HarmonyOS Core Vision Kit入门：基础视觉服务集成指南

发表于 CSDN 精选专栏 | 阅读建议：30分钟 | 难度：中级

在这里插入图片描述

前言

在AI技术日新月异的今天，机器视觉已成为移动应用智能化升级的核心驱动力。无论是扫描文档提取文字、美颜相机定位人脸关键点，还是智能相册识别物体类别，背后都离不开强大的视觉算法支撑。然而，对于广大开发者而言，自研视觉算法不仅需要深厚的AI功底，还面临模型训练、性能优化、多端适配等诸多挑战。

HarmonyOS Core Vision Kit（基础视觉服务） 正是为解决这一痛点而生的官方视觉能力套件。它集成了华为自研的HiAI视觉引擎，将通用文字识别（OCR）、人脸检测、人脸比对、主体分割、多目标识别、骨骼点检测、图像超分等能力封装为开箱即用的API，让开发者无需关心底层模型细节，仅需几行代码即可为应用赋予"看懂世界"的能力。

本文将基于华为官方Core Vision Kit指南汇总页，系统讲解各视觉能力的适用场景、集成步骤与开发实例。无论你是希望为应用添加OCR功能的实用主义者，还是探索AI视觉创新的技术爱好者，本文都将为你提供一条清晰的入门路径。

一、Core Vision Kit核心能力概览

1.1 能力矩阵与适用场景

Core Vision Kit提供了7大基础视觉能力，覆盖了从文字理解到图像分析的完整场景：

能力名称 核心功能 典型应用场景 API模块
通用文字识别 识别图片中的印刷体文字 文档扫描、名片识别、票据录入 textRecognition
人脸检测 定位人脸位置、五官、朝向 美颜相机、人脸聚类、相册管理 faceDetector
人脸比对 计算两张人脸的相似度 人脸解锁、考勤打卡、身份核验 faceComparator
主体分割 提取前景主体、去除背景 智能抠图、背景替换、贴纸制作 subjectSegmentation
多目标识别 识别多种物体类别与位置 智能相册分类、视觉搜索、内容审核 objectDetection
骨骼点检测 检测人体关键点坐标 健身指导、动作识别、AR互动 skeletonDetection
图像超分 低分辨率图像智能放大增强 老照片修复、缩略图高清化 imageSuperResolution

提示：Core Vision Kit的所有AI推理均在设备本地完成，数据不上传云端，既保护用户隐私又保证实时响应速度。这是端侧智能架构的核心优势。

1.2 约束与限制

在使用Core Vision Kit前，需要了解以下约束条件：

  • 支持设备：Phone、Tablet、PC/2in1（暂不支持模拟器）
  • 支持地区：仅适用于中国境内（港澳台除外）
  • 并发限制：不支持同一用户并发调用同一个特性，多进程调用会进入队列排队
  • 图像质量要求：各能力对输入图像的分辨率、宽高比有具体约束（详见各能力章节）

1.3 通用开发流程

所有Core Vision Kit能力的集成遵循统一的四步开发范式：

  1. 导入模块：引入@kit.CoreVisionKit及相关依赖模块
  2. 初始化服务：调用init()加载AI模型（建议在aboutToAppear中执行）
  3. 执行分析：构造输入参数，调用检测/识别/分割接口
  4. 释放资源：调用release()卸载模型（建议在aboutToDisappear中执行）

二、通用文字识别（OCR）集成

2.1 适用场景与能力特点

通用文字识别是Core Vision Kit中使用频率最高的能力，支持识别图片中的印刷体文字内容，涵盖：

  • 支持语言：简体中文、英文、日文、韩文、繁体中文
  • 支持格式：JPEG、JPG、PNG
  • 文本长度：不超过10000字符
  • 识别精度：印刷体中文识别率可达**98.5%**以上

提示：OCR能力在识别手写体方面能力有所欠缺，建议针对手写场景结合其他方案。输入图像建议720p以上，拍摄角度与文本平面的夹角应小于30度。

2.2 OCR集成代码实现

import { textRecognition } from '@kit.CoreVisionKit';
import { image } from '@kit.ImageKit';
import { hilog } from '@kit.PerformanceAnalysisKit';
import { BusinessError } from '@kit.BasicServicesKit';
import { fileIo } from '@kit.CoreFileKit';
import { photoAccessHelper } from '@kit.MediaLibraryKit';

@Entry
@Component
struct OCRDemoPage {
  @State chooseImage: PixelMap | undefined = undefined;
  @State recognizedText: string = '';
  @State isLoading: boolean = false;

  async aboutToAppear(): Promise<void> {
    // 初始化OCR引擎（加载模型）
    try {
      const initResult = await textRecognition.init();
      hilog.info(0x0000, 'OCRSample', `OCR initialization result: ${initResult}`);
    } catch (error) {
      hilog.error(0x0000, 'OCRSample', `OCR init failed: ${error.message}`);
    }
  }

  async aboutToDisappear(): Promise<void> {
    // 释放OCR引擎资源
    try {
      await textRecognition.release();
      hilog.info(0x0000, 'OCRSample', 'OCR released successfully');
    } catch (error) {
      hilog.error(0x0000, 'OCRSample', `OCR release failed: ${error.message}`);
    }
  }

  build() {
    Column() {
      Image(this.chooseImage)
        .objectFit(ImageFit.Fill)
        .height('40%')
        .width('90%')
        .borderRadius(8)

      Scroll() {
        Text(this.recognizedText || '识别结果将显示在这里')
          .fontSize(14)
          .copyOption(CopyOptions.LocalDevice)
          .width('90%')
          .padding(12)
      }
      .height('25%')
      .backgroundColor('#F5F5F5')
      .borderRadius(8)
      .margin({ top: 16 })

      Button('选择图片')
        .type(ButtonType.Capsule)
        .fontColor(Color.White)
        .width('80%')
        .margin({ top: 20 })
        .onClick(() => {
          void this.selectImage();
        })

      Button(this.isLoading ? '识别中...' : '开始文字识别')
        .type(ButtonType.Capsule)
        .fontColor(Color.White)
        .width('80%')
        .margin({ top: 12 })
        .enabled(!this.isLoading && this.chooseImage !== undefined)
        .onClick(() => {
          void this.performOCR();
        })
    }
    .width('100%')
    .height('100%')
    .justifyContent(FlexAlign.Center)
  }

  // 选择图片
  private async selectImage(): Promise<void> {
    try {
      let photoPicker = new photoAccessHelper.PhotoViewPicker();
      let result = await photoPicker.select({
        MIMEType: photoAccessHelper.PhotoViewMIMETypes.IMAGE_TYPE,
        maxSelectNumber: 1
      });

      if (result.photoUris.length > 0) {
        await this.loadImage(result.photoUris[0]);
      }
    } catch (err) {
      hilog.error(0x0000, 'OCRSample', `Select image failed: ${err.message}`);
    }
  }

  // 加载图片为PixelMap
  private async loadImage(uri: string): Promise<void> {
    try {
      let file = await fileIo.open(uri, fileIo.OpenMode.READ_ONLY);
      let imageSource = image.createImageSource(file.fd);
      this.chooseImage = await imageSource.createPixelMap();
      await fileIo.close(file);
      this.recognizedText = '';
    } catch (err) {
      hilog.error(0x0000, 'OCRSample', `Load image failed: ${err.message}`);
    }
  }

  // 执行OCR识别
  private async performOCR(): Promise<void> {
    if (!this.chooseImage) {
      hilog.error(0x0000, 'OCRSample', 'No image selected');
      return;
    }

    this.isLoading = true;
    
    try {
      let visionInfo: textRecognition.VisionInfo = {
        pixelMap: this.chooseImage
      };

      // 调用OCR识别接口
      let result: textRecognition.TextRecognitionResult = 
        await textRecognition.recognizeText(visionInfo);

      // 拼接识别结果
      let text = '';
      if (result.blocks) {
        for (let block of result.blocks) {
          for (let line of block.lines) {
            text += line.text + '\n';
          }
        }
      }

      this.recognizedText = text || '未识别到文字内容';
      hilog.info(0x0000, 'OCRSample', `OCR success, text length: ${text.length}`);
    } catch (error) {
      hilog.error(0x0000, 'OCRSample', `OCR failed: ${error.code}, ${error.message}`);
      this.recognizedText = `识别失败: ${error.message}`;
    } finally {
      this.isLoading = false;
    }
  }
}

2.3 OCR结果数据结构

TextRecognitionResult的返回结构如下：

interface TextRecognitionResult {
  blocks: TextBlock[];  // 文本块数组
}

interface TextBlock {
  lines: TextLine[];    // 行数组
  blockRect: Rect;      // 块级矩形框
}

interface TextLine {
  text: string;         // 行文本内容
  lineRect: Rect;       // 行级矩形框
  words: Word[];        // 字级信息
}

interface Word {
  text: string;         // 单个文字
  wordRect: Rect;       // 字级矩形框
}

interface Rect {
  left: number;
  top: number;
  right: number;
  bottom: number;
}

三、人脸检测集成

3.1 适用场景与技术规格

人脸检测能力可返回高精度的人脸矩形框坐标、五官位置、人脸朝向与置信度，广泛应用于：

  • 相册人脸聚类与智能整理
  • 美颜相机的美颜、贴纸、 makeup 功能
  • 人脸解锁的前置检测环节

输入图像要求：

参数 要求
分辨率 建议720p以上
高度范围 224px ~ 15210px
宽度范围 100px ~ 10000px
宽高比 建议10:1以下
成像质量 清晰正面或半侧面，避免过度遮挡

提示：人脸检测接口调用耗时较久，不适合在需要实时检测的场景下使用（如视频流实时处理）。如有实时需求，建议使用Camera Kit结合帧预处理优化。

3.2 人脸检测集成代码

import { faceDetector } from '@kit.CoreVisionKit';
import { image } from '@kit.ImageKit';
import { hilog } from '@kit.PerformanceAnalysisKit';
import { BusinessError } from '@kit.BasicServicesKit';
import { fileIo } from '@kit.CoreFileKit';
import { photoAccessHelper } from '@kit.MediaLibraryKit';

@Entry
@Component
struct FaceDetectionPage {
  @State chooseImage: PixelMap | undefined = undefined;
  @State detectionResult: string = '';
  @State faceCount: number = 0;

  async aboutToAppear(): Promise<void> {
    // 初始化人脸检测分析器
    const initResult = await faceDetector.init();
    hilog.info(0x0000, 'FaceDetect', `Face detector init result: ${initResult}`);
  }

  async aboutToDisappear(): Promise<void> {
    // 释放人脸检测资源
    await faceDetector.release();
    hilog.info(0x0000, 'FaceDetect', 'Face detector released');
  }

  build() {
    Column() {
      Image(this.chooseImage)
        .objectFit(ImageFit.Fill)
        .height('50%')
        .width('90%')

      Text(`检测到人脸数量: ${this.faceCount}`)
        .fontSize(16)
        .fontWeight(FontWeight.Bold)
        .margin({ top: 12 })

      Scroll() {
        Text(this.detectionResult || '检测结果将显示在这里')
          .fontSize(12)
          .copyOption(CopyOptions.LocalDevice)
          .width('90%')
      }
      .height('20%')
      .backgroundColor('#F5F5F5')
      .borderRadius(8)
      .margin({ top: 8 })

      Button('选择图片')
        .type(ButtonType.Capsule)
        .fontColor(Color.White)
        .width('80%')
        .margin({ top: 16 })
        .onClick(() => void this.selectImage())

      Button('人脸检测')
        .type(ButtonType.Capsule)
        .fontColor(Color.White)
        .width('80%')
        .margin({ top: 10 })
        .onClick(() => void this.detectFaces())
    }
    .width('100%')
    .height('100%')
    .justifyContent(FlexAlign.Center)
  }

  private async selectImage(): Promise<void> {
    let photoPicker = new photoAccessHelper.PhotoViewPicker();
    try {
      let result = await photoPicker.select({
        MIMEType: photoAccessHelper.PhotoViewMIMETypes.IMAGE_TYPE,
        maxSelectNumber: 1
      });
      if (result.photoUris.length > 0) {
        await this.loadImage(result.photoUris[0]);
      }
    } catch (err: BusinessError) {
      hilog.error(0x0000, 'FaceDetect', `Select failed: ${err.message}`);
    }
  }

  private async loadImage(uri: string): Promise<void> {
    let file = await fileIo.open(uri, fileIo.OpenMode.READ_ONLY);
    let imageSource = image.createImageSource(file.fd);
    this.chooseImage = await imageSource.createPixelMap();
    await fileIo.close(file);
    this.detectionResult = '';
    this.faceCount = 0;
  }

  private async detectFaces(): Promise<void> {
    if (!this.chooseImage) {
      hilog.error(0x0000, 'FaceDetect', 'No image selected');
      return;
    }

    let visionInfo: faceDetector.VisionInfo = {
      pixelMap: this.chooseImage
    };

    try {
      let faces: faceDetector.Face[] = await faceDetector.detect(visionInfo);
      this.faceCount = faces.length;

      if (faces.length === 0) {
        this.detectionResult = '未检测到人脸，请选择包含人脸的图片。';
        return;
      }

      // 解析并展示检测结果
      let resultText = `检测到 ${faces.length} 张人脸:\n\n`;
      
      faces.forEach((face, index) => {
        resultText += `【人脸 ${index + 1}】\n`;
        resultText += `  位置: (${face.faceRect.left}, ${face.faceRect.top}) - `;
        resultText += `(${face.faceRect.right}, ${face.faceRect.bottom})\n`;
        resultText += `  置信度: ${(face.confidence * 100).toFixed(2)}%\n`;
        
        if (face.keyPoints) {
          resultText += `  关键点: ${face.keyPoints.length} 个\n`;
        }
        
        if (face.pitch !== undefined && face.yaw !== undefined) {
          resultText += `  俯仰角: ${face.pitch.toFixed(2)}, 偏航角: ${face.yaw.toFixed(2)}\n`;
        }
        
        resultText += '\n';
      });

      this.detectionResult = resultText;
      hilog.info(0x0000, 'FaceDetect', `Detection success: ${faces.length} faces`);
    } catch (error: BusinessError) {
      hilog.error(0x0000, 'FaceDetect', `Detection failed: ${error.code}, ${error.message}`);
      this.detectionResult = `检测失败: ${error.message}`;
    }
  }
}

四、主体分割集成

4.1 适用场景与能力特点

主体分割能力可以检测出图片中区别于背景的前景物体或区域（即"显著主体"），并将其从背景中分离出来。典型应用场景包括：

  • 主体贴纸：从图片中提取显著性主体，去掉背景制作贴纸
  • 背景替换：替换并提取出主体对象的背景
  • 显著性检测：快速定位图片中显著性区域
  • 辅助图片编辑：单独对主体进行美化处理

提示：主体分割对输入图片有明确要求：某个物体占比不小于原图大小的千分之五才会被认定为"主体"；不建议用于处理包含较多文字内容的图片。

4.2 主体分割集成代码

import { subjectSegmentation } from '@kit.CoreVisionKit';
import { image } from '@kit.ImageKit';
import { hilog } from '@kit.PerformanceAnalysisKit';
import { BusinessError } from '@kit.BasicServicesKit';
import { fileIo } from '@kit.CoreFileKit';
import { photoAccessHelper } from '@kit.MediaLibraryKit';

const TAG: string = 'SubjectSegmentation';

@Entry
@Component
struct SubjectSegmentationPage {
  @State chooseImage: PixelMap | undefined = undefined;
  @State segmentedImage: PixelMap | undefined = undefined;
  @State resultText: string = '';
  @State maxSubjectCount: string = '5';

  async aboutToAppear(): Promise<void> {
    const initResult = await subjectSegmentation.init();
    hilog.info(0x0000, TAG, `Subject segmentation init result: ${initResult}`);
  }

  async aboutToDisappear(): Promise<void> {
    await subjectSegmentation.release();
    hilog.info(0x0000, TAG, 'Subject segmentation released');
  }

  build() {
    Column() {
      // 原图展示
      Image(this.chooseImage)
        .objectFit(ImageFit.Fill)
        .height('30%')
        .width('90%')
        .borderRadius(8)
        .accessibilityDescription('待分割的原图')

      // 分割结果图
      Image(this.segmentedImage)
        .objectFit(ImageFit.Fill)
        .height('30%')
        .width('90%')
        .borderRadius(8)
        .margin({ top: 8 })
        .accessibilityDescription('分割后的主体图')

      Scroll() {
        Text(this.resultText)
          .fontSize(12)
          .copyOption(CopyOptions.LocalDevice)
          .width('90%')
      }
      .height('15%')
      .backgroundColor('#F5F5F5')
      .borderRadius(8)
      .margin({ top: 8 })

      // 最大主体数配置
      Row() {
        Text('最大主体数:')
          .fontSize(14)
        TextInput({ placeholder: '输入数字', text: this.maxSubjectCount })
          .type(InputType.Number)
          .width(80)
          .onChange((value: string) => {
            this.maxSubjectCount = value;
          })
      }
      .width('80%')
      .margin({ top: 8 })

      Button('选择图片')
        .type(ButtonType.Capsule)
        .fontColor(Color.White)
        .width('80%')
        .margin({ top: 10 })
        .onClick(() => void this.selectImage())

      Button('主体分割')
        .type(ButtonType.Capsule)
        .fontColor(Color.White)
        .width('80%')
        .margin({ top: 8 })
        .onClick(() => void this.performSegmentation())
    }
    .width('100%')
    .height('100%')
    .justifyContent(FlexAlign.Center)
  }

  private async selectImage(): Promise<void> {
    let photoSelectOptions = new photoAccessHelper.PhotoSelectOptions();
    photoSelectOptions.MIMEType = photoAccessHelper.PhotoViewMIMETypes.IMAGE_TYPE;
    photoSelectOptions.maxSelectNumber = 1;

    let photoPicker = new photoAccessHelper.PhotoViewPicker();
    try {
      let result = await photoPicker.select(photoSelectOptions);
      if (result.photoUris.length > 0) {
        await this.loadImage(result.photoUris[0]);
      }
    } catch (err: BusinessError) {
      hilog.error(0x0000, TAG, `Select failed: ${err.message}`);
    }
  }

  private async loadImage(uri: string): Promise<void> {
    let file = await fileIo.open(uri, fileIo.OpenMode.READ_ONLY);
    let imageSource = image.createImageSource(file.fd);
    this.chooseImage = await imageSource.createPixelMap();
    await fileIo.close(file);
    this.segmentedImage = undefined;
    this.resultText = '';
  }

  private async performSegmentation(): Promise<void> {
    if (!this.chooseImage) {
      hilog.error(0x0000, TAG, 'No image selected');
      return;
    }

    let visionInfo: subjectSegmentation.VisionInfo = {
      pixelMap: this.chooseImage
    };

    let config: subjectSegmentation.SegmentationConfig = {
      maxCount: parseInt(this.maxSubjectCount) || 5,
      enableSubjectDetails: true,
      enableSubjectForegroundImage: true
    };

    try {
      let data: subjectSegmentation.SegmentationResult = 
        await subjectSegmentation.doSegmentation(visionInfo, config);

      // 组装结果文本
      let output = `主体数量: ${data.subjectCount}\n`;
      output += `最大识别数: ${config.maxCount}\n`;
      output += `输出详细信息: ${config.enableSubjectDetails ? '是' : '否'}\n\n`;

      // 全图主体包围盒
      if (data.fullSubject) {
        let rect = data.fullSubject.subjectRectangle;
        output += `全图主体位置:\n`;
        output += `  Left: ${rect.left}, Top: ${rect.top}\n`;
        output += `  Width: ${rect.width}, Height: ${rect.height}\n\n`;
      }

      // 每个主体的详细信息
      if (config.enableSubjectDetails && data.subjectDetails) {
        output += '各主体位置:\n';
        data.subjectDetails.forEach((detail, index) => {
          let rect = detail.subjectRectangle;
          output += `  主体 ${index + 1}:\n`;
          output += `    Left: ${rect.left}, Top: ${rect.top}\n`;
          output += `    Width: ${rect.width}, Height: ${rect.height}\n`;
        });
      }

      this.resultText = output;

      // 显示分割后的前景图
      if (data.fullSubject && data.fullSubject.foregroundImage) {
        this.segmentedImage = data.fullSubject.foregroundImage;
      } else {
        hilog.error(0x0000, TAG, 'No foreground image in result');
      }

      hilog.info(0x0000, TAG, `Segmentation success: ${data.subjectCount} subjects`);
    } catch (error: BusinessError) {
      hilog.error(0x0000, TAG, `Segmentation failed: ${error.code}, ${error.message}`);
      this.resultText = `分割失败: ${error.message}`;
    }
  }
}

4.3 SegmentationConfig配置说明

配置项 类型 说明
maxCount number 最大识别主体数量，超过该数量的主体将被忽略
enableSubjectDetails boolean 是否输出每个主体的详细信息（位置、包围盒）
enableSubjectForegroundImage boolean 是否输出前景图（去除背景后的主体图像）

提示：若分割结果图片背景非透明，可检查是否已正确获取foregroundImage，或尝试将结果图叠加到自定义背景上实现抠图效果。

五、多目标识别集成

5.1 适用场景与能力特点

多目标识别可同时检测出给定图片中的多种物体，包括风景、动物、植物、建筑、人脸、表格、文本等，并给出每个物体的类别标签与位置信息。它是视觉搜索、智能相册、内容审核等场景的理想前置检测模块。

5.2 多目标识别集成代码

import { objectDetection, visionBase } from '@kit.CoreVisionKit';
import { image } from '@kit.ImageKit';
import { hilog } from '@kit.PerformanceAnalysisKit';
import { BusinessError } from '@kit.BasicServicesKit';
import { fileIo } from '@kit.CoreFileKit';
import { photoAccessHelper } from '@kit.MediaLibraryKit';

@Entry
@Component
struct ObjectDetectionPage {
  @State chooseImage: PixelMap | undefined = undefined;
  @State detectionResult: string = '';
  private imageSource: image.ImageSource | undefined = undefined;

  build() {
    Column() {
      Image(this.chooseImage)
        .objectFit(ImageFit.Fill)
        .height('50%')
        .width('90%')
        .borderRadius(8)

      Scroll() {
        Text(this.detectionResult || '识别结果将显示在这里')
          .fontSize(12)
          .copyOption(CopyOptions.LocalDevice)
          .width('90%')
      }
      .height('25%')
      .backgroundColor('#F5F5F5')
      .borderRadius(8)
      .margin({ top: 12 })

      Button('选择图片')
        .type(ButtonType.Capsule)
        .fontColor(Color.White)
        .width('80%')
        .margin({ top: 16 })
        .onClick(() => void this.selectImage())

      Button('开始多目标识别')
        .type(ButtonType.Capsule)
        .fontColor(Color.White)
        .width('80%')
        .margin({ top: 10 })
        .onClick(() => void this.detectObjects())
    }
    .width('100%')
    .height('100%')
    .justifyContent(FlexAlign.Center)
  }

  private async selectImage(): Promise<void> {
    let photoPicker = new photoAccessHelper.PhotoViewPicker();
    try {
      let result = await photoPicker.select({
        MIMEType: photoAccessHelper.PhotoViewMIMETypes.IMAGE_TYPE,
        maxSelectNumber: 1
      });
      if (result.photoUris.length > 0) {
        await this.loadImage(result.photoUris[0]);
      }
    } catch (err: BusinessError) {
      hilog.error(0x0000, 'ObjectDetect', `Select failed: ${err.message}`);
    }
  }

  private async loadImage(uri: string): Promise<void> {
    let file = await fileIo.open(uri, fileIo.OpenMode.READ_ONLY);
    this.imageSource = image.createImageSource(file.fd);
    this.chooseImage = await this.imageSource.createPixelMap();
    await fileIo.close(file);
    this.detectionResult = '';
  }

  private async detectObjects(): Promise<void> {
    if (!this.chooseImage) {
      hilog.error(0x0000, 'ObjectDetect', 'No image selected');
      return;
    }

    try {
      // 构造visionBase.Request输入参数
      let request: visionBase.Request = {
        inputData: { pixelMap: this.chooseImage }
      };

      // 创建检测器实例
      let detector = await objectDetection.ObjectDetector.create();
      
      // 执行多目标识别
      let response: objectDetection.ObjectDetectionResponse = await detector.process(request);

      let resultJson = JSON.stringify(response, null, 2);
      this.detectionResult = resultJson;

      hilog.info(0x0000, 'ObjectDetect', `Detection success: ${resultJson}`);
    } catch (error: BusinessError) {
      hilog.error(0x0000, 'ObjectDetect', `Detection failed: ${error.code}, ${error.message}`);
      this.detectionResult = `识别失败: ${error.message}`;
    }
  }
}

5.3 多目标识别结果解析

ObjectDetectionResponse返回的结果包含检测到的物体数组，每个物体包含：

字段 类型 说明
label string 物体类别标签（如"person"、“car”、“dog”）
confidence number 识别置信度，范围0-1
boundingBox Rect 物体在图片中的位置（left, top, right, bottom）

六、其他视觉能力简介

6.1 人脸比对

人脸比对用于计算两张人脸图片的相似度，适用于人脸认证、考勤打卡等1v1比对场景：

import { faceComparator } from '@kit.CoreVisionKit';

// 初始化
await faceComparator.init();

// 执行比对
let result = await faceComparator.compare(faceImage1, faceImage2);
console.info(`相似度: ${result.similarity}`); // 0-1之间的相似度分数

// 释放资源
await faceComparator.release();

6.2 骨骼点检测

骨骼点检测可检测人体关键点（如头部、肩膀、手肘、膝盖等），适用于健身指导、动作识别等场景：

import { skeletonDetection } from '@kit.CoreVisionKit';

// 初始化
await skeletonDetection.init();

// 执行检测
let result = await skeletonDetection.detect({ pixelMap: image });
console.info(`检测到 ${result.skeletons.length} 个人体`);

// 释放资源
await skeletonDetection.release();

6.3 图像超分

图像超分可将低分辨率、模糊的图片智能放大并增强清晰度，适用于老照片修复等场景：

import { imageSuperResolution } from '@kit.CoreVisionKit';

// 初始化
await imageSuperResolution.init();

// 执行超分
let result = await imageSuperResolution.process({ pixelMap: lowResImage });
let highResImage = result.outputPixelMap;

// 释放资源
await imageSuperResolution.release();

七、性能优化与最佳实践

7.1 模型加载策略

Core Vision Kit的init()接口会加载AI模型到内存，这是相对耗时的操作。建议遵循以下策略：

  • 预加载：在应用启动或页面aboutToAppear时提前调用init()
  • 懒加载：根据用户操作触发首次初始化，避免应用启动耗时过长
  • 复用实例：同一能力在单次页面生命周期内只需初始化一次，避免重复加载

7.2 图像预处理建议

不同视觉能力对输入图像有不同要求，预处理可显著提升识别准确率：

优化项 建议
分辨率 按各能力要求调整，避免过大或过小
旋转校正 OCR场景建议先校正文本方向
裁剪聚焦 将目标主体置于图像中央区域，避免边缘畸变
格式转换 统一转换为JPEG/PNG格式，避免特殊编码

7.3 资源释放管理

所有视觉能力都占用系统内存与NPU资源，必须在合适的时机释放：

aboutToDisappear(): void {
  // 取消防窥状态订阅
  this.antiPeepManager?.unsubscribeAntiPeepState();
  
  // 释放Core Vision Kit资源
  textRecognition.release();
  faceDetector.release();
  subjectSegmentation.release();
}

八、各能力图像规格速查表

能力 最小高度 最大高度 最小宽度 最大宽度 建议宽高比
通用文字识别 100px 15210px 100px 10000px 10:1以下
人脸检测 224px 15210px 100px 10000px 10:1以下
人脸比对 224px 15210px 100px 10000px 10:1以下
主体分割 20px 9000px 20px 9000px 3:1以下
多目标识别 100px 10000px 100px 10000px 5:1以下
骨骼点检测 100px 10000px 100px 10000px 5:1以下
图像超分 16px 2048px 16px 2048px 无特殊要求

总结

本文系统梳理了HarmonyOS Core Vision Kit的7大基础视觉能力，从OCR文字识别到主体分割，从人脸检测到多目标识别，为开发者提供了一套完整的端侧AI视觉集成方案。让我们回顾关键知识点：

  1. 统一开发范式：所有能力遵循"导入模块 → 初始化服务 → 执行分析 → 释放资源"的四步流程
  2. 端侧智能优势：所有推理在本地完成，数据不上传，兼顾隐私与实时性
  3. 图像质量为王：输入图像的分辨率、清晰度、构图直接影响识别准确率
  4. 资源管理意识：及时调用release()释放模型资源，避免内存泄漏
  5. 能力选型指南：
    • 文档数字化 → 通用文字识别
    • 美颜/相册 → 人脸检测
    • 身份核验 → 人脸比对
    • 智能抠图 → 主体分割
    • 相册分类 → 多目标识别
    • 健身/AR → 骨骼点检测
    • 图像修复 → 图像超分

HarmonyOS Core Vision Kit的出现，彻底降低了AI视觉能力的集成门槛。开发者无需深入理解神经网络原理，只需关注业务场景与用户体验，即可让应用"看懂世界"。在AI大模型时代，善用这些基础视觉能力，将为你的应用带来差异化的智能体验。

如果觉得本文对你有帮助，欢迎点赞、收藏、转发！你的支持是我持续创作的动力。

相关资源推荐：

# harmonyos # 华为
Logo
HarmonyOS开发者社区

讨论HarmonyOS开发技术，专注于API与组件、DevEco Studio、测试、元服务和应用上架分发等。

更多推荐

cover

政务APP适配原生鸿蒙，如何借助小程序容器复用已有代码快速开发鸿蒙原生APP

avatar HarmonyOS开发者社区

鸿蒙性能优化

性能优化是提升应用体验的关键，主要包括检测工具（如CodeLinter静态扫描、AppAnalyzer动态检查）、分析工具（ArkUlInspector界面分析、Profiler性能监测）以及优化方向。常见优化措施包括：启动时长优化（减少耗时操作、资源预加载）、渲染丢帧优化（组件复用、懒加载、分帧渲染）、内存优化（避免泄漏、合理使用缓存）。实际案例中，通过Web预加载方案解决白屏问题，利用控制帧率

avatar HarmonyOS开发者社区

我用 Screen Time API 做了个鸿蒙/iOS App，算出每笔订阅的单次使用成本

上个月账单日，我盯着信用卡自动扣款列表数了一遍：Notion、Figma、ChatGPT Plus、iCloud 200G、YouTube Premium、Spotify、某个健身 App、某个冥想 App……订阅斩面向的是订阅了 5 个以上 SaaS/App 服务、每月固定支出在 200-1000 元区间、想要量化管理这笔开支的年轻上班族。它要做的事情是把「感觉不太用得到」变成「数据证明你确实不

avatar HarmonyOS开发者社区