当前位置：首页 > news >正文

自学记录鸿蒙API 13：实现多目标识别Object Detection

news 来源：原创 2025/7/14 22:08:52

起步：什么叫多目标识别？

无论是生活中的动物识别、智能相册中的场景分类，还是工业领域的检测任务，都能看到多目标识别的身影。这次，我决定通过学习HarmonyOS最新的Object Detection API（API 13），一步步探索如何实现多目标识别应用，并通过亲手完成一个完整的项目来验证自己的学习成果。

先思考

在深入学习之前，我认真思考了这一技术的潜在应用场景：

智能图像分类：对用户拍摄的图片进行智能分类，比如区分风景、建筑、人物等。
工业检测：识别生产线上产品的质量问题，如瑕疵或异常。
无人零售：分析购物场景中的商品分布，提高商品推荐精度。
交通监控：检测车辆和行人，实现交通状况分析。
AR互动：结合多目标识别技术，实现与周围物体的实时交互。

你还别说，我认识到多目标识别的广阔潜力，同时也促使我更加系统地理解其背后的实现逻辑。

第一阶段：了解Object Detection API的功能

HarmonyOS的Object Detection API提供了以下能力：

目标类别识别：识别图像中目标的类别，如风景、动物、植物等。
边界框生成：为识别的目标生成精确的边界框，便于后续处理。
高精度置信度：为每个目标提供置信度分数，衡量识别结果的可靠性。
多目标支持：能够在单张图片中同时检测多个目标对象。

这种强大的功能正是我此次学习和实践的重点。

第二阶段：项目初始化与权限配置

为了确保多目标识别服务能够正常运行，我首先配置了项目的权限文件。以下是必要的权限配置：

{"module": {"abilities": [{"name": "ObjectDetectionAbility","permissions": ["ohos.permission.INTERNET","ohos.permission.READ_MEDIA","ohos.permission.WRITE_MEDIA"]}]}
}

通过这些配置，我的项目能够读取用户的图片文件，并与HarmonyOS的AI服务接口交互。

第三阶段：多目标识别核心功能实现

初始化与销毁检测器

多目标识别服务需要初始化一个检测器实例，同时在不再使用时销毁该实例以释放资源。以下是相关代码：

import { objectDetection } from '@kit.CoreVisionKit';let detector: objectDetection.ObjectDetector | undefined = undefined;async function initializeDetector() {detector = await objectDetection.ObjectDetector.create();console.info('多目标识别检测器初始化成功');
}async function destroyDetector() {if (detector) {await detector.destroy();console.info('多目标识别检测器已销毁');}
}

加载图片并处理检测

实现多目标识别的核心在于加载图片并调用process方法进行检测：

async function detectObjects(imageUri: string) {if (!detector) {console.error('检测器未初始化');return;}const pixelMap = await loadPixelMap(imageUri);const request = {inputData: { pixelMap },scene: visionBase.SceneMode.FOREGROUND,};const response = await detector.process(request);if (response.objects.length === 0) {console.info('未检测到任何目标');} else {response.objects.forEach((object, index) => {console.info(`目标 ${index + 1}：类别 - ${object.labels[0]}, 置信度 - ${object.score}`);});}pixelMap.release();
}

辅助方法：加载图片

import { fileIo } from '@kit.CoreFileKit';
import { image } from '@kit.ImageKit';async function loadPixelMap(imageUri: string): Promise<image.PixelMap> {try {console.info(`加载图片: ${imageUri}`);// 打开图片文件const fileDescriptor = await fileIo.open(imageUri, fileIo.OpenMode.READ_ONLY);const imageSource = image.createImageSource(fileDescriptor.fd);// 创建PixelMap对象const pixelMap = await imageSource.createPixelMap();// 关闭文件资源await fileIo.close(fileDescriptor);console.info('PixelMap加载成功');return pixelMap;} catch (error) {console.error('加载图片失败:', error);throw new Error('加载PixelMap失败');}
}

第四阶段：用户界面设计

为了使用户可以方便地选择图片并查看检测结果，我利用ArkUI设计了一个简单的用户界面：

import { View, Text, Button } from '@ohos.arkui';export default View.create({build() {return {type: "flex",flexDirection: "column",children: [{type: Text,content: "多目标识别应用",style: { fontSize: "20vp", textAlign: "center", marginTop: "20vp" },},{type: Button,content: "选择图片",style: { height: "50vp", marginTop: "10vp" },onClick: this.onSelectImage,},{type: Button,content: "检测目标",style: { height: "50vp", marginTop: "10vp" },onClick: this.onDetectObjects,},],};},onSelectImage() {this.imageUri = '/data/media/sample_image.jpg';console.info('图片已选择:', this.imageUri);},async onDetectObjects() {await detectObjects(this.imageUri);},
});

第五阶段：性能优化与功能扩展

性能优化

分辨率调节：降低图片分辨率以减少处理时间。
并行处理：利用多线程同时处理多张图片。
缓存机制：缓存已处理的图片结果，避免重复计算。

功能扩展

目标类型可视化：在图片上绘制检测到的目标边界框。
分类统计：统计不同类别目标的数量。
实时检测：结合相机模块实现实时多目标识别。

最后的感悟

通过此次学习和实践，我不仅掌握了多目标识别API的基本功能，还深刻认识到其广阔的应用场景。在未来的开发中，我计划探索更多创新的实现方式，例如结合语音助手，通过语音控制触发目标识别，或与其他AI能力结合，开发更加智能的解决方案。

如果你也对多目标识别感兴趣，不妨从这些基础功能开始，一步步实现自己的创意！

当然如果你也在这一领域研究，不妨关注我，我们一起进步～！