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
screenshot.png
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。
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
screenshot.png
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normalizedPoints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<landmarks2D.pointCount; i++) { CGPoint point = landmarks2D.normalizedPoints[i]; CGFloat rectWidth = sourceImage.size.width * observation.boundingBox.size.width; CGFloat rectHeight = sourceImage.size.height * observation.boundingBox.size.height; CGPoint p = CGPointMake(point.x * rectWidth + observation.boundingBox.origin.x * sourceImage.size.width, observation.boundingBox.origin.y * sourceImage.size.height + point.y * rectHeight);
points[i] = p;
}
UIGraphicsBeginImageContextWithOptions(sourceImage.size, false, 1); CGContextRef context = UIGraphicsGetCurrentContext();
[[UIColor greenColor] set]; CGContextSetLineWidth(context, 2);
// 设置翻转
CGContextTranslateCTM(context, 0, sourceImage.size.height); CGContextScaleCTM(context, 1.0, -1.0);
// 设置线类型
CGContextSetLineJoin(context, kCGLineJoinRound); CGContextSetLineCap(context, kCGLineCapRound);
// 设置抗锯齿
CGContextSetShouldAntialias(context, true); CGContextSetAllowsAntialiasing(context, true);
// 绘制
CGRect rect = CGRectMake(0, 0, sourceImage.size.width, sourceImage.size.height); CGContextDrawImage(context, rect, sourceImage.CGImage); CGContextAddLines(context, points, landmarks2D.pointCount); CGContextDrawPath(context, kCGPathStroke);
// 结束绘制
sourceImage = UIGraphicsGetImageFromCurrentImageContext(); UIGraphicsEndImageContext();
}Vision Demo演示：
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
动态识别：
动态监测人脸，动态进行添加
55k2.gif
Demo下载地址
https://github.com/DaSens/Vision_Demo
https://github.com/DaSens/Vision_Track
https://github.com/NilStack/HelloVision
https://github.com/jeffreybergier/Blog-Getting-Started-with-Vision
参考资料：
http://www.jianshu.com/p/174b7b67acc9
http://www.jianshu.com/p/e371099f12bd
https://github.com/NilStack/HelloVision
https://developer.apple.com/documentation/vision
https://github.com/jeffreybergier/Blog-Getting-Started-with-Vision
https://tech.iheart.com/iheart-wwdc-familiar-faces-1093fe751d9e
http://yulingtianxia.com/blog/2017/06/19/Core-ML-and-Vision-Framework-on-iOS-11/
作者：JingGuan
链接：https://www.jianshu.com/p/2e31a6f37fb6
随时随地看视频
