虹软人脸识别3.0 - 图像数据结构介绍(Android)

从虹软开放了2.0版本SDK以来，由于具有免费、离线使用的特点，我们公司在人脸识别门禁应用中使用了虹软SDK，识别效果还不错，因此比较关注虹软SDK的官方动态。近期上线了ArcFace 3.0 SDK版本，确实做了比较大的更新。首先本篇介绍一下关于Android平台算法的更新内容，下一篇将针对Windows平台的算法更新展开介绍。

• 特征比对支持比对模型选择，有生活照比对模型和人证比对模型
• 识别率、防攻击效果显著提升
• 特征值更新，升级后人脸库需重新注册
• Android平台新增64位的SDK
• 图像处理工具类
• 人脸检测同时支持全角度及单一角度
• 新增了一种图像数据传入方式

在实际开发过程中使用新的图像数据结构具有一定的难度，本文将从以下几点对该图像数据结构及使用方式进行详细介绍

1. SDK接口变动

2. ArcSoftImageInfo类解析

3. SDK相关代码解析

4. 步长的作用

5. 将Camera2回传的Image转换为ArcSoftImageInfo

一、SDK接口变动

在接入3.0版SDK时，发现FaceEngine类中的detectFaces、process、extractFaceFeature等传入图像数据的函数都有重载函数，重载函数的接口均使用ArcSoftImageInfo对象作为入参的图像数据，以人脸检测为例，具体接口如下：

原始接口：

public int detectFaces(byte[] data, int width, int height, int format, List<FaceInfo> faceInfoList)

新增接口：

public int detectFaces(ArcSoftImageInfo arcSoftImageInfo, List<FaceInfo> faceInfoList)

可以看到，重载函数传入ArcSoftImageInfo对象作为图像数据进行检测，arcSoftImageInfo替代了原来的data, width, height, format。

二、ArcSoftImageInfo类解析

在我实际使用后发现，ArcSoftImageInfo不只是简单封装一下，它还将一维数组data修改为二维数组planes，还新增了一个与planes对应的步长数组strides。

步长概念介绍： 步长可以理解为一行像素的字节数。

类结构如下:

public class ArcSoftImageInfo {
private int width;
private int height;
private int imageFormat;
private byte[][] planes;
private int[] strides;
...
}

官方文档中对该类的介绍：

• 成员描述

• 组成方式介绍

// arcSoftImageInfo组成方式举例：

// NV21格式数据，有两个通道，
// Y通道步长一般为图像宽度，若图像经过8字节对齐、16字节对齐等操作，需填入对齐后的图像步长
// VU通道步长一般为图像宽度，若图像经过8字节对齐、16字节对齐等操作，需填入对齐后的图像步长
ArcSoftImageInfo arcSoftImageInfo = new ArcSoftImageInfo(width, height, FaceEngine.CP_PAF_NV21, new byte[][]{planeY, planeVU}, new int[]{yStride, vuStride});

// GRAY，只有一个通道，
// 步长一般为图像宽度，若图像经过8字节对齐、16字节对齐等操作，需填入对齐后的图像步长
arcSoftImageInfo = new ArcSoftImageInfo(width, height, FaceEngine.CP_PAF_GRAY, new byte[][]{gray}, new int[]{grayStride});

// BGR24，只有一个通道，
// 步长一般为图像宽度的三倍，若图像经过8字节对齐、16字节对齐等操作，需填入对齐后的图像步长
arcSoftImageInfo = new ArcSoftImageInfo(width, height, FaceEngine.CP_PAF_BGR24, new byte[][]{bgr24}, new int[]{bgr24Stride});

// DEPTH_U16，只有一个通道，
// 步长一般为图像宽度的两倍，若图像经过8字节对齐、16字节对齐等操作，需填入对齐后的图像步长
arcSoftImageInfo = new ArcSoftImageInfo(width, height, FaceEngine.CP_PAF_DEPTH_U16, new byte[][]{depthU16}, new int[]{depthU16Stride});

可以看到，ArcSoftImageInfo用于存储分离的图像数据，以NV21数据为例，NV21数据有两个通道，那二维数组planes存储的就是两个数组：y数组和vu数组。以下是NV21数据的排列方式：

NV21图像格式属于 YUV颜色空间中的YUV420SP格式，每四个Y分量共用一组U分量和V分量，Y连续存储，U与V交叉存储。

排列方式如下（以8x4的图像为例）：

Y Y   Y Y   Y Y   Y Y
Y Y   Y Y   Y Y   Y Y
Y Y   Y Y   Y Y   Y Y
Y Y   Y Y   Y Y   Y Y
V U   V U   V U  V U
V U   V U   V U  V U

以上数据分为两个通道，首先是连续的Y数据，然后是交叉存储的V和U数据。如果我们使用的是Camera API，那基本用不到ArcSoftImageInfo类，因为Camera API回传的NV21数据是连续的，直接使用旧版接口即可；而当我们使用的是其他API时，拿到的数据可能是不连续的，例如使用Camera2 API、MediaCodec拿到的android.media.Image类对象，其图像数据也是分通道的，我们可以根据其通道内容，获取Y通道数据和VU通道数据，组成NV21格式的ArcSoftImageInfo对象用于处理。

三、SDK相关代码解析

我们来看下SDK中判断图像数据是否合法的校验代码：

注：原始代码由于被编译器修改过，阅读体验不佳，以下代码是我修改过的，将常量值替换回常量名，更便于阅读。

• 校验分离的图像信息数据

  private static boolean isImageDataValid(byte[] data, int width, int height, int format) {
  return
  (format == CP_PAF_NV21 && (height & 1) == 0 && data.length == width * height * 3 / 2)||
  (format == CP_PAF_BGR24 && data.length == width * height * 3)||
  (format == CP_PAF_GRAY && data.length == width * height) ||
  (format == CP_PAF_DEPTH_U16 && data.length == width * height * 2);
  }

  解读： 各个图像数据的要求如下：

  NV21格式图像数据的高度是偶数，数据大小是：宽x高x3/2
  1. BGR24格式图像数据的大小是：宽x高x3
  2. GRAY格式图像数据的大小是：宽x高
  3. DEPTH_U16格式图像数据的大小是：宽x高x2

• 校验ArcSoftImageInfo对象

  private static boolean isImageDataValid(ArcSoftImageInfo arcSoftImageInfo) {
  byte[][] planes = arcSoftImageInfo.getPlanes();
  int[] strides = arcSoftImageInfo.getStrides();
  if (planes != null && strides != null) {
  if (planes.length != strides.length) {
  return false;
  } else {
  byte[][] var3 = planes;
  int var4 = planes.length;
  
  for(int var5 = 0; var5 < var4; ++var5) {
  byte[] plane = var3[var5];
  if (plane == null || plane.length == 0) {
  return false;
  }
  }
  
  switch(arcSoftImageInfo.getImageFormat()) {
  case CP_PAF_BGR24:
  case CP_PAF_GRAY:
  case CP_PAF_DEPTH_U16:
  return planes.length == 1 && planes[0].length == arcSoftImageInfo.getStrides()[0] * arcSoftImageInfo.getHeight();
  case CP_PAF_NV21:
  return (arcSoftImageInfo.getHeight() & 1) == 0 && planes.length == 2 && planes[0].length == planes[1].length * 2 && planes[0].length == arcSoftImageInfo.getStrides()[0] * arcSoftImageInfo.getHeight() && planes[1].length == arcSoftImageInfo.getStrides()[1] * arcSoftImageInfo.getHeight() / 2;
  default:
  return false;
  }
  }
  } else {
  return false;
  }
  }

  解读：

  每个通道数据的大小是：高度x每个通道的步长
  1. BGR24、GRAY、DEPTH_U16格式图像数据都只有一个通道，但上述示例组成方式说明中提到它们的步长不同，关系如下： BGR24格式图像数据步长一般为3 x width
  2. GRAY格式图像数据步长一般为width
  3. DEPTH_U16格式图像数据步长一般为2 x width

四、步长的作用

• 具体踩坑举例

  如下图，这是在某台手机上使用Camera2 API时，指定了以1520x760分辨率进行预览时获取的数据。虽然指定的分辨率是1520x760，但是预览数据的实际大小却是1536x760，解析存下的图像数据，发现右边填充的16像素内容均为0，此时若我们以1520x760的分辨率去将这组YUV数据取出并转换为NV21，并在进行人脸检测时传入的宽度是1520，SDK将无法检测到人脸；若我们以1536x760的分辨率去解析，生成的NV21传给SDK，并且传入的宽度是1536时，SDK能够检测到人脸。

  

• 步长的重要性 只是差了这几个像素，为什么就导致人脸检测不到了呢？之前说到过，步长可以理解为一行像素的字节数。如果第一行像素的读取有偏差，那后续像素的读取也会受到影响。<br>

以下是对一张大小为1000x554的NV21图像数据，以不同步长进行解析的结果：

以正确的步长解析	以错误的步长解析

可以看到，对于一张图像，如果使用了错误的步长去解析，我们可能就无法看到正确的图像内容。

结论：通过引入图像步长能够有效的避免高字节对齐的问题。

五、将Camera2回传的Image转换为ArcSoftImageInfo

• Camera2 API回传数据处理
  对于以上场景，我们可提取android.media.Image对象的Y、U、V通道数据，组成NV21格式的ArcSoftImageInfo对象，传入SDK处理。示例代码如下：

  取出Camera2 API回传数据的Y、U、V通道数据

  private class OnImageAvailableListenerImpl implements ImageReader.OnImageAvailableListener{
  private byte[] y;
  private byte[] u;
  private byte[] v;
  
  @Override
  public void onImageAvailable(ImageReader reader) {
  Image image = reader.acquireNextImage();
  // 实际结果一般是 Y:U:V == 4:2:2
  if (camera2Listener != null && image.getFormat() == ImageFormat.YUV_420_888) {
  Image.Plane[] planes = image.getPlanes();
  // 重复使用同一批byte数组，减少gc频率
  if (y == null) {
  y = new byte[planes[0].getBuffer().limit() - planes[0].getBuffer().position()];
  u = new byte[planes[1].getBuffer().limit() - planes[1].getBuffer().position()];
  v = new byte[planes[2].getBuffer().limit() - planes[2].getBuffer().position()];
  }
  if (image.getPlanes()[0].getBuffer().remaining() == y.length) {
  planes[0].getBuffer().get(y);
  planes[1].getBuffer().get(u);
  planes[2].getBuffer().get(v);
  camera2Listener.onPreview(y, u, v, mPreviewSize, planes[0].getRowStride());
  }
  }
  image.close();
  }
  }

• 转换为ArcSoftImageInfo对象

注意： 拿到的YUV数据可能是YUV422，也可能是YUV420，需要分别实现两者转换为NV21格式的ArcSoftImageInfo对象的函数。

@Override
public void onPreview(final byte[] y, final byte[] u, final byte[] v, final Size previewSize, final int stride) {
if (arcSoftImageInfo == null) {
arcSoftImageInfo = new ArcSoftImageInfo(previewSize.getWidth(), previewSize.getHeight(), FaceEngine.CP_PAF_NV21);
}
// 回传数据是YUV422
if (y.length / u.length == 2) {
ImageUtil.yuv422ToNv21ImageInfo(y, u, v, arcSoftImageInfo, stride, previewSize.getHeight());
}
// 回传数据是YUV420
else if (y.length / u.length == 4) {
ImageUtil.yuv420ToNv21ImageInfo(y, u, v, arcSoftImageInfo, stride, previewSize.getHeight());
}
// 此时的arcSoftImageInfo数据即可传给SDK使用
if (faceEngine != null) {
List<FaceInfo> faceInfoList = new ArrayList<>();
int code = faceEngine.detectFaces(arcSoftImageInfo, faceInfoList);
if (code == ErrorInfo.MOK) {
Log.i(TAG, "onPreview: " + code + "  " + faceInfoList.size());
} else {
Log.i(TAG, "onPreview: no face detected , code is : " + code);
}
} else {
Log.e(TAG, "onPreview: faceEngine is null");
return;
}
...
}

以上代码中便是Camera2 API回传的数据转换为ArcSoftImageInfo对象并检测的具体实现。以下是将Y、U、V数据组成ArcSoftImageInfo对象的具体实现。

• 将Y、U、V数据组成ArcSoftImageInfo对象

对于Y通道，直接拷贝即可，对于U通道和V通道，需要考虑这组YUV数据的格式是YUV420还是YUV422，再获取其中的U、V数据

/**
* YUV420数据转换为NV21格式的ArcSoftImageInfo
*
* @param y                YUV420数据的y分量
* @param u                YUV420数据的u分量
* @param v                YUV420数据的v分量
* @param arcSoftImageInfo NV21格式的ArcSoftImageInfo
* @param stride           y分量的步长，一般情况下，由于YUV数据的对应关系，Y分量步长确定了，U和V也随之确定
* @param height           图像高度
*/
public static void yuv420ToNv21ImageInfo(byte[] y, byte[] u, byte[] v, ArcSoftImageInfo arcSoftImageInfo, int stride, int height) {
if (arcSoftImageInfo.getPlanes() == null) {
arcSoftImageInfo.setPlanes(new byte[][]{new byte[stride * height], new byte[stride * height / 2]});
arcSoftImageInfo.setStrides(new int[]{stride, stride});
}
System.arraycopy(y, 0, arcSoftImageInfo.getPlanes()[0], 0, y.length);
// 注意，vuLength 不能直接通过步长和高度计算，实测发现Camera2 API回传的数据有数据丢失，需要使用真实数据长度
byte[] vu = arcSoftImageInfo.getPlanes()[1];
int vuLength = u.length / 2 + v.length / 2;
int uIndex = 0, vIndex = 0;
for (int i = 0; i < vuLength; i++) {
vu[i] = v[vIndex++];
vu[i + 1] = u[uIndex++];
}
}
/**
* YUV422数据转换为NV21格式的ArcSoftImageInfo
*
* @param y                YUV422数据的y分量
* @param u                YUV422数据的u分量
* @param v                YUV422数据的v分量
* @param arcSoftImageInfo NV21格式的ArcSoftImageInfo
* @param stride           y分量的步长，一般情况下，由于YUV数据的对应关系，Y分量步长确定了，U和V也随之确定
* @param height           图像高度
*/
public static void yuv422ToNv21ImageInfo(byte[] y, byte[] u, byte[] v, ArcSoftImageInfo arcSoftImageInfo, int stride, int height) {
if (arcSoftImageInfo.getPlanes() == null) {
arcSoftImageInfo.setPlanes(new byte[][]{new byte[stride * height], new byte[stride * height / 2]});
arcSoftImageInfo.setStrides(new int[]{stride, stride});
}
System.arraycopy(y, 0, arcSoftImageInfo.getPlanes()[0], 0, y.length);
byte[] vu = arcSoftImageInfo.getPlanes()[1];
// 注意，vuLength 不能直接通过步长和高度计算，实测发现Camera2 API回传的数据有数据丢失，需要使用真实数据长度
int vuLength = u.length / 2 + v.length / 2;
int uIndex = 0, vIndex = 0;
for (int i = 0; i < vuLength; i += 2) {
vu[i] = v[vIndex];
vu[i + 1] = u[uIndex];
vIndex += 2;
uIndex += 2;
}
}

六、ArcSoftImageInfo优点总结

1. 在获取的图像数据源是分通道的数据时，使用ArcSoftImageInfo对象传入分离的图像数据可避免数据拼接所需的额外内存消耗。
2. 引入了步长的概念，在使用时传入了各个通道的步长，使开发者在使用SDK时对图像数据的了解更清晰。

Android Demo可在虹软人脸识别开放平台下载