - 超值导购,优惠券 最会买 - 返利返现优惠券 iPhone之家 Win7之家 Win10之家 Win11之家

软媒旗下软件: 魔方 云日历 酷点桌面 Win7优化大师 Win10优化大师 软媒手机APP应用