一、Camera2 API基础与优势

Camera2 API是Android 5.0（API 21）引入的全新摄像头访问框架，相比已废弃的Camera1 API，其核心优势在于：

1. 精细化控制：通过CaptureRequest和CameraCaptureSession实现帧级参数调整，支持曝光补偿、对焦模式、白平衡等10+项参数的独立配置。例如，在人脸识别场景中，可通过CONTROL_AE_MODE_ON_AUTO_FLASH实现自动补光，提升暗光环境下的人脸检测率。
2. 多摄像头支持：原生支持双摄/三摄系统，可通过CameraCharacteristics.LENS_FACING区分前后摄像头，在人脸识别中优先选择前置摄像头（LENS_FACING_FRONT）。
3. 低延迟管道：通过CameraDevice.createCaptureSession()建立直接数据流，减少中间缓冲环节，典型场景下从图像捕获到人脸检测的延迟可控制在200ms以内。

二、Camera2配置流程详解

1. 权限与特征检查

<uses-permission android:name="android.permission.CAMERA" />
<uses-feature android:name="android.hardware.camera" android:required="true" />
<uses-feature android:name="android.hardware.camera.front" /> <!-- 可选 -->

在Activity中动态检查摄像头可用性：

CameraManager manager = (CameraManager) getSystemService(Context.CAMERA_SERVICE);
try {
    String[] cameraIds = manager.getCameraIdList();
    for (String id : cameraIds) {
        CameraCharacteristics characteristics = manager.getCameraCharacteristics(id);
        Integer lensFacing = characteristics.get(CameraCharacteristics.LENS_FACING);
        if (lensFacing != null && lensFacing == CameraCharacteristics.LENS_FACING_FRONT) {
            // 优先选择前置摄像头
        }
    }
} catch (CameraAccessException e) {
    e.printStackTrace();
}

2. 摄像头打开与会话创建

关键步骤包括：

1. 配置输出目标：通常需要同时配置SurfaceTexture（用于预览）和ImageReader（用于人脸检测）
   ```java
   ImageReader imageReader = ImageReader.newInstance(
   1280, 720, ImageFormat.YUV_420_888, 2);
   SurfaceTexture surfaceTexture = new SurfaceTexture(0);
   surfaceTexture.setDefaultBufferSize(1280, 720);
   Surface previewSurface = new Surface(surfaceTexture);

CameraDevice.StateCallback callback = new CameraDevice.StateCallback() {
@Override
public void onOpened(@NonNull CameraDevice camera) {
try {
List surfaces = new ArrayList<>();
surfaces.add(previewSurface);
surfaces.add(imageReader.getSurface());
camera.createCaptureSession(surfaces, new CameraCaptureSession.StateCallback() {
// 会话创建成功回调
}, null);
} catch (CameraAccessException e) {
e.printStackTrace();
}
}
};
manager.openCamera(cameraId, callback, null);

## 3. 连续捕获配置
通过`REPEATING_REQUEST`模式实现持续图像流：
```java
CaptureRequest.Builder builder = camera.createCaptureRequest(CameraDevice.TEMPLATE_PREVIEW);
builder.addTarget(previewSurface);
builder.addTarget(imageReader.getSurface());
// 配置人脸检测模式（需设备支持）
builder.set(CaptureRequest.STATISTICS_FACE_DETECT_MODE, 
    CameraMetadata.STATISTICS_FACE_DETECT_MODE_FULL);
camera.createCaptureSession(surfaces, new CameraCaptureSession.StateCallback() {
    @Override
    public void onConfigured(@NonNull CameraCaptureSession session) {
        try {
            session.setRepeatingRequest(builder.build(), null, null);
        } catch (CameraAccessException e) {
            e.printStackTrace();
        }
    }
}, null);

三、人脸识别集成方案

1. 原生人脸检测

对于支持STATISTICS_FACE_DETECT_MODE_FULL的设备，可直接从CaptureResult获取人脸数据：

imageReader.setOnImageAvailableListener(reader -> {
    Image image = reader.acquireLatestImage();
    // 处理YUV数据...
    CaptureResult result = ...; // 从回调获取
    Face[] faces = result.get(CaptureResult.STATISTICS_FACES);
    if (faces != null) {
        for (Face face : faces) {
            Rect bounds = face.getBounds();
            float score = face.getScore(); // 置信度（0-1）
            // 进一步处理...
        }
    }
    image.close();
}, null);

局限性：仅支持简单人脸检测，无法获取关键点或身份识别。

2. 第三方库集成（以ML Kit为例）

implementation 'com.google.mlkit:face-detection:16.1.5'

处理流程：

// 从ImageReader获取NV21格式数据
Image.Plane[] planes = image.getPlanes();
ByteBuffer buffer = planes[0].getBuffer();
byte[] data = new byte[buffer.remaining()];
buffer.get(data);
int width = image.getWidth();
int height = image.getHeight();
// 转换为InputImage
InputImage inputImage = InputImage.fromByteArray(
    data, width, height, ImageFormat.NV21, RotationDegrees.ROTATION_0);
// 人脸检测
DetectorOptions options = new FaceDetectorOptions.Builder()
    .setPerformanceMode(FaceDetectorOptions.PERFORMANCE_MODE_FAST)
    .setLandmarkMode(FaceDetectorOptions.LANDMARK_MODE_ALL)
    .setClassificationMode(FaceDetectorOptions.CLASSIFICATION_MODE_ALL)
    .build();
FaceDetector detector = FaceDetection.getClient(options);
Task<List<Face>> result = detector.process(inputImage)
    .addOnSuccessListener(faces -> {
        for (Face face : faces) {
            Rect bounds = face.getBoundingBox();
            for (Landmark landmark : face.getLandmarks()) {
                PointF pos = landmark.getPosition();
                // 处理关键点（左眼、右眼、鼻尖等）
            }
        }
    });

四、性能优化策略

1. 分辨率选择：人脸识别推荐使用640x480~1280x720分辨率，过高分辨率会增加处理延迟。可通过CameraCharacteristics.SCALER_STREAM_CONFIGURATION_MAP获取设备支持的最佳尺寸。
2. 线程管理：将图像处理放在独立线程，避免阻塞摄像头回调线程。推荐使用HandlerThread：

   HandlerThread handlerThread = new HandlerThread("CameraProcessing");
   handlerThread.start();
   Handler handler = new Handler(handlerThread.getLooper());
   imageReader.setOnImageAvailableListener(reader -> {
    handler.post(() -> {
        // 处理图像
    });
   }, handler);

3. 内存优化：及时关闭不再使用的Image对象，避免内存泄漏。对于连续捕获场景，建议采用对象池模式重用Image实例。

五、常见问题解决方案

1. 权限拒绝处理：

   if (ContextCompat.checkSelfPermission(this, Manifest.permission.CAMERA) 
    != PackageManager.PERMISSION_GRANTED) {
    ActivityCompat.requestPermissions(this, 
        new String[]{Manifest.permission.CAMERA}, REQUEST_CAMERA_PERMISSION);
   }

2. 设备兼容性问题：

• 检查CameraCharacteristics.INFO_SUPPORTED_HARDWARE_LEVEL，确保设备支持LEVEL_3或FULL级别
• 对于不支持STATISTICS_FACE_DETECT_MODE的设备，需回退到第三方库方案

1. 帧率控制：通过CONTROL_AE_TARGET_FPS_RANGE设置目标帧率范围，典型人脸识别场景建议设置在15-30FPS之间以平衡性能与功耗。

六、进阶功能扩展

1. 活体检测：结合眨眼检测、头部运动等动作验证，可通过分析连续帧中的人脸关键点位移实现
2. 多人人脸识别：使用FaceDetectorOptions的setMaxResultCount()方法设置最大检测人数
3. AR效果叠加：根据人脸关键点坐标实现虚拟眼镜、滤镜等AR效果，需注意坐标系转换（摄像头图像坐标系与屏幕坐标系的映射）

通过系统掌握Camera2 API的配置与人脸识别技术的集成，开发者能够构建出稳定、高效且功能丰富的人脸识别应用。实际开发中需特别注意设备兼容性测试，建议在主流厂商的旗舰机型上进行充分验证。