讲解 Vision 图像识别框架 API详解

本篇文章主要简单介绍下其中的 Vision API 的使用（Vision更强大的地方是可以结合Core ML模型实现更强大的功能，本篇文章就不详细展开了）

Vison 与 Core ML 的关系

Vision 是 Apple 在 WWDC 2017 推出的图像识别框架。

Core ML 是 Apple 在 WWDC 2017 推出的机器学习框架。

Core ML

根据这张图就可以看出，Core ML的作用就是将一个Core ML模型，转换成我们的App工程可以直接使用的对象,就是可以看做是一个模型的转换器。

Vision在这里的角色，就是相当于一个用于识别Core ML模型的一个角色.

Vision

根据官方文档看，Vision 本身就有Face Detection and Recognition(人脸检测识别)、Machine Learning Image Analysis(机器学习图片分析)、Barcode Detection(条形码检测)、Text Detection(文本检测)。。。。。等等这些功能。

所以可以这样理解：

Vision库里本身就已经自带了很多训练好的Core ML模型，这些模型是针对上面提到的人脸识别、条形码检测等等功能，如果你要实现的功能刚好是Vision库本身就能实现的，那么你直接使用Vision库自带的一些类和方法就行，但是如果想要更强大的功能，那么还是需要结合其它Core ML模型。

Vision 与 Core ML 总结

Core ML可以看做一个模型的转换器，可以将一个 ML Model 格式的模型文件自动生成一些类和方法，可以直接使用这些类去做分析，让我们更简单的在app中使用训练好的模型。

Vision本身就是能对图片做分析，他自带了针对很多检测的功能，相当于内置了一些Model，另外Vision也能使用一个你设置好的其它的Core ML Model来对图进行分析。

Vision就是建立在Core ML层之上的，使用Vision其实还是用到了Core ML，只是没有显式地直接写Core ML的代码而已。

Vison 的应用场景

图像配准

矩形检测

二维码/条形码检测

目标跟踪：脸部，矩形和通用模板

文字检测：监测文字外框，和文字识别

人脸检测：支持检测笑脸、侧脸、局部遮挡脸部、戴眼镜和帽子等场景，可以标记出人脸的矩形区域

人脸特征点：可以标记出人脸和眼睛、眉毛、鼻子、嘴、牙齿的轮廓，以及人脸的中轴线

Vison 的设计理念

苹果最擅长的，把复杂的事情简单化，Vision的设计理念也正是如此。

对于使用者我们抽象的来说，我们只需要：提出问题-->经过机器-->得到结果。

开发者不需要是计算机视觉专家，开发者只需要得到结果即可，一切复杂的事情交给Vision。

Vison 的性能对比

Vision 与 iOS 上其他几种带人脸检测功能框架的对比：

根据官方提供的资料可以看出来，Vision 和 Core Image、AV Capture 在精确度，耗时，耗电量来看基本都是Best、Fast、Good。

Vision 支持的图片类型

Vision 支持多种图片类型，如：

• CIImage
• NSURL
• NSData
• CGImageRef
• CVPixelBufferRef
• Vison 的使用 与结构图

Vision使用中的角色有：

Request，RequestHandler，results和results中的Observation数组。

结果图

Request类型：

有很多种，比如图中列出的 人脸识别、特征识别、文本识别、二维码识别等。

结果图

使用概述：

我们在使用过程中是给各种功能的 Request 提供给一个 RequestHandler，Handler 持有需要识别的图片信息，并将处理结果分发给每个 Request 的 completion Block 中。可以从 results 属性中得到 Observation 数组。

observations数组中的内容根据不同的request请求返回了不同的observation，如：VNFaceObservation、VNTextObservation、VNBarcodeObservation、VNHorizonObservation，不同的Observation都继承于VNDetectedObjectObservation，而VNDetectedObjectObservation则是继承于VNObservation。每种Observation有boundingBox，landmarks等属性，存储的是识别后物体的坐标，点位等，我们拿到坐标后，就可以进行一些UI绘制。

具体人脸识别使用示例：

1，创建处理图片处理对应的RequestHandler对象。

// 转换CIImage CIImage *convertImage = [[CIImage alloc]initWithImage:image]; // 创建处理requestHandler VNImageRequestHandler *detectRequestHandler = [[VNImageRequestHandler alloc]initWithCIImage:convertImage options:@{}];

2， 创建回调Handler。（用于识别成功后进行回调执行的一个Block）

// 设置回调 CompletionHandler completionHandler = ^(VNRequest *request, NSError * _Nullable error) { NSArray *observations = request.results; };

3， 创建对应的识别 Request 请求，指定 Complete Handler

VNImageBasedRequest *detectRequest = [[VNDetectFaceRectanglesRequest alloc]initWithCompletionHandler: completionHandler];

4，发送识别请求，并在回调中处理回调接受的数据

[detectRequestHandler performRequests:@[detectRequest] error:nil];

代码整合：

总的来说一共经过这几步之后基本的人脸识别就实现了。

// 转换CIImage CIImage *convertImage = [[CIImage alloc]initWithImage:image]; // 创建处理requestHandler VNImageRequestHandler *detectRequestHandler = [[VNImageRequestHandler alloc]initWithCIImage:convertImage options:@{}]; // 设置回调 CompletionHandler completionHandler = ^(VNRequest *request, NSError * _Nullable error) { NSArray *observations = request.results; [self handleImageWithType:type image:image observations:observations complete:complete]; }; // 创建BaseRequest VNImageBasedRequest *detectRequest = [[VNDetectFaceRectanglesRequest alloc]initWithCompletionHandler:completionHandler]; // 发送识别请求 [detectRequestHandler performRequests:@[detectRequest] error:nil];

VNFaceObservation 介绍：

VNFaceObservation里面，我们能拿到的有用信息就是boundingBox。

/// 处理人脸识别回调+ (void)faceRectangles:(NSArray *)observations image:(UIImage *_Nullable)image complete:(detectImageHandler _Nullable )complete{ NSMutableArray *tempArray = @[].mutableCopy; for (VNFaceObservation *observation in observations) { CGRect faceRect = [self convertRect:observation.boundingBox imageSize:image.size]; }

boundingBox直接是CGRect类型，但是boundingBox返回的是x,y,w,h的比例，需要进行转换。

/// 转换Rect+ (CGRect)convertRect:(CGRect)oldRect imageSize:(CGSize)imageSize{ CGFloat w = oldRect.size.width * imageSize.width; CGFloat h = oldRect.size.height * imageSize.height; CGFloat x = oldRect.origin.x * imageSize.width; CGFloat y = imageSize.height - (oldRect.origin.y * imageSize.height) - h; return CGRectMake(x, y, w, h); }

关于Y值为何不是直接oldRect.origin.y * imageSize.height出来，是因为这个时候直接算出来的脸部是MAX Y值而不是min Y值，所以需要进行转换一下。

特征识别介绍：

VNDetectFaceLandmarksRequest 特征识别请求返回的也是VNFaceObservation，但是这个时候VNFaceObservation 对象的 landmarks 属性就会有值，这个属性里面存储了人物面部特征的点。

如：

// 脸部轮廊@property (nonatomic, strong) VNFaceLandmarkRegion2D * _Nonnull faceContour;// 左眼，右眼@property (nonatomic, strong) VNFaceLandmarkRegion2D * _Nullable leftEye;@property (nonatomic, strong) VNFaceLandmarkRegion2D * _Nullable rightEye;// 鼻子，鼻嵴@property (nonatomic, strong) VNFaceLandmarkRegion2D * _Nullable nose;@property (nonatomic, strong) VNFaceLandmarkRegion2D * _Nullable noseCrest;@property (nonatomic, strong) VNFaceLandmarkRegion2D * _Nullable medianLine;// 外唇，内唇@property (nonatomic, strong) VNFaceLandmarkRegion2D * _Nullable outerLips;@property (nonatomic, strong) VNFaceLandmarkRegion2D * _Nullable innerLips;// 左眉毛，右眉毛@property (nonatomic, strong) VNFaceLandmarkRegion2D * _Nullable leftEyebrow;@property (nonatomic, strong) VNFaceLandmarkRegion2D * _Nullable rightEyebrow;// 左瞳,右瞳@property (nonatomic, strong) VNFaceLandmarkRegion2D * _Nullable leftPupil;@property (nonatomic, strong) VNFaceLandmarkRegion2D * _Nullable rightPupil;

每个特征对象里面都有一个pointCount属性，通过特征对象的pointAtIndex方法，可以取出来特征里面的每一个点，我们拿到点进行转换后，相应的UI绘制或其他操作。

例如：

UIImage *sourceImage = image; // 遍历所有特征 for (VNFaceLandmarkRegion2D *landmarks2D in pointArray) { CGPoint points[landmarks2D.pointCount]; // 转换特征的所有点 for (int i=0; i

Vision Demo演示：

图像识别：

以上是简单列举了一些代码，具体更详细的可参考官方文档或Demo代码（后面有Demo 下载链接）

下面GIF演示一下Vision Demo ，此Demo比较简单，演示了基本的一些Vision的使用

图像识别：

人脸识别、特征识别、文字识别

http://cc.cocimg.com/api/uploads/20170801/1501556701427095.gif

动态识别：

动态监测人脸，动态进行添加

http://cc.cocimg.com/api/uploads/20170801/1501556710223864.gif

Demo下载地址

https://github.com/DaSens/Vision_Demo

https://github.com/DaSens/Vision_Track.git