Android पर एमएल किट से ऑब्जेक्ट का पता लगाना और उन्हें ट्रैक करना

आप एमएल किट का इस्तेमाल करके, लगातार वीडियो फ़्रेम में चीज़ों का पता लगा सकते हैं और उन्हें ट्रैक कर सकते हैं.

जब आप किसी इमेज को एमएल किट में भेजते हैं, तो वह इमेज में पांच ऑब्जेक्ट के साथ-साथ, हर इमेज की जगह की जानकारी का पता लगाती है. वीडियो स्ट्रीम में ऑब्जेक्ट का पता लगाते समय, हर ऑब्जेक्ट का एक यूनीक आईडी होता है. इसका इस्तेमाल, फ़्रेम से फ़्रेम तक ऑब्जेक्ट को ट्रैक करने के लिए किया जा सकता है. इसके अलावा, तभी बुनियादी ऑब्जेक्ट की कैटगरी तय करने की सुविधा भी चालू की जा सकती है, जो ऑब्जेक्ट को बड़े दायरे वाली जानकारी के साथ लेबल करती है.

इसे आज़माएं

शुरू करने से पहले

  1. प्रोजेक्ट-लेवल की build.gradle फ़ाइल में, Google की Maven की मेमोरी को अपने buildscript और allprojects, दोनों सेक्शन में शामिल करना न भूलें.
  2. अपने मॉड्यूल की ऐप्लिकेशन लेवल की ग्रेडल फ़ाइल में, ML किट की Android लाइब्रेरी के लिए डिपेंडेंसी जोड़ें, जो आम तौर पर app/build.gradle होती है: 
    dependencies {
  // ...

  implementation 'com.google.mlkit:object-detection:17.0.0'

}

1. ऑब्जेक्ट डिटेक्टर को कॉन्फ़िगर करें

ऑब्जेक्ट का पता लगाने और उन्हें ट्रैक करने के लिए, पहले ObjectDetector का एक इंस्टेंस बनाएं और वैकल्पिक रूप से ऐसी कोई भी डिटेक्टर सेटिंग तय करें जिसे आप डिफ़ॉल्ट से बदलना चाहते हैं.

  1. ObjectDetectorOptions ऑब्जेक्ट के साथ, अपने इस्तेमाल के उदाहरण के लिए ऑब्जेक्ट की पहचान करने वाले को कॉन्फ़िगर करें. इन सेटिंग को बदला जा सकता है:

    ऑब्जेक्ट डिटेक्टर की सेटिंग
    वीडियो की पहचान करने वाला मोड STREAM_MODE (डिफ़ॉल्ट) | SINGLE_IMAGE_MODE

    STREAM_MODE (डिफ़ॉल्ट) में, ऑब्जेक्ट डिटेक्टर कम इंतज़ार के समय के साथ चलता है. हालांकि, डिटेक्टर के शुरुआती कुछ नतीजों पर अधूरे नतीजे (जैसे कि बाउंडिंग बॉक्स या कैटगरी लेबल) मिल सकते हैं. साथ ही, STREAM_MODE में, डिटेक्टर से उन ऑब्जेक्ट को ट्रैकिंग आईडी असाइन किया जाता है जिनका इस्तेमाल सभी फ़्रेम पर मौजूद ऑब्जेक्ट को ट्रैक करने के लिए किया जा सकता है. इस मोड का इस्तेमाल तब करें, जब आप ऑब्जेक्ट ट्रैक करना चाहते हों या जब इंतज़ार का समय कम हो, जैसे कि रीयल-टाइम में वीडियो स्ट्रीम प्रोसेस करते समय.

    ऑब्जेक्ट बाउंडिंग बॉक्स तय होने के बाद, SINGLE_IMAGE_MODE में ऑब्जेक्ट की पहचान करने वाला, नतीजा दिखाता है. अगर आप डेटा की कैटगरी तय करने की सुविधा भी चालू करते हैं, तो बाउंडिंग बॉक्स और कैटगरी लेबल, दोनों उपलब्ध होने के बाद यह नतीजे दिखाता है. इस वजह से, इंतज़ार का समय ज़्यादा हो सकता है. साथ ही, SINGLE_IMAGE_MODE में, ट्रैकिंग आईडी असाइन नहीं किए जाते. अगर इंतज़ार का समय बहुत ज़्यादा अहम नहीं है और आपको कुछ खास नतीजों के साथ काम नहीं करना है, तो इस मोड का इस्तेमाल करें.
    एक से ज़्यादा ऑब्जेक्ट का पता लगाएं और उन्हें ट्रैक करें false (डिफ़ॉल्ट) | true

    ज़्यादा से ज़्यादा पांच ऑब्जेक्ट का पता लगाकर उन्हें ट्रैक करना है या सिर्फ़ सबसे अहम ऑब्जेक्ट (डिफ़ॉल्ट) को ट्रैक करना है.
    ऑब्जेक्ट की कैटगरी तय करना false (डिफ़ॉल्ट) | true

    पता लगाए गए ऑब्जेक्ट को ऊबड़-खाबड़ कैटगरी में बांटना है या नहीं. इस सुविधा के चालू होने पर, ऑब्जेक्ट की पहचान करने वाले टूल, चीज़ों को उनकी कैटगरी में बांट देता है: फ़ैशन का सामान, खाना, घर का सामान, जगहें, और पौधे.

    ऑब्जेक्ट की पहचान और ट्रैकिंग एपीआई को इन दो मुख्य तरीकों से ऑप्टिमाइज़ किया गया है:

    • कैमरे के व्यूफ़ाइंडर में सबसे खास चीज़ की लाइव पहचान करना और उसे ट्रैक करना.
    • स्टैटिक इमेज से कई ऑब्जेक्ट की पहचान.

    इस्तेमाल के इन उदाहरणों के लिए, एपीआई को कॉन्फ़िगर करने का तरीका:

    Kotlin

    // Live detection and tracking
val options = ObjectDetectorOptions.Builder()
        .setDetectorMode(ObjectDetectorOptions.STREAM_MODE)
        .enableClassification()  // Optional
        .build()

// Multiple object detection in static images
val options = ObjectDetectorOptions.Builder()
        .setDetectorMode(ObjectDetectorOptions.SINGLE_IMAGE_MODE)
        .enableMultipleObjects()
        .enableClassification()  // Optional
        .build()

    Java

    // Live detection and tracking
ObjectDetectorOptions options =
        new ObjectDetectorOptions.Builder()
                .setDetectorMode(ObjectDetectorOptions.STREAM_MODE)
                .enableClassification()  // Optional
                .build();

// Multiple object detection in static images
ObjectDetectorOptions options =
        new ObjectDetectorOptions.Builder()
                .setDetectorMode(ObjectDetectorOptions.SINGLE_IMAGE_MODE)
                .enableMultipleObjects()
                .enableClassification()  // Optional
                .build();

  2. ObjectDetector का इंस्टेंस पाएं:

    Kotlin

    val objectDetector = ObjectDetection.getClient(options)

    Java

    ObjectDetector objectDetector = ObjectDetection.getClient(options);

2. इनपुट इमेज तैयार करें

ऑब्जेक्ट का पता लगाने और उन्हें ट्रैक करने के लिए, इमेज को ObjectDetector इंस्टेंस के process() तरीके से पास करें.

ऑब्जेक्ट का पता लगाने वाला टूल सीधे Bitmap, NV21 ByteBuffer या YUV_420_888 media.Image से चलता है. अगर आपके पास उनमें से किसी एक का सीधा ऐक्सेस है, तो उन सोर्स से InputImage बनाने का सुझाव दिया जाता है. अगर आपने अन्य सोर्स से InputImage बनाया है, तो हम आपके लिए अंदरूनी तौर पर कन्वर्ज़न को मैनेज करेंगे. हालांकि, इससे आपको कम मदद मिल सकती है.

क्रम में वीडियो या इमेज के हर फ़्रेम के लिए, ये काम करें:

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

media.Image का इस्तेमाल किया जा रहा है

media.Image ऑब्जेक्ट से InputImage ऑब्जेक्ट बनाने के लिए, media.Image ऑब्जेक्ट और इमेज का घुमाव, InputImage.fromMediaImage() को पास करें. उदाहरण के लिए, जब आप किसी डिवाइस के कैमरे से इमेज कैप्चर कर रहे हों.

अगर आप CameraX लाइब्रेरी का इस्तेमाल करते हैं, 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
          // ...
        }
    }
}

किसी ऐसी कैमरा लाइब्रेरी का इस्तेमाल न करने पर, जो इमेज को घुमाने की डिग्री देती है, आप डिवाइस के घुमाव डिग्री और डिवाइस में कैमरा सेंसर की दिशा से उसका हिसाब लगा सकते हैं:

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, InputImage.fromMediaImage() ऑब्जेक्ट को media.Image ऑब्जेक्ट और रोटेशन डिग्री वैल्यू 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 संदर्भ और फ़ाइल यूआरआई को InputImage.fromFilePath() पर भेजें. यह तब मददगार होता है, जब आप ACTION_GET_CONTENT इंटेंट का इस्तेमाल करके, उपयोगकर्ता से उनकी गैलरी के ऐप्लिकेशन से कोई इमेज चुनने के लिए कहते हैं.

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

ByteBuffer या ByteArray से InputImage ऑब्जेक्ट बनाने के लिए, पहले इमेज इनपुट के लिए डिग्री का हिसाब लगाएं, जैसा कि पहले media.Image इनपुट में बताया गया है. इसके बाद, बफ़र या अरे के साथ InputImage ऑब्जेक्ट बनाएं. इसमें इमेज की लंबाई, चौड़ाई, कलर एन्कोडिंग का फ़ॉर्मैट, और घुमाव की डिग्री शामिल है.

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 किया जा रहा है

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 ऑब्जेक्ट के साथ Bitmap ऑब्जेक्ट के ज़रिए दिखाया जाता है.

3. इमेज को प्रोसेस करें

इमेज को process() तरीके से पास करें:

Kotlin

objectDetector.process(image)
    .addOnSuccessListener { detectedObjects ->
        // Task completed successfully
        // ...
    }
    .addOnFailureListener { e ->
        // Task failed with an exception
        // ...
    }

Java

objectDetector.process(image)
    .addOnSuccessListener(
        new OnSuccessListener<List<DetectedObject>>() {
            @Override
            public void onSuccess(List<DetectedObject> detectedObjects) {
                // Task completed successfully
                // ...
            }
        })
    .addOnFailureListener(
        new OnFailureListener() {
            @Override
            public void onFailure(@NonNull Exception e) {
                // Task failed with an exception
                // ...
            }
        });

4. पता लगाए गए ऑब्जेक्ट के बारे में जानकारी पाएं

अगर process() पर कॉल पूरा हो जाता है, तो सक्सेस लिसनर पर DetectedObjects की सूची पास हो जाती है.

हर DetectedObject में ये प्रॉपर्टी शामिल होती हैं:

बाउंडिंग बॉक्स Rect, जिससे इमेज में मौजूद ऑब्जेक्ट की जगह पता चलती है.
ट्रैकिंग आईडी पूर्णांक, जो इमेज में ऑब्जेक्ट की पहचान करता है. SINGLE_IMAGE_MODE में शून्य.
लेबल
लेबल वर्णन लेबल का टेक्स्ट विवरण. यह PredefinedCategory में बताए गए स्ट्रिंग कॉन्सटेंट में से एक होगा.
लेबल इंडेक्स क्लासिफ़ायर को काम करने वाले सभी लेबल में लेबल का इंडेक्स. यह PredefinedCategory में दिए गए पूर्णांक कॉन्सटेंट में से एक होगा.
लेबल कॉन्फ़िडेंस ऑब्जेक्ट क्लासिफ़िकेशन की कॉन्फ़िडेंस वैल्यू.

Kotlin

for (detectedObject in detectedObjects) {
    val boundingBox = detectedObject.boundingBox
    val trackingId = detectedObject.trackingId
    for (label in detectedObject.labels) {
        val text = label.text
        if (PredefinedCategory.FOOD == text) {
            ...
        }
        val index = label.index
        if (PredefinedCategory.FOOD_INDEX == index) {
            ...
        }
        val confidence = label.confidence
    }
}

Java

// The list of detected objects contains one item if multiple
// object detection wasn't enabled.
for (DetectedObject detectedObject : detectedObjects) {
    Rect boundingBox = detectedObject.getBoundingBox();
    Integer trackingId = detectedObject.getTrackingId();
    for (Label label : detectedObject.getLabels()) {
        String text = label.getText();
        if (PredefinedCategory.FOOD.equals(text)) {
            ...
        }
        int index = label.getIndex();
        if (PredefinedCategory.FOOD_INDEX == index) {
            ...
        }
        float confidence = label.getConfidence();
    }
}

शानदार उपयोगकर्ता अनुभव पक्का करने के लिए

बेहतरीन उपयोगकर्ता अनुभव के लिए, अपने ऐप्लिकेशन में इन दिशा-निर्देशों का पालन करें:

  • ऑब्जेक्ट की पहचान आसान है, जो ऑब्जेक्ट की विज़ुअल जटिलता पर निर्भर करता है. ऐसे ऑब्जेक्ट, जिन्हें कुछ ही विज़ुअल सुविधाओं वाली चीज़ों का पता लगाने के लिए, इमेज के बड़े हिस्से का इस्तेमाल करने की ज़रूरत पड़ती है. आपको उपयोगकर्ताओं को इनपुट कैप्चर करने के बारे में दिशा-निर्देश देने चाहिए, जो उन ऑब्जेक्ट के साथ अच्छी तरह से काम करता है जिनका आप पता लगाना चाहते हैं.
  • क्लासिफ़िकेशन का इस्तेमाल करते समय, अगर आपको ऐसी ऑब्जेक्ट की पहचान करनी है जो इसके साथ काम करने वाली कैटगरी में नहीं आती हैं, तो बिना बताए गए ऑब्जेक्ट के लिए, खास हैंडलिंग लागू करें.

साथ ही, एमएल किट मटीरियल डिज़ाइन शोकेस ऐप्लिकेशन और मटीरियल डिज़ाइन मशीन लर्निंग से चलने वाली सुविधाओं के पैटर्न देखें.

Improving performance

अगर आपको रीयल-टाइम ऐप्लिकेशन में ऑब्जेक्ट की पहचान का इस्तेमाल करना है, तो इन फ़्रेम दिशा-निर्देशों का पालन करें:

  • रीयल-टाइम ऐप्लिकेशन में स्ट्रीमिंग मोड का इस्तेमाल करने पर, एक से ज़्यादा ऑब्जेक्ट की पहचान करने की सुविधा का इस्तेमाल न करें. ऐसा इसलिए, क्योंकि ज़्यादातर डिवाइस ज़रूरी फ़्रेम दर नहीं बना सकते.

  • अगर आपको डेटा क्लासिफ़िकेशन की ज़रूरत नहीं है, तो उसे बंद कर दें.

  • अगर Camera या camera2 एपीआई का इस्तेमाल किया जा रहा है, तो डिटेक्टर को कॉल थ्रॉटल करें. अगर डिटेक्टर चलने के दौरान नया वीडियो फ़्रेम उपलब्ध हो जाता है, तो फ़्रेम छोड़ दें. उदाहरण के लिए, क्विकस्टार्ट सैंपल ऐप्लिकेशन में VisionProcessorBase क्लास देखें.
  • अगर CameraX एपीआई का इस्तेमाल किया जाता है, तो पक्का करें कि बैकप्रेस स्ट्रेटजी इसकी डिफ़ॉल्ट वैल्यू ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST पर सेट हो. इस बात की गारंटी है कि विश्लेषण के लिए एक बार में सिर्फ़ एक इमेज डिलीवर की जाएगी. अगर विश्लेषक के व्यस्त होने पर ज़्यादा इमेज बनाई जाती हैं, तो उन्हें अपने-आप ही छोड़ दिया जाएगा और डिलीवरी के लिए उन्हें सूची में नहीं रखा जाएगा. विश्लेषण की जा रही इमेज को ImageProxy.करीब() बंद करके, अगली नई इमेज डिलीवर की जाएगी.
  • अगर आप इनपुट इमेज पर ग्राफ़िक ओवरले करने के लिए डिटेक्टर के आउटपुट का इस्तेमाल करते हैं, तो पहले ML किट से नतीजा पाएं. इसके बाद, इमेज और ओवरले को एक ही चरण में रेंडर करें. यह डिसप्ले के हर फ़्रेम के लिए सिर्फ़ एक बार डिसप्ले की सतह पर रेंडर होता है. उदाहरण के लिए, क्विकस्टार्ट सैंपल ऐप्लिकेशन में CameraSourcePreview और GraphicOverlay क्लास देखें.
  • Camera2 एपीआई का इस्तेमाल करने पर, इमेज को ImageFormat.YUV_420_888 फ़ॉर्मैट में कैप्चर करें. अगर आप पुराने Camera API का इस्तेमाल करते हैं, तो इमेज को ImageFormat.NV21 फ़ॉर्मैट में कैप्चर करें.