ML Kit を使用すると、連続する動画フレーム内のオブジェクトを検出して追跡できます。
ML Kit に画像を渡すと、画像内の最大 5 つのオブジェクトと、画像内の各オブジェクトの位置が検出されます。動画ストリーム内のオブジェクトを検出する場合、各オブジェクトには一意の ID があり、この ID を使用してフレーム間でオブジェクトを追跡できます。大まかなオブジェクト分類を有効にして、幅広いカテゴリの説明でオブジェクトにラベルを付けることもできます。
試してみる
- サンプルアプリを試して、この API の使用例を確認します。
- この API のエンドツーエンドの実装については、マテリアル デザイン ショーケース アプリをご覧ください。
始める前に
- プロジェクト レベルの
build.gradle
ファイルで、buildscript
セクションとallprojects
セクションの両方に Google の Maven リポジトリを組み込みます。 - 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
)に追加します。dependencies { // ... implementation 'com.google.mlkit:object-detection:17.0.1' }
1. オブジェクト検出を構成する
オブジェクトを検出して追跡するには、まず ObjectDetector
のインスタンスを作成し、必要に応じてデフォルトから変更する検出設定を指定します。
ObjectDetectorOptions
オブジェクトを使用して、ユースケースのオブジェクト検出を構成します。次の設定を変更できます。オブジェクト検出の設定 検出モード STREAM_MODE
(デフォルト)|SINGLE_IMAGE_MODE
STREAM_MODE
(デフォルト)では、オブジェクト検出は低レイテンシで実行されますが、最初の数回の検出の呼び出しで不完全な結果(未指定の境界ボックスやカテゴリラベルなど)を生成する可能性があります。また、STREAM_MODE
では、検出機能がオブジェクトにトラッキング ID を割り当て、これを使用してフレームをまたいでオブジェクトを追跡できます。このモードは、オブジェクトをトラッキングする場合や、動画ストリームをリアルタイムで処理する場合など、低レイテンシが重要な場合に使用します。SINGLE_IMAGE_MODE
では、オブジェクトの境界ボックスが決定されると、オブジェクト検出によって結果が返されます。分類も有効にすると、境界ボックスとカテゴリラベルの両方が使用可能になった後に結果が返されます。その結果、検出レイテンシが長くなる可能性があります。また、SINGLE_IMAGE_MODE
ではトラッキング ID が割り当てられていません。このモードは、レイテンシが重要ではなく、部分的な結果を処理したくない場合に使用します。複数のオブジェクトを検出して追跡する false
(デフォルト)|true
最大 5 つのオブジェクトを検出して追跡するか、最も目立つオブジェクトのみを検出して追跡するか(デフォルト)。
オブジェクトを分類する false
(デフォルト)|true
検出されたオブジェクトを大まかなカテゴリに分類するかどうか。有効にすると、オブジェクト検出がオブジェクトをファッション アイテム、食品、日用品、場所、植物のカテゴリに分類します。
オブジェクト検出およびトラッキング API は、次の 2 つの主要なユースケース向けに最適化されています。
- カメラのビューファインダーで最も目立つオブジェクトのライブ検出とトラッキング。
- 静止画像からの複数のオブジェクトの検出。
このようなユースケース向けに API を構成するには:
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();
ObjectDetector
のインスタンスを取得します。Kotlin
val objectDetector = ObjectDetection.getClient(options)
Java
ObjectDetector objectDetector = ObjectDetection.getClient(options);
2. 入力画像を準備する
オブジェクトを検出して追跡するには、ObjectDetector
インスタンスの process()
メソッドに画像を渡します。
オブジェクト検出は、Bitmap
、NV21 ByteBuffer
、または YUV_420_888 media.Image
から直接実行されます。ソースのいずれかに直接アクセスできる場合は、これらのソースから InputImage
を作成することをおすすめします。他のソースから InputImage
を作成する場合、変換は内部で処理されるため、効率が低下する可能性があります。
シーケンス内の動画または画像の各フレームに対して、次の操作を行います。
InputImage
オブジェクトは、さまざまなソースから作成できます。各ソースについて、以下で説明します。
media.Image
の使用
media.Image
オブジェクトから InputImage
オブジェクトを作成するには(デバイスのカメラから画像をキャプチャする場合など)、media.Image
オブジェクトと画像の回転を InputImage.fromMediaImage()
に渡します。
CameraX ライブラリを使用する場合は、OnImageCapturedListener
クラスと ImageAnalysis.Analyzer
クラスによって回転値が計算されます。
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デバイスのカメラセンサーの向きから計算できます。
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 }
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()
に渡します。
Kotlin
val image = InputImage.fromMediaImage(mediaImage, rotation)
Java
InputImage image = InputImage.fromMediaImage(mediaImage, rotation);
ファイル URI の使用
ファイル URI から InputImage
オブジェクトを作成するには、アプリ コンテキストとファイル URI を InputImage.fromFilePath()
に渡します。これは、ACTION_GET_CONTENT
インテントを使用して、ギャラリー アプリから画像を選択するようにユーザーに促す場合に有用です。
Kotlin
val image: InputImage try { image = InputImage.fromFilePath(context, uri) } catch (e: IOException) { e.printStackTrace() }
Java
InputImage image; try { image = InputImage.fromFilePath(context, uri); } catch (IOException e) { e.printStackTrace(); }
ByteBuffer
または ByteArray
の使用
ByteBuffer
または ByteArray
から InputImage
オブジェクトを作成するには、media.Image
入力に関して前述したように、まず画像の回転度を計算します。次に、画像の高さ、幅、カラー エンコード形式、回転度とともに、バッファまたは配列を含む InputImage
オブジェクトを作成します。
Kotlin
val image = InputImage.fromByteBuffer( byteBuffer, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 ) // Or: val image = InputImage.fromByteArray( byteArray, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 )
Java
InputImage image = InputImage.fromByteBuffer(byteBuffer, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 ); // Or: InputImage image = InputImage.fromByteArray( byteArray, /* image width */480, /* image height */360, rotation, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 );
Bitmap
の使用
Bitmap
オブジェクトから InputImage
オブジェクトを作成するには、次の宣言を行います。
Kotlin
val image = InputImage.fromBitmap(bitmap, 0)
Java
InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);
画像は、Bitmap
オブジェクトと回転角度で表されます。
3. 画像を処理する
画像をprocess()
メソッドに渡します。
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. 検出されたオブジェクトに関する情報を取得する
process()
の呼び出しが成功すると、DetectedObject
のリストが成功リスナーに渡されます。
各 DetectedObject
には次のプロパティが含まれています。
境界ボックス | 画像内のオブジェクトの位置を示す Rect 。 |
||||||
トラッキング ID | 画像全体でオブジェクトを識別する整数。SINGLE_IMAGE_MODE では null です。 | ||||||
ラベル |
|
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(); } }
優れたユーザー エクスペリエンスの確保
最適なユーザー エクスペリエンスを実現するには、アプリで次のガイドラインを遵守してください。
- オブジェクトの検出が成功するかどうかは、オブジェクトの視覚的な複雑さによって決まります。視覚的特徴の数が少ないオブジェクトは、検出されるために画像の大部分を占める必要がある場合があります。検出するオブジェクトの種類に適した入力のキャプチャに関するガイダンスをユーザーに提供する必要があります。
- 分類を使用するときに、サポートされているカテゴリに該当しないオブジェクトを検出する場合は、不明なオブジェクトに対する特別な処理を実装します。
また、ML Kit マテリアル デザイン ショーケース アプリとマテリアル デザインの Patterns for machine learning-powered features のコレクションもご覧ください。
パフォーマンスの向上
リアルタイムのアプリケーションでオブジェクト検出を使用する場合は、次のガイドラインに沿って最適なフレームレートを実現してください。
リアルタイム アプリでストリーミング モードを使用する場合は、ほとんどのデバイスで適切なフレームレートを生成できないため、複数のオブジェクト検出を使用しないでください。
不要な場合は、分類を無効にします。
Camera
API またはcamera2
API を使用する場合は、検出機能の呼び出しをスロットリングします。検出機能の実行中に新しい動画フレームが使用可能になった場合は、そのフレームをドロップします。例については、クイックスタート サンプルアプリの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のImageAnalysis.STRATEGY_KEEP_ONLY_LATEST
に設定されていることを確認してください。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。アナライザがビジー状態のときにさらに画像が生成された場合、それらの画像は自動的にドロップされ、配信のキューに追加されません。ImageProxy.close() を呼び出して分析対象の画像を閉じると、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入力画像にグラフィックをオーバーレイする場合は、まず ML Kit から結果を取得してから、画像とオーバーレイを 1 つのステップでレンダリングします。これにより、入力フレームごとに 1 回だけディスプレイ サーフェスにレンダリングされます。例については、クイックスタート サンプルアプリの
CameraSourcePreview
クラスと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
形式で画像をキャプチャします。古い Camera API を使用する場合は、ImageFormat.NV21
形式で画像をキャプチャします。