2018-09-04更新: 很久沒有更新文章了，工作之余花時間看了之前寫的這篇文章并運行了之前寫的配套Demo，通過打印人臉特征CIFaceFeature的屬性，發現識別的效果并不是很好，具體說明見文章最底部的更新標題，后續我將分別用OpenCV（跨平臺計算機視覺庫）和 Vision （iOS 11新API）兩種庫實現人臉面部識別，敬請期待~~
OC版下載地址， swift版下載地址

CoreImage是Cocoa Touch中一個強大的API，也是iOS SDK中的關鍵部分，不過它經常被忽視。在本篇教程中，我會帶大家一起驗證CoreImage的人臉識別特性。在開始之前，我們先要簡單了解下CoreImage framework 組成

CoreImage framework組成

Apple 已經幫我們把image的處理分類好，來看看它的結構：

core Image.png

主要分為三個部分：

定義部分：CoreImage 和CoreImageDefines。見名思義，代表了CoreImage 這個框架和它的定義。
操作部分：
- 濾鏡（CIFliter）：CIFilter 產生一個CIImage。典型的，接受一到多的圖片作為輸入，經過一些過濾操作，產生指定輸出的圖片。
- 檢測（CIDetector）：CIDetector 檢測處理圖片的特性，如使用來檢測圖片中人臉的眼睛、嘴巴、等等。
- 特征（CIFeature）：CIFeature 代表由 detector處理后產生的特征。
圖像部分：
- 畫布（CIContext）：畫布類可被用與處理Quartz 2D 或者 OpenGL。可以用它來關聯CoreImage類。如濾鏡、顏色等渲染處理。
- 顏色（CIColor）：圖片的關聯與畫布、圖片像素顏色的處理。
- 向量（CIVector）：圖片的坐標向量等幾何方法處理。
- 圖片（CIImage）：代表一個圖像，可代表關聯后輸出的圖像。

在了解上述基本知識后，我們開始通過創建一個工程來帶大家一步步驗證Core Image的人臉識別特性。

將要構建的應用

iOS的人臉識別從iOS 5(2011)就有了，不過一直沒怎么被關注過。人臉識別API允許開發者不僅可以檢測人臉，也可以檢測到面部的一些特殊屬性，比如說微笑或眨眼。

首先，為了了解Core Image的人臉識別技術我們會創建一個app來識別照片中的人臉并用一個方框來標記它。在第二個demo中，讓用戶拍攝一張照片，檢測其中的人臉并檢索人臉位置。這樣一來，就充分掌握了iOS中的人臉識別，并且學會如何利用這個強大卻總被忽略的API。

話不多說，開搞!

建立工程(我用的是Xcode8.0)

這里提供了初始工程，當然你也可以自己創建（主要是為了方便大家）點我下載用Xcode打開下載后的工程，可以看到里面只有一個關聯了IBOutlet和imageView的StoryBoard。

1.png

使用CoreImage識別人臉

在開始工程中，故事板中的imageView組件與代碼中的IBOutlet已關聯，接下來要編寫實現人臉識別的代碼部分。在ViewController.swift文件中寫下如下代碼:

import UIKit
import CoreImage // 引入CoreImage
class ViewController: UIViewController {
    @IBOutlet weak var personPic: UIImageView!
    
    override func viewDidLoad() {
        super.viewDidLoad()
        
        personPic.image = UIImage(named: "face-1")
        // 調用detect
        detect()

    }
    //MARK: - 識別面部
    func detect() {
        // 創建personciImage變量保存從故事板中的UIImageView提取圖像并將其轉換為CIImage，使用Core Image時需要用CIImage
        guard let personciImage = CIImage(image: personPic.image!) else {
            return
        }
        // 創建accuracy變量并設為CIDetectorAccuracyHigh，可以在CIDetectorAccuracyHigh(較強的處理能力)與CIDetectorAccuracyLow(較弱的處理能力)中選擇，因為想讓準確度高一些在這里選擇CIDetectorAccuracyHigh
        let accuracy = [CIDetectorAccuracy: CIDetectorAccuracyHigh]
        // 這里定義了一個屬于CIDetector類的faceDetector變量，并輸入之前創建的accuracy變量
        let faceDetector = CIDetector(ofType: CIDetectorTypeFace, context: nil, options: accuracy)
        // 調用faceDetector的featuresInImage方法，識別器會找到所給圖像中的人臉，最后返回一個人臉數組
        let faces = faceDetector?.features(in: personciImage)
        // 循環faces數組里的所有face，并將識別到的人臉強轉為CIFaceFeature類型
        for face in faces as! [CIFaceFeature] {
            
            print("Found bounds are \(face.bounds)")
            // 創建名為faceBox的UIView，frame設為返回的faces.first的frame，繪制一個矩形框來標識識別到的人臉
            let faceBox = UIView(frame: face.bounds)
            // 設置faceBox的邊框寬度為3
            faceBox.layer.borderWidth = 3
            // 設置邊框顏色為紅色
            faceBox.layer.borderColor = UIColor.red.cgColor
            // 將背景色設為clear，意味著這個視圖沒有可見的背景
            faceBox.backgroundColor = UIColor.clear
            // 最后，把這個視圖添加到personPic imageView上
            personPic.addSubview(faceBox)
            // API不僅可以幫助你識別人臉，也可識別臉上的左右眼，我們不在圖像中標識出眼睛，只是給你展示一下CIFaceFeature的相關屬性
            if face.hasLeftEyePosition {
                print("Left eye bounds are \(face.leftEyePosition)")
            }
            
            if face.hasRightEyePosition {
                print("Right eye bounds are \(face.rightEyePosition)")
            }
        }
    }
}

編譯并運行app，結果應如下圖所示:

2.png

根據控制臺的輸出來看，貌似識別器識別到了人臉:
Found bounds are (314.0, 243.0, 196.0, 196.0)

當前的實現中沒有解決的問題:

人臉識別是在原始圖像上進行的，由于原始圖像的分辨率比image view要高，因此需要設置image view的content mode為aspect fit(保持縱橫比的情況下縮放圖片)。為了合適的繪制矩形框，需要計算image view中人臉的實際位置與尺寸
還要注意的是，CoreImage與UIView使用兩種不同的坐標系統(看下圖)，因此要實現一個CoreImage坐標到UIView坐標的轉換。

UIView坐標系:

UIView坐標系

CoreImage坐標系:

CoreImage坐標系

現在使用下面的代碼替換detect()方法:

func detect1() {

    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?.features(in: personciImage)
        
    // 轉換坐標系
    let ciImageSize = personciImage.extent.size
    var transform = CGAffineTransform(scaleX: 1, y: -1)
    transform = transform.translatedBy(x: 0, y: -ciImageSize.height)
        
    for face in faces as! [CIFaceFeature] {
        print("Found bounds are \(face.bounds)")     
        // 應用變換轉換坐標
        var faceViewBounds = face.bounds.applying(transform)
        // 在圖像視圖中計算矩形的實際位置和大小
        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 = faceViewBounds.applying(CGAffineTransform(scaleX: scale, y: scale))
        faceViewBounds.origin.x += offsetX
        faceViewBounds.origin.y += offsetY
            
        let faceBox = UIView(frame: faceViewBounds)
        faceBox.layer.borderWidth = 3
        faceBox.layer.borderColor = UIColor.red.cgColor
        faceBox.backgroundColor = UIColor.clear
        personPic.addSubview(faceBox)
            
        if face.hasLeftEyePosition {
            print("Left eye bounds are \(face.leftEyePosition)")
        }
            
        if face.hasRightEyePosition {
            print("Right eye bounds are \(face.rightEyePosition)")
        }
    }
}

上述代碼中，首先使用仿射變換（AffineTransform）將Core Image坐標轉換為UIKit坐標，然后編寫了計算實際位置與矩形視圖尺寸的代碼。

再次運行app，應該會看到人的面部周圍會有一個框。OK，你已經成功使用Core Image識別出了人臉。

3.png

但是有的童鞋在使用了上面的代碼運行后可能會出現方框不存在(即沒有識別人臉)這種情況，這是由于忘記關閉Auto Layout以及Size Classes了。選中storyBoard中的ViewController，選中view下的imageView。然后在右邊的面板中的第一個選項卡中找到use Auto Layout ，將前面的??去掉就可以了

4.png

經過上面的設置后我們再次運行App，就會看到圖三出現的效果了。

構建一個人臉識別的相機應用

想象一下你有一個用來照相的相機app，照完相后你想運行一下人臉識別來檢測一下是否存在人臉。若存在一些人臉，你也許想用一些標簽來對這些照片進行分類。我們不會構建一個保存照片后再處理的app，而是一個實時的相機app，因此需要整合一下UIImagePicker類，在照完相時立刻進行人臉識別。

在開始工程中已經創建好了CameraViewController類，使用如下代碼實現相機的功能:

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
        
        present(imagePicker, animated: true, completion: nil)
    }

    func imagePickerController(_ picker: UIImagePickerController, didFinishPickingMediaWithInfo info: [String : Any]) {

        if let pickedImage = info[UIImagePickerControllerOriginalImage] as? UIImage {
            imageView.contentMode = .scaleAspectFit
            imageView.image = pickedImage
        }
        
        dismiss(animated: true, completion: nil)
        self.detect()
    }
    
    func imagePickerControllerDidCancel(_ picker: UIImagePickerController) {
        dismiss(animated: true, completion: nil)
    }
}

前面幾行設置UIImagePicker委托為當前視圖類，在didFinishPickingMediaWithInfo方法(UIImagePicker的委托方法)中設置imageView為在方法中所選擇的圖像，接著返回上一視圖調用detect函數。

還沒有實現detect函數，插入下面代碼并分析一下:

func detect() {
    let imageOptions =  NSDictionary(object: NSNumber(value: 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?.features(in: personciImage, options: imageOptions as? [String : AnyObject])
        
    if let face = faces?.first as? CIFaceFeature {
        print("found bounds are \(face.bounds)")
            
        let alert = UIAlertController(title: "提示", message: "檢測到了人臉", preferredStyle: UIAlertControllerStyle.alert)
        alert.addAction(UIAlertAction(title: "確定", style: UIAlertActionStyle.default, handler: nil))
        self.present(alert, animated: true, completion: nil)
            
        if face.hasSmile {
            print("face is smiling");
        }
            
        if face.hasLeftEyePosition {
            print("左眼的位置: \(face.leftEyePosition)")
        }
            
        if face.hasRightEyePosition {
            print("右眼的位置: \(face.rightEyePosition)")
        }
    } else {
        let alert = UIAlertController(title: "提示", message: "未檢測到人臉", preferredStyle: UIAlertControllerStyle.alert)
        alert.addAction(UIAlertAction(title: "確定", style: UIAlertActionStyle.default, handler: nil))
        self.present(alert, animated: true, completion: nil)
    }
}

這個detect()函數與之前實現的detect函數非常像，不過這次只用它來獲取圖像不做變換。當識別到人臉后顯示一個警告信息“檢測到了人臉！”，否則顯示“未檢測到人臉”。運行app測試一下:

檢測到人臉.png

未檢測到人臉.png

我們已經使用到了一些CIFaceFeature的屬性與方法，比如，若想檢測人物是否微笑，可以調用.hasSmile，它會返回一個布爾值。可以分別使用.hasLeftEyePosition與.hasRightEyePosition檢測是否存在左右眼。

同樣，可以調用hasMouthPosition來檢測是否存在嘴，若存在則可以使用mouthPosition屬性，如下所示:

if (face.hasMouthPosition) {
    print("mouth detected")
}

如你所見，使用Core Image來檢測面部特征是非常簡單的。除了檢測嘴、笑容、眼睛外，也可以調用leftEyeClosed與rightEyeClosed檢測左右眼是否睜開，這里就不在貼出代碼了。

總結

在這篇教程中嘗試了CoreImage的人臉識別API與如何在一個相機app中應用它，構建了一個簡單的UIImagePicker來選取照片并檢測圖像中是否存在人物。

如你所見，Core Image的人臉識別是個強大的API！希望這篇教程能給你提供一些關于這個鮮為人知的iOS API有用的信息。

點擊swift版地址，OC版地址下載最終工程, 如果覺得對您有幫助的話，請幫我點個星星哦，您的星星是對我最大的支持。(^__) 嘻嘻……**

更新:

很久沒有更新文章了，工作之余花時間回顧了之前寫的這篇文章并運行了之前寫的配套Demo，通過打印人臉特征CIFaceFeature的屬性(如下)，發現識別的效果并不是很好，如下圖：

實際檢測效果

人臉特征CIFaceFeature的屬性

/** CIDetector發現的臉部特征。
  所有的位置都是相對于原始圖像. */
NS_CLASS_AVAILABLE(10_7, 5_0)
@interface CIFaceFeature : CIFeature
{
    CGRect bounds;
    BOOL hasLeftEyePosition;
    CGPoint leftEyePosition;
    BOOL hasRightEyePosition;
    CGPoint rightEyePosition;
    BOOL hasMouthPosition;
    CGPoint mouthPosition;
    
    BOOL hasTrackingID;
    int trackingID;
    BOOL hasTrackingFrameCount;
    int trackingFrameCount;
    
    BOOL hasFaceAngle;
    float faceAngle;
    
    BOOL hasSmile;
    BOOL leftEyeClosed;
    BOOL rightEyeClosed;
}

/** coordinates of various cardinal points within a face.
 臉部各個基點的坐標。

 Note that the left eye is the eye on the left side of the face
 from the observer's perspective. It is not the left eye from
 the subject's perspective.
請注意，左眼是臉左側的眼睛從觀察者的角度來看。 這不是左眼主體的視角.
 */
@property (readonly, assign) CGRect bounds;              // 指示圖像坐標中的人臉位置和尺寸的矩形。
@property (readonly, assign) BOOL hasLeftEyePosition;    // 指示檢測器是否找到了人臉的左眼。
@property (readonly, assign) CGPoint leftEyePosition;    // 左眼的坐標
@property (readonly, assign) BOOL hasRightEyePosition;   // 指示檢測器是否找到了人臉的右眼。
@property (readonly, assign) CGPoint rightEyePosition;   // 右眼的坐標
@property (readonly, assign) BOOL hasMouthPosition;      // 指示檢測器是否找到了人臉的嘴部
@property (readonly, assign) CGPoint mouthPosition;      // 嘴部的坐標

@property (readonly, assign) BOOL hasTrackingID;         // 指示面部對象是否具有跟蹤ID。
/**
 * 關于trackingID:
 * coreImage提供了在視頻流中檢測到的臉部的跟蹤標識符，您可以使用該標識符來識別在一個視頻幀中檢測到的CIFaceFeature對象是在先前視頻幀中檢測到的同一個臉部。
 * 只有在框架中存在人臉并且不與特定人臉相關聯時，該標識符才會一直存在。如果臉部移出視頻幀并在稍后返回到幀中，則分配另一個ID。 （核心圖像檢測面部，但不識別特定的面部。）
 * 這個有點抽象
 */
@property (readonly, assign) int trackingID;
@property (readonly, assign) BOOL hasTrackingFrameCount; // 指示面部對象的布爾值具有跟蹤幀計數。
@property (readonly, assign) int trackingFrameCount;     // 跟蹤幀計數

@property (readonly, assign) BOOL hasFaceAngle;          // 指示是否有關于臉部旋轉的信息可用。
@property (readonly, assign) float faceAngle;            // 旋轉是以度數逆時針測量的，其中零指示在眼睛之間畫出的線相對于圖像方向是水平的。

@property (readonly, assign) BOOL hasSmile;              // 是否有笑臉
@property (readonly, assign) BOOL leftEyeClosed;         // 左眼是否閉上
@property (readonly, assign) BOOL rightEyeClosed;        // 右眼是否閉上

問題：那么如何讓人臉識別的效果更好呢？如何讓面部識別點更加精確呢？有沒有別的方法呢？答案是肯定的。

現在市面上有很多成熟的面部識別產品：

Face++, 收費
Video++，收費
ArcFace 虹軟人臉認知引擎, 收費
百度云人臉識別, 收費
阿里云識別, 收費

等等，我們看到都是收費的。當然這些sdk是可以試用的。如果你有折騰精神，想自己嘗試人臉識別的實現，我們可以一起交流。畢竟市面上的這些sdk也不是一開始就有的，也是通過人們不斷研究開發出來的。而且自己折騰過程中，通過不斷地遇坑爬坑，對知識的理解更加深透，自己的技術也會有增進，不是嗎？不好意思，有點扯遠了。

Core Image只是簡單的圖像識別，并不能對流中的人臉進行識別。它只適合對圖片的處理。比較有名的OpenCV（跨平臺計算機視覺庫）就可以用來進行面部識別，識別精度自然很高。還有就是iOS 11.0+ 推出的Vision框架（讓我們輕松訪問蘋果的模型，用于面部檢測、面部特征點、文字、矩形、條形碼和物體）也可以進行面部識別。后面我將會用這兩個框架講解如何進行面部識別。敬請期待！！！

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美国产综合欧美视频

iOS之使用CoreImage進行人臉識別

iOS之使用CoreImage進行人臉識別

CoreImage framework組成

將要構建的應用

建立工程(我用的是Xcode8.0)

使用CoreImage識別人臉

構建一個人臉識別的相機應用

總結

更新:

問題：那么如何讓人臉識別的效果更好呢？如何讓面部識別點更加精確呢？有沒有別的方法呢？答案是肯定的。

推薦閱讀更多精彩內容

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美 国产 综合 欧美 视频

iOS之使用CoreImage進行人臉識別

CoreImage framework組成

將要構建的應用

建立工程(我用的是Xcode8.0)

使用CoreImage識別人臉

構建一個人臉識別的相機應用

總結

更新:

問題：那么如何讓人臉識別的效果更好呢？ 如何讓面部識別點更加精確呢？有沒有別的方法呢？ 答案是肯定的。

推薦閱讀更多精彩內容

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美国产综合欧美视频

問題：那么如何讓人臉識別的效果更好呢？如何讓面部識別點更加精確呢？有沒有別的方法呢？答案是肯定的。