ML Kit を使用すると、画像や動画内の顔を検出できます。
特徴 | バンドルされていません | バンドル |
---|---|---|
実装 | モデルは Google Play 開発者サービスを介して動的にダウンロードされます。 | モデルは、ビルド時にアプリに静的にリンクされます。 |
アプリのサイズ | 約 800 KB のサイズ増加。 | サイズが約 6.9 MB 増加します。 |
初期化時間 | 初めて使用するには、モデルがダウンロードされるのを待たなければならない場合があります。 | モデルはすぐに使用できます |
試してみる
始める前に
プロジェクト レベルの
build.gradle
ファイルで、buildscript
セクションとallprojects
セクションの両方に Google の Maven リポジトリを含めます。ML Kit Android ライブラリの依存関係をモジュールのアプリレベルの Gradle ファイル(通常は
app/build.gradle
)に追加します。必要に応じて、次のいずれかの依存関係を選択します。モデルをアプリにバンドルする場合:
dependencies { // ... // Use this dependency to bundle the model with your app implementation 'com.google.mlkit:face-detection:16.1.6' }
Google Play 開発者サービスでモデルを使用する場合:
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' }
Google Play 開発者サービスでモデルを使用する場合は、アプリが Google Play ストアからインストールされた後にモデルを自動的にデバイスにダウンロードするようにアプリを構成できます。そのためには、アプリの
AndroidManifest.xml
ファイルに次の宣言を追加します。<application ...> ... <meta-data android:name="com.google.mlkit.vision.DEPENDENCIES" android:value="face" > <!-- To use multiple models: android:value="face,model2,model3" --> </application>
モデルの可用性を明示的に確認し、Google Play 開発者サービスの ModuleInstallClient API を使用してダウンロードをリクエストすることもできます。
インストール時のモデルのダウンロードを有効にしない場合、または明示的なダウンロードをリクエストしない場合、モデルは初めて検出機能を実行するときにダウンロードされます。ダウンロードが完了する前にリクエストしても結果は返されません。
入力画像のガイドライン
顔認証では、サイズが 480x360 ピクセル以上の画像を使用する必要があります。ML Kit で顔を正確に検出するには、入力画像に含まれている顔が十分なピクセルデータで表されている必要があります。一般に、画像内で検出するそれぞれの顔は 100 x 100 ピクセル以上にする必要があります。顔の輪郭を検出する場合、ML Kit ではより高い解像度の入力が必要です。それぞれの顔は 200 x 200 ピクセル以上にする必要があります。
リアルタイム アプリケーションで顔を検出する場合は、入力画像全体の寸法も考慮することをおすすめします。サイズが小さいほど処理が速くなるため、レイテンシを短縮するために低解像度で画像をキャプチャします。ただし、上記の精度要件に留意し、被写体の顔が画像の大部分を占めるようにします。リアルタイムのパフォーマンスを改善するためのヒントもご覧ください。
画像の焦点が悪い場合も精度に影響することがあります。満足のいく結果が得られない場合は、ユーザーに画像をキャプチャし直すよう依頼してください。
カメラに対する顔の向きも、ML Kit で検出される顔の特徴に影響します。顔検出のコンセプトをご覧ください。
1. 顔検出機能を構成する
画像に顔検出を適用する前に、顔検出器のデフォルト設定のいずれかを変更する場合は、FaceDetectorOptions
オブジェクトを使用して設定を指定します。以下の設定を変更できます。
設定 | |
---|---|
setPerformanceMode
|
PERFORMANCE_MODE_FAST (デフォルト)
|
PERFORMANCE_MODE_ACCURATE
顔検出の速度と精度を優先します。 |
setLandmarkMode
|
LANDMARK_MODE_NONE (デフォルト)
|
LANDMARK_MODE_ALL
顔の「ランドマーク」(目、耳、鼻、ほお、口など)を識別するかどうか。 |
setContourMode
|
CONTOUR_MODE_NONE (デフォルト)
|
CONTOUR_MODE_ALL
顔の特徴の輪郭を検出するかどうか。輪郭は、画像内で最も目立つ顔に対してのみ検出されます。 |
setClassificationMode
|
CLASSIFICATION_MODE_NONE (デフォルト)
|
CLASSIFICATION_MODE_ALL
顔を「笑顔」や「目を開いている」などのカテゴリに分類するかどうか。 |
setMinFaceSize
|
float (デフォルト: 0.1f )望ましい顔サイズの最小値を設定します。これは、頭の幅と画像の幅の比率で表します。 |
enableTracking
|
false (デフォルト)| true 画像間で顔を追跡するために使用できる ID を顔に割り当てるかどうかを指定します。 なお、輪郭検出が有効になっている場合は、1 つの顔しか検出されないため、顔トラッキングは有用な結果を生成しません。このため、また検出速度を改善するには、輪郭検出と顔トラッキングの両方を有効にしないでください。 |
次に例を示します。
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()
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();
2. 入力画像を準備する
画像内の顔を検出するには、Bitmap
、media.Image
、ByteBuffer
、バイト配列、デバイス上のファイルから InputImage
オブジェクトを作成します。次に、InputImage
オブジェクトを FaceDetector
の process
メソッドに渡します。
顔検出には、480x360 ピクセル以上の画像を使用する必要があります。リアルタイムで顔を検出している場合は、この最小解像度でフレームをキャプチャすると、レイテンシを短縮できます。
InputImage
オブジェクトは、さまざまなソースから作成できます。各ソースについて、以下で説明します。
media.Image
の使用
media.Image
オブジェクトから InputImage
オブジェクトを作成するには(デバイスのカメラから画像をキャプチャする場合など)、media.Image
オブジェクトと画像の回転を InputImage.fromMediaImage()
に渡します。
CameraX ライブラリを使用する場合は、OnImageCapturedListener
クラスと ImageAnalysis.Analyzer
クラスによって回転値が計算されます。
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 // ... } } }
画像の回転角度を取得するカメラ ライブラリを使用しない場合は、デバイスの回転角度とデバイスのカメラセンサーの向きから計算できます。
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 }
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; }
次に、media.Image
オブジェクトと回転角度の値を InputImage.fromMediaImage()
に渡します。
Kotlin
val image = InputImage.fromMediaImage(mediaImage, rotation)
Java
InputImage image = InputImage.fromMediaImage(mediaImage, rotation);
ファイル URI の使用
ファイル URI から InputImage
オブジェクトを作成するには、アプリ コンテキストとファイル URI を InputImage.fromFilePath()
に渡します。これは、ACTION_GET_CONTENT
インテントを使用して、ギャラリー アプリから画像を選択するようにユーザーに促す場合に有用です。
Kotlin
val image: InputImage try { image = InputImage.fromFilePath(context, uri) } catch (e: IOException) { e.printStackTrace() }
Java
InputImage image; try { image = InputImage.fromFilePath(context, uri); } catch (IOException e) { e.printStackTrace(); }
ByteBuffer
または ByteArray
の使用
ByteBuffer
または ByteArray
から InputImage
オブジェクトを作成するには、media.Image
入力に関して前述したように、まず画像の回転度を計算します。次に、画像の高さ、幅、カラー エンコード形式、回転度とともに、バッファまたは配列を含む InputImage
オブジェクトを作成します。
Kotlin
val image = InputImage.fromByteBuffer( byteBuffer, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 ) // Or: val image = InputImage.fromByteArray( byteArray, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 )
Java
InputImage image = InputImage.fromByteBuffer(byteBuffer, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 ); // Or: InputImage image = InputImage.fromByteArray( byteArray, /* image width */480, /* image height */360, rotation, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 );
Bitmap
の使用
Bitmap
オブジェクトから InputImage
オブジェクトを作成するには、次の宣言を行います。
Kotlin
val image = InputImage.fromBitmap(bitmap, 0)
Java
InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);
画像は、Bitmap
オブジェクトと回転角度で表されます。
3. FaceDetector のインスタンスを取得する
Kotlin
val detector = FaceDetection.getClient(options) // Or, to use the default option: // val detector = FaceDetection.getClient();
Java
FaceDetector detector = FaceDetection.getClient(options); // Or use the default options: // FaceDetector detector = FaceDetection.getClient();
4. 画像を処理する
画像をprocess
メソッドに渡します。
Kotlin
val result = detector.process(image) .addOnSuccessListener { faces -> // Task completed successfully // ... } .addOnFailureListener { e -> // Task failed with an exception // ... }
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 // ... } });
5. 検出された顔に関する情報を取得する
顔検出オペレーションが成功すると、Face
オブジェクトのリストが成功リスナーに渡されます。各 Face
オブジェクトは画像内で検出された顔を表します。顔ごとに、入力画像の境界座標と、顔検出機能で検索するように構成したその他の情報を取得できます。次に例を示します。
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 } }
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(); } }
顔の輪郭の例
顔の輪郭検出を有効にすると、検出された顔の特徴ごとにポイントのリストが表示されます。これらの点は、対象物の形状を表します。輪郭の表現方法の詳細については、顔検出のコンセプトをご覧ください。
次の図は、これらのポイントが顔にどのようにマッピングされるかを示しています。画像をクリックすると拡大されます。
リアルタイムの顔検出
リアルタイム アプリケーションで顔検出を使用する場合は、次のガイドラインに沿って最適なフレームレートを実現してください。
顔検出器が顔の輪郭検出または分類とランドマーク検出のいずれかを使用するように構成します。両方は使用しないでください。
輪郭検出
ランドマーク検出
分類
ランドマークの検出と分類
輪郭検出とランドマーク検出
輪郭検出と分類
輪郭検出、ランドマーク検出、分類FAST
モードを有効にします(デフォルトで有効)。解像度を下げて画像をキャプチャすることを検討してください。ただし、この API の画像サイズの要件にも留意してください。
Camera
API または camera2
API を使用する場合は、検出機能の呼び出しをスロットリングします。検出機能の実行中に新しい動画フレームが使用可能になった場合は、そのフレームをドロップします。例については、クイックスタート サンプルアプリの
VisionProcessorBase
クラスをご覧ください。CameraX
API を使用する場合は、バックプレッシャー戦略がデフォルト値の
ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST
に設定されていることを確認してください。これにより、分析のために一度に 1 つの画像のみが配信されるようになります。アナライザがビジー状態のときにさらに画像が生成された場合、それらの画像は自動的にドロップされ、配信のキューに追加されません。ImageProxy.close() を呼び出して分析対象の画像を閉じると、次に最新の画像が配信されます。CameraSourcePreview
クラスと
GraphicOverlay
クラスをご覧ください。ImageFormat.YUV_420_888
形式で画像をキャプチャします。古い Camera API を使用する場合は、ImageFormat.NV21
形式で画像をキャプチャします。