如何通过Google ML Kit获取面部长宽数据以识别脸型？

• 借助人脸关键点计算长宽
  Google Vision API的人脸检测结果会返回一系列面部关键点（在face_annotations.landmarks字段中），你可以用这些点来计算精准的面部尺寸：

  • 面部长度：取额头最高点（FOREHEAD_GLABELLA）到下巴最低点（CHIN_GNATHION）的垂直像素距离
  • 面部宽度：取左右脸颊最外侧点（LEFT_CHEEK_TEMPLE、RIGHT_CHEEK_TEMPLE）的水平像素距离
    拿到这两个数值后，就可以通过长宽比（比如圆形脸长宽比接近1，椭圆形更长，方形长宽比在1左右但下颌线更宽）来判定脸型。

• 用人脸边界框近似估算
  如果不需要极高精度，直接用API返回的bounding_poly（人脸边界框）的宽高作为面部的近似尺寸。注意这种方式可能包含头发、下颌边缘外的区域，结果会有一定误差，适合快速判定场景。

• 训练自定义分类模型
  要是想跳过手动计算的步骤，直接输出脸型类别，可以基于Google ML返回的人脸特征（或自己计算的比例参数），训练一个轻量的分类模型。比如用TensorFlow Lite构建端侧模型，把长宽比、下颌线角度等作为输入标签，直接映射到方形、椭圆形、圆形等脸型类别。

• 检查API请求配置
  先确认调用Google Vision API时，是否开启了关键点检测：在请求参数的face_detection_params里，将enable_landmarks设置为true，否则API只会返回基础的人脸框，不会提供关键特征点数据。

内容的提问来源于stack exchange，提问作者Ahuman