0:0010:58

Recursos

Resumen

¿Quieres pintar un recuadro sobre un rostro detectado con machine learning en Android? Aquí construyes el layout personalizado que dibuja ese cuadro rojo cuando la cámara frontal reconoce una cara, retomando el objeto de cámara creado antes. Es ideal para quienes desarrollan apps con reconocimiento facial usando Canvas y HMS ML Kit.

¿Por qué necesito convertir density pixels a píxeles reales?

Lo primero que haces es crear un paquete nuevo llamado Utils, pensado para convertir density pixels a píxeles reales [00:33]. ¿La razón? Tu cámara hereda de Canvas, y Canvas en Android no reconoce los density pixels: solo entiende píxeles reales [00:49].

Dentro de ese paquete creas un objeto CommonUtils con una función que hace toda la magia de la conversión.

¿Qué hace la función dp2px en Android? Convierte density pixels a píxeles reales multiplicando el valor por la densidad de pantalla que obtiene desde los resources y el display metrics, y le suma 0.5f para redondear. Devuelve un valor flotante.

La función dp2px recibe un contexto y un valor flotante, y retorna un cálculo basado en el valor por la densidad de píxeles del dispositivo [01:15]. Ese 0.5f que sumas al final es el detalle que asegura una conversión precisa.

¿Cómo creo la clase LocalFaceGraphic para pintar el cuadro?

En tu overlay creas una clase nueva llamada LocalFaceGraphic [01:56]. Esta clase es la responsable de pintar el cuadro, que puede ser amarillo o rojo según el color que le asignes al rostro reconocido.

Su constructor recibe tres piezas clave:

  • Una variable overlay de tipo GraphicOverlay.
  • Un campo volátil de tipo rostro, que usa el objeto MLFace para reconocer si lo que ve la cámara es una cara [02:30].
  • Una variable de tipo contexto.

Aquí entra el segundo objeto de machine learning: MLFace. Mientras el primero reconocía la cámara frontal, este se encarga de detectar el rostro.

La clase hereda de BaseGraphic, que recibe el overlay. Como heredas de ella, el compilador te obliga a implementar un miembro: la función de dibujar [03:01]. Esa función es la que muestra el cuadro cuando reconoce tu cara.

¿Cómo configuro el FacePaint y su estilo?

Antes de dibujar, inicializas una variable FacePaint de tipo Paint de Android Graphics dentro de un bloque init [03:30]. El ancho del cuadro usa la función densityPixelsToPixels, a la que le pasas el contexto y el valor 1f [03:48].

Luego defines tres propiedades del paint:

  • El color de la línea dentro de la cara: rojo de Huawei, con el código F484B [04:22].
  • El estilo de tipo Paint.Style.STROKE, que pinta solo líneas sin relleno [04:33].
  • El ancho del stroke, que será tu line width [04:52].

Con esto ya tienes inicializado tu cuadro y listo para pintarlo con la función draw.

¿Cómo calculo los puntos para que el cuadro no se salga del rostro?

Dentro de draw, primero validas que si la cara es nula, la función retorna vacío y no pinta nada [05:08]. Esa validación evita dibujar cuando no hay rostro detectado.

Si hay cara, traes el faceShape de tipo face. Aunque el objeto permite acceder al ojo izquierdo (left eye) y derecho (right eye), aquí necesitas todo el rostro, así que usas type face [05:32].

Después creas cuatro variables que delimitan el recuadro para que no se salga de la cara:

  • verticalMin: altura vertical mínima, inicializada con max value.
  • verticalMax: altura vertical máxima, inicializada en 0f.
  • horizontalMin: horizontal mínima, con max value.
  • horizontalMax: horizontal máxima, en 0f [06:05].

¿Para qué sirven los face points en el reconocimiento facial? Son los puntos del rostro que recorres para calcular los límites del recuadro. Comparas cada coordenada X e Y para encontrar los valores mínimos y máximos, así el cuadro envuelve la cara sin salirse.

Con un for recorres los face points [06:28]. En cada punto validas que X e Y sean diferentes de nulo, lo que confirma que los puntos existen y el rostro está siendo reconocido [06:56].

¿Cómo se comparan los puntos X e Y para delimitar el cuadro?

Dentro del recorrido comparas cada coordenada:

  • Si el punto en X es mayor, actualiza horizontalMax con ese valor.
  • Si el punto en X es menor, actualiza horizontalMin.
  • Si el punto en Y es mayor, actualiza verticalMax.
  • Si el punto en Y es menor, actualiza verticalMin [07:20].

Así defines los cuatro bordes exactos del rostro detectado. Cada comparación ajusta un límite, y al terminar el for tienes las cuatro esquinas listas.

¿Cómo dibujo el rectángulo final en el Canvas?

Por último, creas el rectángulo con valores de traslación. Cada coordenada se convierte a entero para poder dibujarla [07:58]:

  • translateX con el horizontal mínimo.
  • translateY con el vertical mínimo.
  • translateX con el horizontal máximo.
  • translateY con el vertical máximo.

Una vez construido el rectángulo, lo agregas al Canvas con drawRect, pasándole el rectángulo y tu FacePaint [08:30]. Y aquí viene lo interesante: con ese paso tu código queda listo para dibujar el cuadro justo sobre el rostro reconocido.

Ya aplicaste un nuevo concepto de machine learning al crear un cuadro para reconocimiento facial. El siguiente paso es llevar ese cuadro al lente de la cámara. ¿Te animas a probarlo y compartir cómo te fue en los comentarios?

Dibuja un cuadro sobre el rostro con MLFace

Ver clases