春暖花开,万物复苏,正是踏青好时候。周末,阿珍组织班级里的小朋友去公园踏青,程序员阿强,作为护花使者也一同前往。

阿强本以为,可以肆意在林间草地自由地奔跑,回忆一下逝去的童真时光,没想到却成了小朋友们的“植物识别器”,整个踏青之旅变成大型科普现场。面对大自然,小朋友们满脑子都是“这啥花这啥草”,配以崇拜的小眼神真诚发问,让阿强即使手忙脚乱地偷偷上网搜索,也要给出正确答案。

但其实,植物科普不必这般费力,平时对大自然的了解甚少,也有办法轻松hold住小朋友稀奇古怪的发问。执行力满满的阿强,开发出一款拍照识花App,只需拿起手机拍摄一张完整花朵的照片,即可快速识别花卉种类,在App的协助下,秒变植物专家。

Demo演示

用图片分类技术实现“拍照识花”的原理详解-LMLPHP

实现原理

拍照识花功能用到了华为机器学习服务的图片分类能力,通过对图片中的实体对象进行分类并添加标注信息帮助定义图片题材和适用场景等。图片分类支持端侧识别和云测识别,端侧识别支持超过400个类别,云测识别支持12000个分类,同时,该服务提供了自定义模型能力,支持用户自定义图片分类模型。

开发准备

1、在华为开发者联盟网站创建应用并配置签名证书

2、配置华为 Maven仓地址,在应用级的“build.gradle”文件中添加编译SDK依赖

dependencies{
  // 引入基础SDK
  implementation 'com.huawei.hms:ml-computer-vision-classification:2.0.1.300'
  // 引入图片分类模型包
  implementation 'com.huawei.hms:ml-computer-vision-image-classification-model:2.0.1.300'
 }

3、设置自动更新机器学习模型

添加如下语句到AndroidManifest.xml文件中,用户从华为应用市场安装您的应用后,将自动更新机器学习模型到设备:

<manifest
    ...
    <meta-data
        android:name="com.huawei.hms.ml.DEPENDENCY"
        android:value= "label"/>
    ...
</manifest>

4、配置混淆脚本

上述步骤具体可参考开发者网站中的开发准备介绍

5、在AndroidManifest.xml文件里面声明系统权限

为了可以通过相机和相册进行图片的获取,需要在Manifest文件中申请相关的权限:

<uses-permission android:name="android.permission.CAMERA" />
    <uses-permission android:name="android.permission.INTERNET" />
    <uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" />
    <uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />
    <uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" />
    <uses-feature android:name="android.hardware.camera" />
<uses-feature android:name="android.hardware.camera.autofocus" />

开发步骤

1.创建并配置云端图片分类分析器

创建图片分类分析器类

public class RemoteImageClassificationTransactor extends BaseTransactor<List<MLImageClassification>>

之后在该类中,通过图像分类自定义类MLRemoteClassificationAnalyzerSetting创建分析器,并设置对应的参数配置,同时配置Handler

private final MLImageClassificationAnalyzer detector;
private Handler handler;
MLRemoteClassificationAnalyzerSetting options = new MLRemoteClassificationAnalyzerSetting.Factory().setMinAcceptablePossibility(0f).create();
this.detector = MLAnalyzerFactory.getInstance().getRemoteImageClassificationAnalyzer(options);
this.handler = handler;

2. 调用asyncAnalyseFrame方法进行图像处理

使用异步处理方式,对传入的MLFrame对象进行分类处理

@Override
protected Task<List<MLImageClassification>> detectInImage(MLFrame image) {
    return this.detector.asyncAnalyseFrame(image);
}

3. 获取分类成功后的结果

RemoteImageClassificationTransactor中重写onSuccess()方法,将识别到的物体名称显示到图片中

@Override
protected void onSuccess(
        Bitmap originalCameraImage,
        List<MLImageClassification> classifications,
        FrameMetadata frameMetadata,
        GraphicOverlay graphicOverlay) {
    graphicOverlay.clear();
    this.handler.sendEmptyMessage(Constant.GET_DATA_SUCCESS);
    List<String> classificationList = new ArrayList<>();
    for (int i = 0; i < classifications.size(); ++i) {
        MLImageClassification classification = classifications.get(i);
        if (classification.getName() != null) {
            classificationList.add(classification.getName());
        }
    }
    RemoteImageClassificationGraphic remoteImageClassificationGraphic =
            new RemoteImageClassificationGraphic(graphicOverlay, this.mContext, classificationList);
    graphicOverlay.addGraphic(remoteImageClassificationGraphic);
    graphicOverlay.postInvalidate();
}

如果错误的话,进行对应的错误处理和Log显示

@Override
protected void onFailure(Exception e) {
    this.handler.sendEmptyMessage(Constant.GET_DATA_FAILED);
    Log.e(RemoteImageClassificationTransactor.TAG, "Remote image classification detection failed: " + e.getMessage());
}

4.识别完成释放资源

识别完成后,需要将原有的分析器停止,并释放检测资源,在RemoteImageClassificationTransactor中重写stop()方法

@Override
public void stop() {
    super.stop();
    try {
        this.detector.stop();
    } catch (IOException e) {
        Log.e(RemoteImageClassificationTransactor.TAG,
                "Exception thrown while trying to close remote image classification transactor" + e.getMessage());
    }
}

>>访问华为开发者联盟官网,了解更多相关内容
>>获取开发指导文档
>>华为移动服务开源仓库地址:GitHubGitee

点击右上角头像右方的关注,第一时间了解华为移动服务最新技术~

04-12 04:09