इस पेज का अनुवाद Cloud Translation API से किया गया है.

Android पर एमएल किट की मदद से फ़ेस मेश की जानकारी का पता लगाएं

एमएल किट का इस्तेमाल करके, सेल्फ़ी जैसी इमेज और वीडियो में चेहरों की पहचान की जा सकती है.

फ़ेस मेश डिटेक्शन एपीआई
SDK टूल का नाम	`face-mesh-detection`
लागू करने का तरीका	बिल्ड के समय, आपके ऐप्लिकेशन के साथ कोड और ऐसेट स्टैटिक रूप से लिंक होती हैं.
ऐप्लिकेशन के साइज़ का असर	~6.4 एमबी
परफ़ॉर्मेंस	ज़्यादातर डिवाइसों पर रीयल-टाइम.

इसे आज़माएं

इस एपीआई के इस्तेमाल का उदाहरण देखने के लिए, ऐप्लिकेशन के सैंपल को आज़माएं.

शुरू करने से पहले

इस एपीआई के लिए, Android एपीआई लेवल 21 या उसके बाद का लेवल ज़रूरी है. पक्का करें कि आपके ऐप्लिकेशन की बिल्ड फ़ाइल, 21 या उससे ज़्यादा की minSdkVersion वैल्यू का इस्तेमाल करती हो.

प्रोजेक्ट-लेवल वाली build.gradle फ़ाइल में, अपने बिल्डस्क्रिप्ट और allprojects, दोनों सेक्शन में Google की Maven रिपॉज़िटरी को शामिल करना न भूलें.
अपने मॉड्यूल की ऐप्लिकेशन-लेवल की ग्रेडल फ़ाइल में, ML Kit फ़ेस मेश डिटेक्शन लाइब्रेरी के लिए डिपेंडेंसी जोड़ें. आम तौर पर, यह app/build.gradle होती है:
```
dependencies {
 // ...

 implementation 'com.google.mlkit:face-mesh-detection:16.0.0-beta1'
}
```

इनपुट इमेज के लिए दिशा-निर्देश

इमेज को डिवाइस के कैमरे से ~2 मीटर (~7 फ़ीट) के अंदर लेना चाहिए, ताकि चेहरे की पहचान करने के लिए चेहरे काफ़ी बड़े हों. आम तौर पर, चेहरा जितना बड़ा होगा, फ़ेस मेश की पहचान उतनी ही बेहतर होगी.
चेहरा कैमरे के सामने होना चाहिए और चेहरे का कम से कम आधा हिस्सा दिखना चाहिए. चेहरे और कैमरे के बीच कोई भी बड़ी चीज़ होने पर, हो सकता है कि ऑब्जेक्ट सटीक न हो.

अगर आपको रीयल-टाइम ऐप्लिकेशन में चेहरों की पहचान करनी है, तो इनपुट इमेज के सभी डाइमेंशन पर भी ध्यान दें. छोटी इमेज को तेज़ी से प्रोसेस किया जा सकता है. इसलिए, कम रिज़ॉल्यूशन पर इमेज कैप्चर करने से इंतज़ार का समय कम हो जाता है. हालांकि, ऊपर बताई गई ज़रूरी शर्तों को ध्यान में रखें. साथ ही, पक्का करें कि इमेज में व्यक्ति का चेहरा ज़्यादा से ज़्यादा दिख रहा हो.

फ़ेस मेश डिटेक्टर को कॉन्फ़िगर करें

अगर आपको फ़ेस मेश डिटेक्टर की किसी भी डिफ़ॉल्ट सेटिंग में बदलाव करना है, तो FaceMeshDetectorOptions ऑब्जेक्ट की मदद से उन सेटिंग की जानकारी दें. आप निम्न सेटिंग बदल सकते हैं:

setUseCase
- BOUNDING_BOX_ONLY: यह सिर्फ़, पहचाने गए फ़ेस मेश के लिए बाउंडिंग बॉक्स देता है. यह चेहरे का पता लगाने वाला सबसे तेज़ तरीका है, लेकिन इसकी रेंज की सीमा भी है(चेहरे कैमरे से ~2 मीटर या ~7 फ़ीट के दायरे में होने चाहिए).
- FACE_MESH (डिफ़ॉल्ट विकल्प): यह बाउंडिंग बॉक्स और फ़ेस मेश की अतिरिक्त जानकारी देता है. जैसे, 468 3D पॉइंट और ट्रायएंगल की जानकारी. BOUNDING_BOX_ONLY के इस्तेमाल के उदाहरण की तुलना में, इंतज़ार का समय करीब 15% बढ़ जाता है, जैसा कि Pixel 3 को मापा गया है.

उदाहरण के लिए:

Kotlin

val defaultDetector = FaceMeshDetection.getClient(
  FaceMeshDetectorOptions.DEFAULT_OPTIONS)

val boundingBoxDetector = FaceMeshDetection.getClient(
  FaceMeshDetectorOptions.Builder()
    .setUseCase(UseCase.BOUNDING_BOX_ONLY)
    .build()
)

Java

FaceMeshDetector defaultDetector =
        FaceMeshDetection.getClient(
                FaceMeshDetectorOptions.DEFAULT_OPTIONS);

FaceMeshDetector boundingBoxDetector = FaceMeshDetection.getClient(
        new FaceMeshDetectorOptions.Builder()
                .setUseCase(UseCase.BOUNDING_BOX_ONLY)
                .build()
        );

इनपुट इमेज तैयार करें

किसी इमेज में चेहरों की पहचान करने के लिए, Bitmap, media.Image, ByteBuffer, बाइट कलेक्शन या डिवाइस पर मौजूद किसी फ़ाइल की मदद से InputImage ऑब्जेक्ट बनाएं. इसके बाद, InputImage ऑब्जेक्ट को FaceDetector के process तरीके पर पास करें.

फ़ेस मेश की पहचान करने के लिए, आपको कम से कम 480x360 पिक्सल वाली इमेज का इस्तेमाल करना चाहिए. अगर रीयल टाइम में चेहरे की पहचान की जा रही है, तो इस सबसे कम रिज़ॉल्यूशन पर फ़्रेम कैप्चर करने से, वीडियो के रेंडर होने में लगने वाला समय कम किया जा सकता है.

अलग-अलग सोर्स से InputImage ऑब्जेक्ट बनाया जा सकता है. हर सोर्स के बारे में नीचे बताया गया है.

`media.Image` का इस्तेमाल करके

किसी media.Image ऑब्जेक्ट से InputImage ऑब्जेक्ट बनाने के लिए, जैसे कि किसी डिवाइस के कैमरे से इमेज कैप्चर करने पर, media.Image ऑब्जेक्ट और इमेज के रोटेशन को InputImage.fromMediaImage() पर पास करें.

अगर CameraX लाइब्रेरी का इस्तेमाल किया जाता है, तो OnImageCapturedListener और ImageAnalysis.Analyzer क्लास आपके लिए, रोटेशन वैल्यू का हिसाब लगाती हैं.

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
          // ...
        }
    }
}

अगर आपने ऐसी कैमरा लाइब्रेरी का इस्तेमाल नहीं किया है जो इमेज को घुमाने की डिग्री देती है, तो डिवाइस की रोटेशन डिग्री और डिवाइस में कैमरा सेंसर के ओरिएंटेशन की मदद से, इसका हिसाब लगाया जा सकता है:

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;
}

इसके बाद, media.Image ऑब्जेक्ट और रोटेशन डिग्री की वैल्यू को InputImage.fromMediaImage() पर पास करें:

Kotlin

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

Java

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

फ़ाइल यूआरआई का इस्तेमाल करना

किसी फ़ाइल यूआरआई से InputImage ऑब्जेक्ट बनाने के लिए, ऐप्लिकेशन कॉन्टेक्स्ट और फ़ाइल यूआरआई को InputImage.fromFilePath() में पास करें. यह तब काम आता है, जब ACTION_GET_CONTENT इंटेंट का इस्तेमाल करके, उपयोगकर्ता से उसके गैलरी ऐप्लिकेशन से कोई इमेज चुनने का अनुरोध किया जाता है.

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` या `ByteArray` का इस्तेमाल करके

किसी ByteBuffer या ByteArray से InputImage ऑब्जेक्ट बनाने के लिए, सबसे पहले इमेज के रोटेशन डिग्री का हिसाब लगाएं, जैसा कि media.Image इनपुट के लिए पहले बताया गया था. इसके बाद, इमेज की ऊंचाई, चौड़ाई, कलर एन्कोडिंग का फ़ॉर्मैट, और रोटेशन डिग्री के साथ, बफ़र या अरे की मदद से InputImage ऑब्जेक्ट बनाएं:

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` का इस्तेमाल करके

किसी Bitmap ऑब्जेक्ट से InputImage ऑब्जेक्ट बनाने के लिए, यह एलान करें:

Kotlin

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

Java

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

इमेज को रोटेशन डिग्री के साथ, Bitmap ऑब्जेक्ट से दिखाया गया है.

इमेज को प्रोसेस करें

इमेज को process तरीके से पास करें:

Kotlin

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

Java


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

पहचाने गए फ़ेस मेश के बारे में जानकारी पाएं

अगर इमेज में किसी चेहरे की पहचान की जाती है, तो सक्सेस लिसनर को, FaceMesh ऑब्जेक्ट की एक सूची भेजी जाती है. हर FaceMesh एक चेहरे को दिखाता है, जिसकी पहचान इमेज में की गई थी. हर फ़ेस मेश के लिए, आपको इनपुट इमेज में बाउंडिंग कोऑर्डिनेट मिल सकते हैं. साथ ही, ऐसी कोई भी जानकारी मिल सकती है जिसे ढूंढने के लिए आपने फ़ेस मेश डिटेक्टर को कॉन्फ़िगर किया था.

Kotlin

for (faceMesh in faceMeshs) {
    val bounds: Rect = faceMesh.boundingBox()

    // Gets all points
    val faceMeshpoints = faceMesh.allPoints
    for (faceMeshpoint in faceMeshpoints) {
      val index: Int = faceMeshpoints.index()
      val position = faceMeshpoint.position
    }

    // Gets triangle info
    val triangles: List<Triangle<FaceMeshPoint>> = faceMesh.allTriangles
    for (triangle in triangles) {
      // 3 Points connecting to each other and representing a triangle area.
      val connectedPoints = triangle.allPoints()
    }
}

Java

for (FaceMesh faceMesh : faceMeshs) {
    Rect bounds = faceMesh.getBoundingBox();

    // Gets all points
    List<FaceMeshPoint> faceMeshpoints = faceMesh.getAllPoints();
    for (FaceMeshPoint faceMeshpoint : faceMeshpoints) {
        int index = faceMeshpoints.getIndex();
        PointF3D position = faceMeshpoint.getPosition();
    }

    // Gets triangle info
    List<Triangle<FaceMeshPoint>> triangles = faceMesh.getAllTriangles();
    for (Triangle<FaceMeshPoint> triangle : triangles) {
        // 3 Points connecting to each other and representing a triangle area.
        List<FaceMeshPoint> connectedPoints = triangle.getAllPoints();
    }
}

Android पर एमएल किट की मदद से फ़ेस मेश की जानकारी का पता लगाएं

इसे आज़माएं

शुरू करने से पहले

इनपुट इमेज के लिए दिशा-निर्देश

फ़ेस मेश डिटेक्टर को कॉन्फ़िगर करें

Kotlin

Java

इनपुट इमेज तैयार करें

media.Image का इस्तेमाल करके

Kotlin

Java

Kotlin

Java

Kotlin

Java

फ़ाइल यूआरआई का इस्तेमाल करना

Kotlin

Java

ByteBuffer या ByteArray का इस्तेमाल करके

Kotlin

Java

Bitmap का इस्तेमाल करके

Kotlin

Java

इमेज को प्रोसेस करें

Kotlin

Java

पहचाने गए फ़ेस मेश के बारे में जानकारी पाएं

Kotlin

Java

`media.Image` का इस्तेमाल करके

`ByteBuffer` या `ByteArray` का इस्तेमाल करके

`Bitmap` का इस्तेमाल करके