تمت ترجمة هذه الصفحة بواسطة Cloud Translation API‏.

التعرّف على الوجوه باستخدام حزمة تعلّم الآلة على Android

يمكنك استخدام أدوات تعلُّم الآلة لرصد الوجوه في الصور والفيديوهات.

الميزة	غير مجمعة	مُجمَّعة
التنفيذ	يتم تنزيل النموذج ديناميكيًا من خلال "خدمات Google Play".	يكون النموذج مرتبطًا بشكلٍ ثابت بتطبيقك في وقت الإصدار.
حجم التطبيق	زيادة في الحجم بمقدار 800 كيلوبايت تقريبًا.	يزيد الحجم بمقدار 6.9 ميغابايت تقريبًا.
وقت الإعداد	قد تضطر إلى الانتظار حتى يتم تنزيل النموذج قبل الاستخدام لأول مرة.	الطراز متاح على الفور.

التجربة الآن

يمكنك تجربة نموذج التطبيق للاطّلاع على مثال على استخدام واجهة برمجة التطبيقات هذه.
جرِّب الترميز بنفسك من خلال الدرس التطبيقي حول الترميز.

قبل البدء

تتطلّب واجهة برمجة التطبيقات هذه المستوى 21 أو أعلى من واجهة برمجة تطبيقات Android. تأكَّد من أنّ ملف إصدار تطبيقك يستخدم القيمة 21 أو قيمة أعلى من minSdkVersion.

في ملف build.gradle على مستوى المشروع، احرص على تضمين مستودع Maven من Google في القسمَين buildscript وallprojects.
أضِف الاعتماديات الخاصة بمكتبات ML Kit على Android إلى ملف Gradle الخاص بالوحدة، والذي يكون عادةً app/build.gradle. اختر إحدى التبعيات التالية بناءً على احتياجاتك:

لدمج النموذج مع تطبيقك:
```
dependencies {
  // ...
  // Use this dependency to bundle the model with your app
  implementation 'com.google.mlkit:face-detection:16.1.6'
}
```
لاستخدام النموذج في "خدمات Google Play":
```
dependencies {
  // ...
  // Use this dependency to use the dynamically downloaded model in Google Play Services
  implementation 'com.google.android.gms:play-services-mlkit-face-detection:17.1.0'
}
```
إذا اخترت استخدام النموذج في "خدمات Google Play"، يمكنك ضبط تطبيقك لتنزيل النموذج تلقائيًا على الجهاز بعد تثبيت التطبيق من "متجر Play". لإجراء ذلك، يُرجى إضافة البيان التالي إلى ملف AndroidManifest.xml في تطبيقك:
```
<application ...>
      ...
      <meta-data
          android:name="com.google.mlkit.vision.DEPENDENCIES"
          android:value="face" >
      
</application>
```
يمكنك أيضًا التحقّق بشكل صريح من مدى توفّر الطراز وطلب تنزيله من خلال ModuleInstallClient API في "خدمات Google Play".

وفي حال عدم تفعيل عمليات تنزيل نموذج وقت التثبيت أو طلب تنزيل صريح، يتم تنزيل النموذج في المرة الأولى التي تُشغِّل فيها أداة الرصد. لا ينتج عن الطلبات التي تقدمها قبل اكتمال التنزيل أي نتائج.

إرشادات إدخال الصور

للتعرف على الوجه، يجب استخدام صورة بأبعاد لا تقل عن 480×360 بكسل. لكي تتمكّن أداة تعلّم الآلة من رصد الوجوه بدقة، يجب أن تحتوي الصور المدخلة على وجوه ممثلة ببيانات بكسل كافية. بشكل عام، يجب ألا يقلّ حجم كل وجه تريد رصده في الصورة عن 100×100 بكسل. إذا كنت تريد رصد خطوط الوجوه، تتطلب أداة ML Kit إدخالاً بدقة أعلى: يجب أن يبلغ حجم كل وجه 200×200 بكسل على الأقل.

في حال رصد وجوه في تطبيق في الوقت الفعلي، ننصحك أيضًا بمراعاة الأبعاد الإجمالية للصور التي يتم إدخالها. يمكن معالجة الصور الأصغر حجمًا بشكل أسرع، لذلك ننصحك بالتقاط صور بدرجات دقة أقل لتقليل وقت الاستجابة، ولكن يُرجى مراعاة متطلبات الدقة المذكورة أعلاه والتأكّد من أنّ وجه الشخص يشغل أكبر قدر ممكن من الصورة. يمكنك أيضًا الاطّلاع على نصائح لتحسين الأداء في الوقت الفعلي.

ويمكن أن يؤثر التركيز الضعيف للصورة أيضًا في الدقة. وإذا لم تحصل على نتائج مقبولة، اطلب من المستخدم تلخيص الصورة.

إنّ اتجاه الوجه بالنسبة إلى الكاميرا يمكن أن يؤثّر أيضًا في ملامح الوجه التي ترصدها أداة "تعلُّم الآلة". راجِع مفاهيم التعرّف على الوجوه.

1- ضبط أداة رصد الوجوه

قبل تطبيق ميزة "التعرّف على الوجوه" على صورة، إذا أردت تغيير أي من الإعدادات التلقائية لأداة رصد الوجوه، حدِّد هذه الإعدادات باستخدام كائن FaceDetectorOptions. يمكنك تغيير الإعدادات التالية:

الإعدادات
`setPerformanceMode`	`PERFORMANCE_MODE_FAST` (تلقائي) \| `PERFORMANCE_MODE_ACCURATE` اختَر السرعة أو الدقة عند التعرّف على الوجوه.
`setLandmarkMode`	`LANDMARK_MODE_NONE` (تلقائي) \| `LANDMARK_MODE_ALL` لتحديد ما إذا كان يمكن التعرّف على "علامات" الوجه، مثل العينَين والأذنين والأنف والخدين والفم وما إلى ذلك
`setContourMode`	`CONTOUR_MODE_NONE` (تلقائي) \| `CONTOUR_MODE_ALL` تحديد ما إذا كان سيتم تحديد خطوط ملامح الوجه. ويتم تحديد الخطوط العريضة فقط للوجه الأكثر بروزًا في الصورة.
`setClassificationMode`	`CLASSIFICATION_MODE_NONE` (تلقائي) \| `CLASSIFICATION_MODE_ALL` لتحديد ما إذا كان سيتم تصنيف الوجوه إلى فئات مثل "الابتسام" و "العيون مفتوحة".
`setMinFaceSize`	`float` (القيمة التلقائية: `0.1f`) تضبط هذه السياسة أصغر حجم مطلوب للوجه، ويتم التعبير عنها بنسبة عرض الرأس إلى عرض الصورة.
`enableTracking`	`false` (الخيار التلقائي) \| `true` يمكنك تحديد ما إذا كنت تريد تخصيص رقم تعريف للوجوه أم لا، والذي يمكن استخدامه لتتبُّع الوجوه في الصور. يُرجى ملاحظة أنّه عند تفعيل ميزة تحديد الخطوط العريضة، يتم رصد وجه واحد فقط، وبالتالي لا تؤدي ميزة تتبُّع الوجه إلى عرض نتائج مفيدة. لهذا السبب، ولتحسين سرعة الاكتشاف، يجب عدم تفعيل كل من ميزة "التعرّف على الخطوط" وميزة "تتبُّع الوجه".

مثلاً:

Kotlin

// High-accuracy landmark detection and face classification
val highAccuracyOpts = FaceDetectorOptions.Builder()
        .setPerformanceMode(FaceDetectorOptions.PERFORMANCE_MODE_ACCURATE)
        .setLandmarkMode(FaceDetectorOptions.LANDMARK_MODE_ALL)
        .setClassificationMode(FaceDetectorOptions.CLASSIFICATION_MODE_ALL)
        .build()

// Real-time contour detection
val realTimeOpts = FaceDetectorOptions.Builder()
        .setContourMode(FaceDetectorOptions.CONTOUR_MODE_ALL)
        .build()FaceDetectionActivity.kt

Java

// High-accuracy landmark detection and face classification
FaceDetectorOptions highAccuracyOpts =
        new FaceDetectorOptions.Builder()
                .setPerformanceMode(FaceDetectorOptions.PERFORMANCE_MODE_ACCURATE)
                .setLandmarkMode(FaceDetectorOptions.LANDMARK_MODE_ALL)
                .setClassificationMode(FaceDetectorOptions.CLASSIFICATION_MODE_ALL)
                .build();

// Real-time contour detection
FaceDetectorOptions realTimeOpts =
        new FaceDetectorOptions.Builder()
                .setContourMode(FaceDetectorOptions.CONTOUR_MODE_ALL)
                .build();FaceDetectionActivity.java

‫2. تحضير صورة الإدخال

لرصد الوجوه في صورة معيّنة، أنشِئ عنصر InputImage من Bitmap أو media.Image أو ByteBuffer أو مصفوفة بايت أو ملف على الجهاز. أدخِل بعد ذلك الكائن InputImage في طريقة process الخاصة بـ FaceDetector.

للتعرّف على الوجوه، يجب استخدام صورة بأبعاد لا تقل عن 480×360 بكسل. إذا كنت تستكشف الوجوه في الوقت الفعلي، يمكن أن يساعد التقاط الإطارات بدرجة الدقة الأدنى هذه في تقليل وقت الاستجابة.

يمكنك إنشاء كائن InputImage من مصادر مختلفة، وسيتم توضيح كل منها أدناه.

يتم استخدام `media.Image`

لإنشاء كائن InputImage من كائن media.Image، مثلاً عند التقاط صورة من كاميرا الجهاز، مرِّر الكائن media.Image وتدوير الصورة إلى InputImage.fromMediaImage().

إذا كنت تستخدم مكتبة CameraX، ستحسب الفئتان OnImageCapturedListener وImageAnalysis.Analyzer قيمة التدوير نيابةً عنك.

Kotlin

private class YourImageAnalyzer : ImageAnalysis.Analyzer {

    override fun analyze(imageProxy: ImageProxy) {
        val mediaImage = imageProxy.image
        if (mediaImage != null) {
            val image = InputImage.fromMediaImage(mediaImage, imageProxy.imageInfo.rotationDegrees)
            // Pass image to an ML Kit Vision API
            // ...
        }
    }
}

Java

private class YourAnalyzer implements ImageAnalysis.Analyzer {

    @Override
    public void analyze(ImageProxy imageProxy) {
        Image mediaImage = imageProxy.getImage();
        if (mediaImage != null) {
          InputImage image =
                InputImage.fromMediaImage(mediaImage, imageProxy.getImageInfo().getRotationDegrees());
          // Pass image to an ML Kit Vision API
          // ...
        }
    }
}

إذا كنت لا تستخدم مكتبة كاميرات تمنحك درجة تدوير الصورة، يمكنك احتسابها من خلال درجة تدوير الجهاز واتجاه أداة استشعار الكاميرا في الجهاز:

Kotlin

private val ORIENTATIONS = SparseIntArray()

init {
    ORIENTATIONS.append(Surface.ROTATION_0, 0)
    ORIENTATIONS.append(Surface.ROTATION_90, 90)
    ORIENTATIONS.append(Surface.ROTATION_180, 180)
    ORIENTATIONS.append(Surface.ROTATION_270, 270)
}

/**
 * Get the angle by which an image must be rotated given the device's current
 * orientation.
 */
@RequiresApi(api = Build.VERSION_CODES.LOLLIPOP)
@Throws(CameraAccessException::class)
private fun getRotationCompensation(cameraId: String, activity: Activity, isFrontFacing: Boolean): Int {
    // Get the device's current rotation relative to its "native" orientation.
    // Then, from the ORIENTATIONS table, look up the angle the image must be
    // rotated to compensate for the device's rotation.
    val deviceRotation = activity.windowManager.defaultDisplay.rotation
    var rotationCompensation = ORIENTATIONS.get(deviceRotation)

    // Get the device's sensor orientation.
    val cameraManager = activity.getSystemService(CAMERA_SERVICE) as CameraManager
    val sensorOrientation = cameraManager
            .getCameraCharacteristics(cameraId)
            .get(CameraCharacteristics.SENSOR_ORIENTATION)!!

    if (isFrontFacing) {
        rotationCompensation = (sensorOrientation + rotationCompensation) % 360
    } else { // back-facing
        rotationCompensation = (sensorOrientation - rotationCompensation + 360) % 360
    }
    return rotationCompensation
}MLKitVisionImage.kt

Java

private static final SparseIntArray ORIENTATIONS = new SparseIntArray();
static {
    ORIENTATIONS.append(Surface.ROTATION_0, 0);
    ORIENTATIONS.append(Surface.ROTATION_90, 90);
    ORIENTATIONS.append(Surface.ROTATION_180, 180);
    ORIENTATIONS.append(Surface.ROTATION_270, 270);
}

/**
 * Get the angle by which an image must be rotated given the device's current
 * orientation.
 */
@RequiresApi(api = Build.VERSION_CODES.LOLLIPOP)
private int getRotationCompensation(String cameraId, Activity activity, boolean isFrontFacing)
        throws CameraAccessException {
    // Get the device's current rotation relative to its "native" orientation.
    // Then, from the ORIENTATIONS table, look up the angle the image must be
    // rotated to compensate for the device's rotation.
    int deviceRotation = activity.getWindowManager().getDefaultDisplay().getRotation();
    int rotationCompensation = ORIENTATIONS.get(deviceRotation);

    // Get the device's sensor orientation.
    CameraManager cameraManager = (CameraManager) activity.getSystemService(CAMERA_SERVICE);
    int sensorOrientation = cameraManager
            .getCameraCharacteristics(cameraId)
            .get(CameraCharacteristics.SENSOR_ORIENTATION);

    if (isFrontFacing) {
        rotationCompensation = (sensorOrientation + rotationCompensation) % 360;
    } else { // back-facing
        rotationCompensation = (sensorOrientation - rotationCompensation + 360) % 360;
    }
    return rotationCompensation;
}

بعد ذلك، مرِّر الكائن media.Image وقيمة درجة التدوير إلى InputImage.fromMediaImage():

Kotlin

val image = InputImage.fromMediaImage(mediaImage, rotation)MLKitVisionImage.kt

Java

InputImage image = InputImage.fromMediaImage(mediaImage, rotation);

استخدام معرف موارد منتظم (URI) لملف

لإنشاء كائن InputImage من معرّف الموارد المنتظم (URI) الخاص بملف، أدخِل سياق التطبيق ومعرّف الموارد المنتظم (URI) الخاص بالملف إلى InputImage.fromFilePath(). ويكون هذا الإجراء مفيدًا عند استخدام هدف ACTION_GET_CONTENT لتطلب من المستخدم اختيار صورة من تطبيق معرض الصور.

Kotlin

val image: InputImage
try {
    image = InputImage.fromFilePath(context, uri)
} catch (e: IOException) {
    e.printStackTrace()
}MLKitVisionImage.kt

Java

InputImage image;
try {
    image = InputImage.fromFilePath(context, uri);
} catch (IOException e) {
    e.printStackTrace();
}

يتم استخدام `ByteBuffer` أو `ByteArray`

لإنشاء كائن InputImage من ByteBuffer أو ByteArray، احسب أولاً درجة تدوير الصورة كما هو موضّح سابقًا في إدخال media.Image. بعد ذلك، يمكنك إنشاء الكائن InputImage باستخدام المخزن المؤقت أو المصفوفة بالإضافة إلى ارتفاع الصورة وعرضها وتنسيق ترميز الألوان ودرجة التدوير:

Kotlin

val image = InputImage.fromByteBuffer(
        byteBuffer,
        /* image width */ 480,
        /* image height */ 360,
        rotationDegrees,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
)MLKitVisionImage.kt
// Or:
val image = InputImage.fromByteArray(
        byteArray,
        /* image width */ 480,
        /* image height */ 360,
        rotationDegrees,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
)
MLKitVisionImage.kt

Java

InputImage image = InputImage.fromByteBuffer(byteBuffer,
        /* image width */ 480,
        /* image height */ 360,
        rotationDegrees,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
);MLKitVisionImage.java
// Or:
InputImage image = InputImage.fromByteArray(
        byteArray,
        /* image width */480,
        /* image height */360,
        rotation,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
);MLKitVisionImage.java

يتم استخدام `Bitmap`

لإنشاء كائن InputImage من كائن Bitmap، عليك إنشاء التعريف التالي:

Kotlin

val image = InputImage.fromBitmap(bitmap, 0)MLKitVisionImage.kt

Java

InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);MLKitVisionImage.java

يتم تمثيل الصورة بواسطة كائن Bitmap مع درجات التدوير.

3- الحصول على نسخة افتراضية من ميزة FaceDetector

Kotlin

val detector = FaceDetection.getClient(options)
// Or, to use the default option:
// val detector = FaceDetection.getClient();FaceDetectionActivity.kt

Java

FaceDetector detector = FaceDetection.getClient(options);
// Or use the default options:
// FaceDetector detector = FaceDetection.getClient();FaceDetectionActivity.java

‫4. معالجة الصورة

تمرير الصورة إلى طريقة process:

Kotlin

val result = detector.process(image)
        .addOnSuccessListener { faces ->
            // Task completed successfully
            // ...
        }
        .addOnFailureListener { e ->
            // Task failed with an exception
            // ...
        }FaceDetectionActivity.kt

Java

Task<List<Face>> result =
        detector.process(image)
                .addOnSuccessListener(
                        new OnSuccessListener<List<Face>>() {
                            @Override
                            public void onSuccess(List<Face> faces) {
                                // Task completed successfully
                                // ...
                            }
                        })
                .addOnFailureListener(
                        new OnFailureListener() {
                            @Override
                            public void onFailure(@NonNull Exception e) {
                                // Task failed with an exception
                                // ...
                            }
                        });FaceDetectionActivity.java

ملاحظة: في حال استخدام واجهة برمجة التطبيقات CameraX، احرص على إغلاق ImageProxy عند الانتهاء من استخدامها، مثلاً من خلال إضافة OnCompleteListener إلى Task التي تم إرجاعها من طريقة process. اطّلِع على الصف VisionProcessorBase في نموذج تطبيق Quickstart للحصول على مثال.

5- الحصول على معلومات حول الوجوه التي تم رصدها

إذا نجحت عملية التعرّف على الوجوه، يتم تمرير قائمة بكائنات Face إلى المستمع الناجح. يمثل كل كائن Face وجهًا تم اكتشافه في الصورة. بالنسبة إلى كل وجه، يمكنك الحصول على إحداثيات الحدود الخاصة به في صورة الإدخال، بالإضافة إلى أي معلومات أخرى ضبطت أداة رصد الوجوه للعثور عليها. مثلاً:

Kotlin

for (face in faces) {
    val bounds = face.boundingBox
    val rotY = face.headEulerAngleY // Head is rotated to the right rotY degrees
    val rotZ = face.headEulerAngleZ // Head is tilted sideways rotZ degrees

    // If landmark detection was enabled (mouth, ears, eyes, cheeks, and
    // nose available):
    val leftEar = face.getLandmark(FaceLandmark.LEFT_EAR)
    leftEar?.let {
        val leftEarPos = leftEar.position
    }

    // If contour detection was enabled:
    val leftEyeContour = face.getContour(FaceContour.LEFT_EYE)?.points
    val upperLipBottomContour = face.getContour(FaceContour.UPPER_LIP_BOTTOM)?.points

    // If classification was enabled:
    if (face.smilingProbability != null) {
        val smileProb = face.smilingProbability
    }
    if (face.rightEyeOpenProbability != null) {
        val rightEyeOpenProb = face.rightEyeOpenProbability
    }

    // If face tracking was enabled:
    if (face.trackingId != null) {
        val id = face.trackingId
    }
}FaceDetectionActivity.kt

Java

for (Face face : faces) {
    Rect bounds = face.getBoundingBox();
    float rotY = face.getHeadEulerAngleY();  // Head is rotated to the right rotY degrees
    float rotZ = face.getHeadEulerAngleZ();  // Head is tilted sideways rotZ degrees

    // If landmark detection was enabled (mouth, ears, eyes, cheeks, and
    // nose available):
    FaceLandmark leftEar = face.getLandmark(FaceLandmark.LEFT_EAR);
    if (leftEar != null) {
        PointF leftEarPos = leftEar.getPosition();
    }

    // If contour detection was enabled:
    List<PointF> leftEyeContour =
            face.getContour(FaceContour.LEFT_EYE).getPoints();
    List<PointF> upperLipBottomContour =
            face.getContour(FaceContour.UPPER_LIP_BOTTOM).getPoints();

    // If classification was enabled:
    if (face.getSmilingProbability() != null) {
        float smileProb = face.getSmilingProbability();
    }
    if (face.getRightEyeOpenProbability() != null) {
        float rightEyeOpenProb = face.getRightEyeOpenProbability();
    }

    // If face tracking was enabled:
    if (face.getTrackingId() != null) {
        int id = face.getTrackingId();
    }
}FaceDetectionActivity.java

مثال على خطوط الوجه

عند تفعيل ميزة "التعرّف على الوجه"، ستظهر لك قائمة بالنقاط لكل ميزة من ميزات الوجه التي تم رصدها. وتمثّل هذه النقاط شكل العنصر. راجِع مفاهيم التعرّف على الوجوه للحصول على تفاصيل حول كيفية تمثيل الخطوط.

توضّح الصورة التالية كيفية ربط هذه النقاط بوجهٍ، لذا انقر على الصورة لتكبيرها:

التعرّف على الوجوه في الوقت الفعلي

إذا أردت استخدام ميزة "التعرّف على الوجوه" في تطبيق في الوقت الفعلي، يُرجى اتّباع هذه الإرشادات لتحقيق أفضل معدّلات عرض الإطارات:

يمكنك تهيئة أداة كشف الوجوه لتستخدم إما اكتشاف تحديد الوجه أو تصنيفه أو اكتشاف المعالم، ولكن ليس كليهما:

تحديد محيط المَعلَم
تحديد المَعالم
تصنيف المعالم
التعرّف على المعالم وتصنيفها
تحديد محيط المعالم ورصد المعالم
رصد الكونيات وتصنيفها
رصد المَعلَمات وتصنيفها
فعِّل وضع FAST (مفعَّل تلقائيًا).
يمكنك التقاط صور بدقة أقل. ومع ذلك، ضع في اعتبارك أيضًا متطلبات أبعاد الصورة في واجهة برمجة التطبيقات هذه.

في حال استخدام واجهة برمجة التطبيقات Camera أو camera2، يمكنك منع الطلبات الواردة إلى أداة الرصد. إذا أصبح إطار فيديو جديد متاحًا أثناء تشغيل أداة الرصد، أفلِت الإطار. اطّلِع على الصف VisionProcessorBase في نموذج تطبيق Quickstart للحصول على مثال.

إذا كنت تستخدم واجهة برمجة تطبيقات CameraX، تأكَّد من ضبط استراتيجية الضغط العكسي على قيمتها التلقائية ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST. وهذا يضمن تسليم صورة واحدة فقط للتحليل في كل مرة. إذا تم إنتاج المزيد من الصور عندما تكون أداة التحليل مشغولة، سيتم تجاهلها تلقائيًا ولن يتم وضعها في قائمة الانتظار للتسليم. بعد إغلاق الصورة التي يتم تحليلها من خلال استدعاء ImageProxy.Close() ، سيتم تسليم آخر صورة تالية.

في حال استخدام نتائج أداة الرصد لتركيب رسومات على الصورة التي تم إدخالها، يمكنك أولاً الحصول على النتيجة من ML Kit، ثم عرض الصورة والمحتوى الذي يظهر على سطح الفيديو في خطوة واحدة. ويظهر هذا الإجراء على سطح العرض مرة واحدة فقط لكل إطار إدخال. اطّلِع على صفّتَي CameraSourcePreview و GraphicOverlay في نموذج تطبيق Quickstart للحصول على مثال.

في حال استخدام واجهة برمجة التطبيقات Camera2 API، يمكنك التقاط صور بتنسيق ImageFormat.YUV_420_888. في حال استخدام واجهة برمجة التطبيقات للكاميرا القديمة، يمكنك التقاط صور بتنسيق ImageFormat.NV21.

التعرّف على الوجوه باستخدام حزمة تعلّم الآلة على Android

التجربة الآن

قبل البدء

إرشادات إدخال الصور

1- ضبط أداة رصد الوجوه

Kotlin

Java

‫2. تحضير صورة الإدخال

يتم استخدام media.Image

Kotlin

Java

Kotlin

Java

Kotlin

Java

استخدام معرف موارد منتظم (URI) لملف

Kotlin

Java

يتم استخدام ByteBuffer أو ByteArray

Kotlin

Java

يتم استخدام Bitmap

Kotlin

Java

3- الحصول على نسخة افتراضية من ميزة FaceDetector

Kotlin

Java

‫4. معالجة الصورة

Kotlin

Java

5- الحصول على معلومات حول الوجوه التي تم رصدها

Kotlin

Java

مثال على خطوط الوجه

التعرّف على الوجوه في الوقت الفعلي

يتم استخدام `media.Image`

يتم استخدام `ByteBuffer` أو `ByteArray`

يتم استخدام `Bitmap`