এই পৃষ্ঠাটি Cloud Translation API অনুবাদ করেছে।

Android-এ ML Kit-এর সাহায্যে ফেস মেশের তথ্য শনাক্ত করুন

সেলফির মতো ছবি এবং ভিডিওতে মুখ শনাক্ত করতে আপনি এমএল কিট ব্যবহার করতে পারেন।

ফেস মেশ ডিটেকশন API
SDK নাম	`face-mesh-detection`
বাস্তবায়ন	কোড এবং সম্পদগুলি বিল্ড টাইমে আপনার অ্যাপের সাথে স্ট্যাটিকভাবে লিঙ্ক করা হয়।
অ্যাপের আকারের প্রভাব	~6.4MB
কর্মক্ষমতা	বেশিরভাগ ডিভাইসে রিয়েল-টাইম।

চেষ্টা কর

এই API এর একটি উদাহরণ ব্যবহার দেখতে নমুনা অ্যাপের সাথে খেলুন।

তুমি শুরু করার আগে

এই API এর জন্য Android API স্তর 21 বা তার উপরে প্রয়োজন৷ নিশ্চিত করুন যে আপনার অ্যাপের বিল্ড ফাইলটি 21 বা উচ্চতর একটি minSdkVersion মান ব্যবহার করে৷

আপনার প্রকল্প-স্তরের build.gradle ফাইলে, আপনার বিল্ডস্ক্রিপ্ট এবং সমস্ত প্রকল্প উভয় বিভাগেই Google-এর Maven সংগ্রহস্থল অন্তর্ভুক্ত করা নিশ্চিত করুন৷
আপনার মডিউলের অ্যাপ-লেভেল গ্রেডল ফাইলে এমএল কিট ফেস মেশ ডিটেকশন লাইব্রেরির জন্য নির্ভরতা যোগ করুন, যা সাধারণত app/build.gradle হয় :
```
dependencies {
 // ...

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

ইনপুট ইমেজ নির্দেশিকা

ডিভাইসের ক্যামেরা থেকে ~2 মিটার (~7 ফুট) মধ্যে ছবি তোলা উচিত, যাতে মুখগুলি সর্বোত্তম ফেস মেশ সনাক্তকরণের জন্য যথেষ্ট বড় হয়। সাধারণভাবে, মুখ যত বড় হবে, ফেস মেশ রিকগনিশন তত ভালো।
মুখটি ক্যামেরার মুখোমুখি হওয়া উচিত যাতে মুখের অন্তত অর্ধেক দৃশ্যমান হয়। মুখ এবং ক্যামেরার মধ্যে যেকোন বড় বস্তুর নির্ভুলতা কম হতে পারে।

আপনি যদি একটি রিয়েল-টাইম অ্যাপ্লিকেশনে মুখগুলি সনাক্ত করতে চান তবে আপনার ইনপুট চিত্রের সামগ্রিক মাত্রাগুলিও বিবেচনা করা উচিত৷ ছোট ছবিগুলি দ্রুত প্রক্রিয়া করা যেতে পারে, তাই কম রেজোলিউশনে ছবিগুলি ক্যাপচার করা লেটেন্সি হ্রাস করে৷ যাইহোক, উপরের নির্ভুলতার প্রয়োজনীয়তাগুলি মনে রাখবেন এবং নিশ্চিত করুন যে সাবজেক্টের মুখ যতটা সম্ভব ছবিটি দখল করে।

ফেস মেশ ডিটেক্টর কনফিগার করুন

আপনি যদি ফেস মেশ ডিটেক্টরের ডিফল্ট সেটিংস পরিবর্তন করতে চান তবে একটি FaceMeshDetectorOptions অবজেক্টের সাথে সেই সেটিংস নির্দিষ্ট করুন। আপনি নিম্নলিখিত সেটিংস পরিবর্তন করতে পারেন:

setUseCase
- BOUNDING_BOX_ONLY : সনাক্ত করা ফেস মেশের জন্য শুধুমাত্র একটি বাউন্ডিং বক্স প্রদান করে। এটি দ্রুততম ফেস ডিটেক্টর, তবে এর পরিসীমা সীমাবদ্ধতা রয়েছে (মুখগুলি অবশ্যই ক্যামেরার ~2 মিটার বা ~7 ফুটের মধ্যে হতে হবে)।
- FACE_MESH (ডিফল্ট বিকল্প): একটি বাউন্ডিং বক্স এবং অতিরিক্ত ফেস মেশ তথ্য (468 3D পয়েন্ট এবং ত্রিভুজ তথ্য) প্রদান করে। BOUNDING_BOX_ONLY ব্যবহারের ক্ষেত্রে তুলনা করলে, Pixel 3-এ পরিমাপ করা লেটেন্সি ~15% বৃদ্ধি পায়।

উদাহরণ স্বরূপ:

কোটলিন

val defaultDetector = FaceMeshDetection.getClient(
  FaceMeshDetectorOptions.DEFAULT_OPTIONS)

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

জাভা

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

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

ইনপুট ইমেজ প্রস্তুত করুন

একটি ছবিতে মুখ সনাক্ত করতে, একটি Bitmap , media.Image ইমেজ , ByteBuffer , বাইট অ্যারে বা ডিভাইসে একটি ফাইল থেকে একটি InputImage অবজেক্ট তৈরি করুন৷ তারপর, FaceDetector এর process পদ্ধতিতে InputImage অবজেক্টটি পাস করুন।

ফেস মেশ সনাক্তকরণের জন্য, আপনার কমপক্ষে 480x360 পিক্সেলের মাত্রা সহ একটি চিত্র ব্যবহার করা উচিত। আপনি যদি রিয়েল টাইমে মুখগুলি শনাক্ত করেন, তাহলে এই ন্যূনতম রেজোলিউশনে ফ্রেম ক্যাপচার করা লেটেন্সি কমাতে সাহায্য করতে পারে৷

আপনি বিভিন্ন উত্স থেকে একটি InputImage অবজেক্ট তৈরি করতে পারেন, প্রতিটি নীচে ব্যাখ্যা করা হয়েছে৷

একটি `media.Image` ব্যবহার করে. ইমেজ

একটি media.Image থেকে একটি InputImage অবজেক্ট তৈরি করতে। ইমেজ অবজেক্ট, যেমন আপনি যখন একটি ডিভাইসের ক্যামেরা থেকে একটি ছবি ক্যাপচার করেন, তখন media.Image পাস করুন। ইমেজ অবজেক্ট এবং ইমেজের রোটেশন InputImage.fromMediaImage() এ।

আপনি CameraX লাইব্রেরি ব্যবহার করলে, OnImageCapturedListener এবং ImageAnalysis.Analyzer ক্লাসগুলি আপনার জন্য ঘূর্ণন মান গণনা করে৷

কোটলিন

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
            // ...
        }
    }
}

জাভা

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
          // ...
        }
    }
}

আপনি যদি এমন একটি ক্যামেরা লাইব্রেরি ব্যবহার না করেন যা আপনাকে চিত্রের ঘূর্ণন ডিগ্রী দেয়, আপনি ডিভাইসের ঘূর্ণন ডিগ্রী এবং ডিভাইসে ক্যামেরা সেন্সরের অভিযোজন থেকে এটি গণনা করতে পারেন:

কোটলিন

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

জাভা

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;
}

তারপর, media.Image অবজেক্ট এবং ঘূর্ণন ডিগ্রী মান InputImage.fromMediaImage() এ পাস করুন :

কোটলিন

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

Java

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

একটি ফাইল ইউআরআই ব্যবহার করে

একটি ফাইল URI থেকে একটি InputImage অবজেক্ট তৈরি করতে, অ্যাপের প্রসঙ্গ এবং ফাইল URIকে InputImage.fromFilePath() এ পাস করুন। এটি উপযোগী যখন আপনি একটি ACTION_GET_CONTENT উদ্দেশ্য ব্যবহার করে ব্যবহারকারীকে তাদের গ্যালারি অ্যাপ থেকে একটি ছবি নির্বাচন করতে অনুরোধ করেন৷

কোটলিন

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();
}

একটি `ByteBuffer` বা `ByteArray` ব্যবহার করে

একটি ByteBuffer বা একটি ByteArray থেকে একটি InputImage অবজেক্ট তৈরি করতে, প্রথমে media.Image ইনপুটের জন্য পূর্বে বর্ণিত চিত্রের ঘূর্ণন ডিগ্রি গণনা করুন৷ তারপরে, ছবির উচ্চতা, প্রস্থ, রঙ এনকোডিং বিন্যাস এবং ঘূর্ণন ডিগ্রী সহ বাফার বা অ্যারে সহ InputImage অবজেক্ট তৈরি করুন:

কোটলিন

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

জাভা

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

একটি `Bitmap` ব্যবহার করে

একটি Bitmap বস্তু থেকে একটি InputImage অবজেক্ট তৈরি করতে, নিম্নলিখিত ঘোষণা করুন:

কোটলিন

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

Java

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

চিত্রটি ঘূর্ণন ডিগ্রী সহ একটি Bitmap বস্তু দ্বারা উপস্থাপিত হয়।

চিত্রটি প্রক্রিয়া করুন

process পদ্ধতিতে চিত্রটি পাস করুন:

কোটলিন

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

জাভা


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
                        // …
                    }
                });

সনাক্ত করা ফেস মেশ সম্পর্কে তথ্য পান

ছবিতে কোনো মুখ শনাক্ত করা হলে, FaceMesh বস্তুর একটি তালিকা সফল শ্রোতার কাছে পাঠানো হয়। প্রতিটি FaceMesh একটি মুখের প্রতিনিধিত্ব করে যা ছবিতে সনাক্ত করা হয়েছিল। প্রতিটি ফেস মেশের জন্য, আপনি ইনপুট ইমেজে এর বাউন্ডিং কোঅর্ডিনেট পেতে পারেন, সেইসাথে আপনি ফেস মেশ ডিটেক্টরকে খুঁজে বের করার জন্য কনফিগার করেছেন এমন অন্য কোনো তথ্য।

কোটলিন

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()
    }
}

জাভা

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-এ ML Kit-এর সাহায্যে ফেস মেশের তথ্য শনাক্ত করুন

চেষ্টা কর

তুমি শুরু করার আগে

ইনপুট ইমেজ নির্দেশিকা

ফেস মেশ ডিটেক্টর কনফিগার করুন

কোটলিন

জাভা

ইনপুট ইমেজ প্রস্তুত করুন

একটি media.Image ব্যবহার করে. ইমেজ

কোটলিন

জাভা

কোটলিন

জাভা

কোটলিন

Java

একটি ফাইল ইউআরআই ব্যবহার করে

কোটলিন

Java

একটি ByteBuffer বা ByteArray ব্যবহার করে

কোটলিন

জাভা

একটি Bitmap ব্যবহার করে

কোটলিন

Java

চিত্রটি প্রক্রিয়া করুন

কোটলিন

জাভা

সনাক্ত করা ফেস মেশ সম্পর্কে তথ্য পান

কোটলিন

জাভা

একটি `media.Image` ব্যবহার করে. ইমেজ

একটি `ByteBuffer` বা `ByteArray` ব্যবহার করে

একটি `Bitmap` ব্যবহার করে