Bu sayfa, Cloud Translation API ile çevrilmiştir.

Android'de ML Kit ile yüz örgüsü bilgilerini algılama

Selfie benzeri resimlerdeki ve videolardaki yüzleri algılamak için ML Kit'i kullanabilirsiniz.

Yüz örgüsü algılama API'sı
SDK adı	`face-mesh-detection`
Uygulama	Kod ve öğeler, derleme sırasında statik olarak uygulamanıza bağlıdır.
Uygulama boyutu etkisi	~6,4 MB
Performans	Çoğu cihazda gerçek zamanlı.

Deneyin

Bu API'nin örnek bir kullanımını görmek için örnek uygulamayı inceleyin.

Başlamadan önce

Bu API, Android API düzeyi 21 veya üzerini gerektirir. Uygulamanızın derleme dosyasının 21 veya daha yüksek bir minSdkVersion değeri kullandığından emin olun.

Proje düzeyindeki build.gradle dosyanızda, Google'ın Maven deposunu hem buildscript hem de allprojects bölümlerinize eklediğinizden emin olun.
ML Kit yüz algılama kitaplığına olan bağımlılığı, modülünüzün uygulama düzeyindeki Gradle dosyasına ekleyin. Bu dosya genellikle app/build.gradle değerine sahiptir:
```
dependencies {
 // ...

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

Giriş resmi kuralları

Resimler cihaz kamerasından yaklaşık 2 metre (~7 fit) mesafede çekilmelidir. Böylece, yüzlerin en iyi yüz örgüsünü tanıması için yeterince büyük olması sağlanır. Genel olarak yüz ne kadar büyükse yüz örgüsü tanıma da o kadar iyi olur.
Yüz, kameraya bakacak şekilde ve yüzün en az yarısı görünür olmalıdır. Yüzle kamera arasındaki büyük bir nesne doğruluğun düşük olmasına neden olabilir.

Yüzleri gerçek zamanlı bir uygulamada algılamak isterseniz giriş görüntüsünün genel boyutlarını da düşünmeniz gerekir. Daha küçük görüntüler daha hızlı işlenebilir. Bu nedenle, görüntüleri daha düşük çözünürlüklerde çekmek gecikmeyi azaltır. Bununla birlikte, yukarıdaki doğruluk koşullarını göz önünde bulundurarak öznenin yüzünün mümkün olduğunca çok alan kaplamasını sağlayın.

Yüz ağı algılayıcısını yapılandırma

Yüz ağı algılayıcısının varsayılan ayarlarından herhangi birini değiştirmek istiyorsanız bu ayarları bir FaceMeshDetectorOptions nesnesiyle belirtin. Aşağıdaki ayarları değiştirebilirsiniz:

setUseCase
- BOUNDING_BOX_ONLY: Yalnızca algılanan bir yüz ağı için sınırlayıcı kutu sağlar. Bu en hızlı yüz algılayıcıdır, ancak kapsama alanı sınırlarına sahiptir(yüzler kameradan yaklaşık 2 metre veya ~7 fit kadar uzakta olmalıdır).
- FACE_MESH (varsayılan seçenek): Bir sınırlayıcı kutu ve ek yüz ağı bilgileri (468 3D nokta ve üçgen bilgisi) sağlar. BOUNDING_BOX_ONLY kullanım alanıyla karşılaştırıldığında, Pixel 3'te yapılan ölçümlere göre gecikme yaklaşık %15 artar.

Örneğin:

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()
        );

Giriş görüntüsünü hazırlama

Görüntüdeki yüzleri algılamak için Bitmap, media.Image, ByteBuffer, bayt dizisi veya cihazdaki bir dosyadan InputImage nesnesi oluşturun. Daha sonra, InputImage nesnesini FaceDetector'ın process yöntemine geçirin.

Yüz ağı algılama özelliği için en az 480x360 piksel boyutunda bir resim kullanmanız gerekir. Yüzleri gerçek zamanlı olarak algılıyorsanız kareleri bu minimum çözünürlükte yakalamak, gecikmeyi azaltmaya yardımcı olabilir.

Farklı kaynaklardan InputImage nesnesi oluşturabilirsiniz. Nesnelerin her biri aşağıda açıklanmıştır.

`media.Image` kullanılıyor

Bir media.Image nesnesinden InputImage nesnesi oluşturmak için (örneğin, bir cihazın kamerasından resim çekerken) media.Image nesnesini ve resmin dönüşünü InputImage.fromMediaImage() konumuna getirin.

KameraX kitaplığını kullanırsanız OnImageCapturedListener ve ImageAnalysis.Analyzer sınıfları, döndürme değerini sizin için hesaplar.

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
          // ...
        }
    }
}

Resmin dönüş derecesini belirten bir kamera kitaplığı kullanmıyorsanız bunu cihazın döndürme derecesinden ve cihazdaki kamera sensörünün yönüne göre hesaplayabilirsiniz:

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;
}

Daha sonra, media.Image nesnesini ve döndürme derecesi değerini InputImage.fromMediaImage() öğesine iletin:

Kotlin

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

Java

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

Dosya URI'si kullanma

Dosya URI'sinden InputImage nesnesi oluşturmak için uygulama bağlamını ve dosya URI'sini InputImage.fromFilePath() adresine iletin. Bu, kullanıcıdan galeri uygulamasından bir resim seçmesini istemek için bir ACTION_GET_CONTENT amacı kullandığınızda faydalıdır.

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` veya `ByteArray` kullanma

ByteBuffer veya ByteArray öğesinden InputImage nesnesi oluşturmak için önce daha önce media.Image girişi için açıklandığı gibi resim döndürme derecesini hesaplayın. Ardından, InputImage nesnesini resmin yüksekliği, genişliği, renk kodlama biçimi ve döndürme derecesiyle birlikte arabellek veya diziyle oluşturun:

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` kullanılıyor

Bir Bitmap nesnesinden InputImage nesnesi oluşturmak için aşağıdaki bildirimi yapın:

Kotlin

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

Java

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

Resim, döndürme dereceleriyle birlikte bir Bitmap nesnesiyle temsil edilir.

Resmi işle

Resmi process yöntemine geçirin:

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
                        // …
                    }
                });

Algılanan yüz ağı hakkında bilgi alın

Resimde herhangi bir yüz algılanırsa başarılı dinleyiciye FaceMesh nesne listesi iletilir. Her FaceMesh, resimde tespit edilen bir yüzü temsil eder. Her bir yüz ağı için sınırlayıcı koordinatlarını ve yüz ağı algılayıcısının bulmasını yapılandırdığınız diğer tüm bilgileri giriş görüntüsünden alabilirsiniz.

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'de ML Kit ile yüz örgüsü bilgilerini algılama

Deneyin

Başlamadan önce

Giriş resmi kuralları

Yüz ağı algılayıcısını yapılandırma

Kotlin

Java

Giriş görüntüsünü hazırlama

media.Image kullanılıyor

Kotlin

Java

Kotlin

Java

Kotlin

Java

Dosya URI'si kullanma

Kotlin

Java

ByteBuffer veya ByteArray kullanma

Kotlin

Java

Bitmap kullanılıyor

Kotlin

Java

Resmi işle

Kotlin

Java

Algılanan yüz ağı hakkında bilgi alın

Kotlin

Java

`media.Image` kullanılıyor

`ByteBuffer` veya `ByteArray` kullanma

`Bitmap` kullanılıyor