このページは Cloud Translation API によって翻訳されました。

ML Kit を使用して顔を検出する（Android）

ML Kit を使用すると、画像や動画内の顔を検出できます。

機能	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

サンプルアプリを試してみましょう。この API の使用例をご覧ください
<ph type="x-smartling-placeholder"></ph> Codelab へようこそ。

始める前に

</ph> この API には Android API レベル 21 以降が必要です。アプリのビルドと実行がファイルが minSdkVersion の値 21 以上を使用していること。

プロジェクトレベルの build.gradle ファイルに、Google の buildscript セクションと allprojects セクションの両方にある Maven リポジトリ。

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）。次のいずれかを選択必要に応じて次の依存関係を追加します。

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:16.1.7'
}

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ことを選択した場合、ダウンロードした後、モデルが自動的にデバイスにダウンロードされるようにします。ダウンロードする必要があります。そのためには、次の宣言をアプリの AndroidManifest.xml ファイルを次のように変更します。
```
<application ...>
      ...
      <meta-data
          android:name="com.google.mlkit.vision.DEPENDENCIES"
          android:value="face" >
      
</application>
```
モデルの提供状況を明示的に確認し、 Google Play 開発者サービスの ModuleInstallClient API。

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、初めて検出機能を実行するときに、モデルがダウンロードされます。お客様が行うリクエスト結果が返されないことに注意してください。

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、入力画像に顔が含まれている必要があります十分なピクセルデータで表現されます。一般に、それぞれの顔に 100×100 ピクセル以上である必要があります特定の脅威や ML Kit では、顔の輪郭に高精細な入力が求められるため、 200×200 ピクセル以上にします

リアルタイムアプリで顔を検出した場合は、入力画像の全体的なサイズを考慮します。より小さな画像は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が、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。関連ドキュメント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をご覧ください。

画像のピントが悪い場合も精度に影響することがあります。承認されなかった場合ユーザーに画像をキャプチャし直すよう求めます。

カメラに対する顔の向きも、顔の向きや検出する方法を説明します詳しくは、顔検出のコンセプト。

1. 顔検出機能を構成する

画像に顔検出を適用する前に、顔検出機能のデフォルト設定を使用する場合は、 FaceDetectorOptions オブジェクト。以下の設定を変更できます。

設定
`setPerformanceMode`	<ph type="x-smartling-placeholder"></ph> `PERFORMANCE_MODE_FAST`（デフォルト） \|<ph type="x-smartling-placeholder"></ph> `PERFORMANCE_MODE_ACCURATE` 顔検出の速度と精度を優先します。
`setLandmarkMode`	<ph type="x-smartling-placeholder"></ph> `LANDMARK_MODE_NONE`（デフォルト） \|<ph type="x-smartling-placeholder"></ph> `LANDMARK_MODE_ALL` 顔の「ランドマーク」を識別するかどうか（目、耳、鼻、口、口などが含まれます。
`setContourMode`	<ph type="x-smartling-placeholder"></ph> `CONTOUR_MODE_NONE`（デフォルト） \|<ph type="x-smartling-placeholder"></ph> `CONTOUR_MODE_ALL` 顔の特徴の輪郭を検出するかどうか。等高線: 検出されたのは最も目立つ顔だけです。
`setClassificationMode`	<ph type="x-smartling-placeholder"></ph> `CLASSIFICATION_MODE_NONE`（デフォルト） \|<ph type="x-smartling-placeholder"></ph> `CLASSIFICATION_MODE_ALL` 顔を「笑顔」などのカテゴリに分類するかどうか「目を開けて」などです。
`setMinFaceSize`	`float`（デフォルト: `0.1f`）望ましい最小の顔サイズを設定します。これは、顔のサイズの比率で表します。横のサイズになります。
`enableTracking`	`false`（デフォルト）\|`true` 追跡に使用できる ID を顔に割り当てるかどうか分析できますなお、輪郭検出が有効になっている場合は、1 つの顔のみが顔追跡は有用な結果を生成しません。今回検出速度を上げるには、Contour 両方の顔認証、顔追跡などの機能です。

例:

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. 入力画像を準備する

画像内の顔を検出するには、InputImage オブジェクトを作成します。 Bitmap、media.Image、ByteBuffer、バイト配列、またはクリックします。次に、InputImage オブジェクトを FaceDetector の process メソッド。

顔検出には、次のサイズ以上の画像を使用する必要があります。 480x360 ピクセル。リアルタイムで顔を検出している場合は、フレームのキャプチャレイテンシを短縮できます。

InputImage を作成できます。異なるソースからのオブジェクトについて、以下で説明します。

`media.Image` の使用

InputImage を作成するには: media.Image オブジェクトからオブジェクトをキャプチャします。たとえば、渡すには、media.Image オブジェクトと画像の InputImage.fromMediaImage() に変更します。

「 <ph type="x-smartling-placeholder"></ph> CameraX ライブラリ、OnImageCapturedListener、 ImageAnalysis.Analyzer クラスが回転値を計算するできます。

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カメラの向きから計算できます。次の動作を行います。

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
}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;
}

次に、media.Image オブジェクトと回転角度の値を InputImage.fromMediaImage() に設定する:

Kotlin

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

Java

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

ファイル URI の使用

InputImage を作成するには: 渡すことにより、アプリのコンテキストとファイルの URI を InputImage.fromFilePath()。これは、 ACTION_GET_CONTENT インテントを使用してユーザーに選択を求めるギャラリーアプリから画像を作成できます

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();
}

`ByteBuffer` または `ByteArray` の使用

InputImage を作成するには: 作成するには、まず画像を計算してByteBufferByteArray 前述の media.Image 入力に対する回転角度。次に、バッファまたは配列を含む InputImage オブジェクトを、画像の高さ、幅、カラーエンコード形式、回転角度:

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

`Bitmap` の使用

InputImage を作成するには: Bitmap オブジェクトから呼び出す場合は、次のように宣言します。

Kotlin

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

Java

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

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();FaceDetectionActivity.kt

Java

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

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
            // ...
        }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

</ph> 注: CameraX API を使用する場合は、使用が終了したら必ず ImageProxy を閉じてください。たとえば、返された Task に OnCompleteListener を process メソッドを使用します。詳しくは、 <ph type="x-smartling-placeholder"></ph> VisionProcessorBase クラスをご覧ください。

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 オブジェクトは成功関数に渡され、呼び出すことができます。各 Face オブジェクトは検出された顔を表します。確認します。それぞれの面について、その境界座標を入力顔検出機能に設定したその他の情報も表示されます。表示されます。例:

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

顔の輪郭の例

顔の輪郭検出を有効にすると、顔の輪郭検出に使用されている検出された顔の特徴を表します。これらの点は、データポイントの形状を機能。[顔検出のコンセプトをご覧ください。表現されます。

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。拡大表示します。

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、実現するためのガイドラインは次のとおりです。

次のいずれかを使用するように顔検出器を構成する顔の輪郭検出または分類とランドマーク検出のどちらか一方のみ:

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。

「 Camera または camera2 API、スロットリングするように構成されています。新しい動画がフレームが使用可能になる場合は、そのフレームをドロップします。詳しくは、 <ph type="x-smartling-placeholder"></ph> 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に <ph type="x-smartling-placeholder"></ph> ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST。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。もしより多くの画像が生成された場合、自動的に破棄され、提供します。次の呼び出しによって分析中の画像を閉じたら、 ImageProxy.close() が呼び出されると、次に最新の画像が配信されます。

検出機能の出力を使用して、ディスプレイにグラフィックをオーバーレイする場合、まず ML Kit から結果を取得してから、画像をレンダリングする 1 ステップでオーバーレイできますこれにより、ディスプレイサーフェスにレンダリングされます。入力フレームごとに 1 回だけです。詳しくは、 <ph type="x-smartling-placeholder"></ph> CameraSourcePreview および <ph type="x-smartling-placeholder"></ph> GraphicOverlay クラスをご覧ください。

Camera2 API を使用する場合は、 ImageFormat.YUV_420_888 形式。古い Camera API を使用する場合は、 ImageFormat.NV21 形式。

ML Kit を使用して顔を検出する（Android）

試してみる

始める前に

入力画像のガイドライン

1. 顔検出機能を構成する

Kotlin

Java

2. 入力画像を準備する

media.Image の使用

Kotlin

Java

Kotlin

Java

Kotlin

Java

ファイル URI の使用

Kotlin

Java

ByteBuffer または ByteArray の使用

Kotlin

Java

Bitmap の使用

Kotlin

Java

3. FaceDetector のインスタンスを取得する

Kotlin

Java

4. 画像を処理する

Kotlin

Java

5. 検出された顔に関する情報を取得する

Kotlin

Java

顔の輪郭の例

リアルタイムの顔検出

`media.Image` の使用

`ByteBuffer` または `ByteArray` の使用

`Bitmap` の使用