从SurfaceView使用ByteBuffer时如何暂停android ML-kit中的条形码扫描

Question

语境

我正在使用Android firebase-ml-vision使用SurfaceView和相框的连续ByteBuffer扫描条形码。我以ML工具包快速入门项目作为起点，并且效果很好。

我项目的目的是识别与条形码关联的产品，并将其添加到扫描项目列表中。

问题

相机对焦后，条形码处理器将多次检测到相同的条形码，因此您将在一秒钟内扫描20条而不是1条条形码。

这是来自CamereSource.FrameProcessingRunnable.run的 javadoc

 * As long as the processing thread is active, this executes detection on frames continuously.
 * The next pending frame is either immediately available or hasn't been received yet. Once it
 * is available, we transfer the frame info to local variables and run detection on that frame.
 * It immediately loops back for the next frame without pausing.

我曾尝试在FrameProcessingRunnable中添加“已暂停”检查，但由于至少一个帧已被送入检测，因此我仍然至少两次被识别相同的条形码：

private class FrameProcessingRunnable implements Runnable {
private volatile boolean paused = false;
.
.
.
public void pause() {
  synchronized (lock) {
    this.paused = true;
    lock.notifyAll();
  }
}

public void resume() {
  synchronized (lock) {
    this.paused = false;
    lock.notifyAll();
  }
}

public void run() {
.
.
.
synchronized (processorLock) {
        if (!paused) {
          Log.d(TAG, "Process an image");
          frameProcessor.process(...

使用停止和启动的解决方案

由于无法暂停，因此我选择了从缓冲区中检测到条形码时停止并开始：

private CameraSourcePreview preview;
public void pauseImageProcessing() {
  preview.stop();
  try {
      preview.start(cameraSource, graphicOverlay);
  } catch (IOException e) {
  }
}

此方法有效，但是大约需要1秒钟的延迟才能再次启动，相机开始对焦并且可以检测到下一个条形码。无疑，这种方法还会消耗不必要的资源。您可能会说很好，但是在此视频中，您将看到带有Stop＆Start的相机扫描仪和Bluetooth扫描仪之间的区别：

更好的方法

我正在寻找一种解决方案，该解决方案将在成功检测到一个帧之后立即丢弃所有帧并重新开始，但是到目前为止，我失败了。我每秒使用20帧。

VissionProcessorBase确实有用于节流的代码

// Whether we should ignore process(). This is usually caused by feeding input data faster than
// the model can handle.
private final AtomicBoolean shouldThrottle = new AtomicBoolean(false);

但是还远远不够我的需求:(

Answer 1

一旦相机对焦，条码处理器就会多次检测到同一个条码，因此您可以在一秒钟内扫描 20 个而不是 1 个条码。

VisionProcessorBase.java

private void detectInVisionImage(
        FirebaseVisionImage image,
        final FrameMetadata metadata) {

    detectInImage(image)
            .addOnSuccessListener(
                    new OnSuccessListener<T>() {
                        @Override
                        public void onSuccess(final T results) {
                            new Handler().postDelayed(new Runnable() {
                                @Override
                                public void run() {
                                    shouldThrottle.set(false);
                                }
                            },1000);


                            VisionProcessorBase.this.onSuccess(results, metadata);

                        }
                    })
            .addOnFailureListener(
                    new OnFailureListener() {
                        @Override
                        public void onFailure(@NonNull Exception e) {
                            new Handler().postDelayed(new Runnable() {
                                @Override
                                public void run() {
                                    shouldThrottle.set(false);
                                }
                            },1000);
                            VisionProcessorBase.this.onFailure(e);
                        }
                    });
    // Begin throttling until this frame of input has been processed, either in onSuccess or
    // onFailure.
    shouldThrottle.set(true);



}