百度人脸api优惠(百度播放器SDK)

上一节叙述了利用百度在线人脸接口和百度人脸识别离线SDK实现人脸识别的两种方式。

第一种方法是使用在线面部搜索api接口识别在线面部库中存储的面部照片。但是，经过进一步调查，在线面部搜索界面需要使用面部照片。照片为BASE64类型，传送到在线面部搜索api接口。这样，当然可以在多个图像类型中捕获界面提示。这里使用的是BASE64型。其实我推荐使用base64型的图像。因为这个接口还可以传输图像的face_token。但是，如果用照相机实时获取图像，则无法获取face_token，所以只能将图像传输到在线面部搜索界面进行识别。

要去看代码：先准备3360百度的脸部识别离线SDK。本例程序：

登录百度云账户：登录https://ai.Baidu.com/ai-doc/face/7k37c1twu

这个地方可以下载脸部识别安卓的SDK

点击进去，

然后点击：立即使用

点击此处下载SDK

然后，根据需要选择安卓程序：

然后开始施工后：

caption">

这个代码中可以看到上面有个,生活照检索:

可以看到,标注的地方,原来有注释掉的代码,上面是我新添加的代码,这里我在

//--->这里可以获取相机捕获的人脸图片 2021年10月19日15:12:54 Bitmap bitmap= BitmapUtils.getInstaceBmp(rgbInstance.getImage()); //--->根据faceToken 去搜索尝试 featureSearchOnline(livenessModel,bitmap,feature);

这里获取了,实时的摄像头照片以后,这里获取实时的摄像头照片是sdk自己带有的功能,

然后拿到这个bitmap,然后把图片上传给featureSearchOnline 这个自己写的方法,

//2021年10月20日15:22:51 // private void featureSearchOnline(LivenessModel livenessModel,Bitmap bitmap,byte[] feature) { long startFeature = System.currentTimeMillis(); String faceToekn = getFaceToken(feature); //1.获取百度云TOKEN String tokenStr = BaiDuAuthServiceUtils.getAuth(); String groupId ="XXXXX"; String base64Str = BitmapBaiDuUtils.bitmapToBase64(bitmap); //FACE_TOKEN String searlt = ""; searlt= BaiDuFaceSearchUtils.faceSearch(tokenStr,"BASE64",groupId,base64Str); System.out.println(searlt); Log.e("face_token--->0001",searlt); if(StringUtils.isNotBlank(searlt)){ JSONObject jsonObj= null; JSONArray respFaceArray= null; try { jsonObj = new JSONObject(searlt); if(jsonObj.getString("error_msg").equals("SUCCESS")){ respFaceArray=new JSONObject(jsonObj.getString("result")).getJSONArray("user_list"); if(respFaceArray!=null && respFaceArray.length()>0){ JSONObject userJsonObj = new JSONObject(respFaceArray.getString(0)); String groupIdStr = userJsonObj.getString("group_id"); String userIdStr =userJsonObj.getString("user_id"); String userInfoStr = userJsonObj.getString("user_info"); String userScore = userJsonObj.getString("score"); //1.识别成功构建User 返回 User user = new User(); user.setGroupId(groupIdStr); user.setUserId(userIdStr); user.setUserInfo(userInfoStr); user.setFeature(feature); user.setUserName("测试用户"); Float faceScore =0.0f; faceScore =Float.parseFloat(userScore); //人脸识别阈值设置为 80 if(faceScore>=80){ livenessModel.setUser(user); livenessModel.setFeatureScore(Float.parseFloat(userScore)); } } } }catch (Exception e){ e.printStackTrace(); } livenessModel.setCheckDuration(System.currentTimeMillis() - startFeature); } }