Android पर एमएल किट की मदद से चीज़ों का पता लगाएं और उन्हें ट्रैक करें

ML Kit का इस्तेमाल करके, वीडियो के एक से ज़्यादा फ़्रेम में ऑब्जेक्ट का पता लगाया जा सकता है और उन्हें ट्रैक किया जा सकता है.

ML Kit को कोई इमेज देने पर, वह इमेज में मौजूद पांच ऑब्जेक्ट की पहचान करता है. साथ ही, इमेज में हर ऑब्जेक्ट की पोज़िशन का पता लगाता है. वीडियो स्ट्रीम में ऑब्जेक्ट का पता लगाते समय, हर ऑब्जेक्ट का एक यूनीक आईडी होता है. इसका इस्तेमाल करके, ऑब्जेक्ट को एक फ़्रेम से दूसरे फ़्रेम में ट्रैक किया जा सकता है. आपके पास ऑब्जेक्ट के लिए, कैटगरी के हिसाब से ब्रॉड लेबल तय करने की सुविधा भी चालू करने का विकल्प है.

इसे आज़माएं

शुरू करने से पहले

  1. प्रोजेक्ट-लेवल की build.gradle फ़ाइल में, buildscript और allprojects, दोनों सेक्शन में Google की मेवन रिपॉज़िटरी को शामिल करना न भूलें.
  2. अपने मॉड्यूल की ऐप्लिकेशन-लेवल की Gradle फ़ाइल में, ML Kit की Android लाइब्रेरी की डिपेंडेंसी जोड़ें. आम तौर पर, यह फ़ाइल app/build.gradle होती है: 
    dependencies {
  // ...

  implementation 'com.google.mlkit:object-detection:17.0.2'

}

1. ऑब्जेक्ट डिटेक्टर को कॉन्फ़िगर करना

ऑब्जेक्ट का पता लगाने और उन्हें ट्रैक करने के लिए, सबसे पहले ObjectDetector का एक इंस्टेंस बनाएं. इसके बाद, डिटेक्टर की ऐसी सेटिंग तय करें जिन्हें डिफ़ॉल्ट से बदलना है.

  1. अपने इस्तेमाल के उदाहरण के लिए, ऑब्जेक्ट डिटेक्टर को ObjectDetectorOptions ऑब्जेक्ट के साथ कॉन्फ़िगर करें. आपके पास, ये सेटिंग बदलने का विकल्प है:

    ऑब्जेक्ट डिटेक्टर की सेटिंग
    गड़बड़ी का पता लगाने वाला मोड STREAM_MODE (डिफ़ॉल्ट) | SINGLE_IMAGE_MODE

    STREAM_MODE (डिफ़ॉल्ट) में, ऑब्जेक्ट डिटेक्टर कम इंतज़ार के साथ काम करता है. हालांकि, डिटेक्टर के पहले कुछ कॉल के दौरान, अधूरे नतीजे मिल सकते हैं. जैसे, बिना जानकारी वाले बाउंडिंग बॉक्स या कैटगरी लेबल. साथ ही, STREAM_MODE में, डिटेक्टर ऑब्जेक्ट को ट्रैकिंग आईडी असाइन करता है. इनका इस्तेमाल, सभी फ़्रेम में ऑब्जेक्ट को ट्रैक करने के लिए किया जा सकता है. इस मोड का इस्तेमाल तब करें, जब आपको ऑब्जेक्ट ट्रैक करने हों या जब रिस्पॉन्स में लगने वाला समय कम होना ज़रूरी हो. जैसे, रीयल टाइम में वीडियो स्ट्रीम को प्रोसेस करते समय.

    SINGLE_IMAGE_MODE में, ऑब्जेक्ट का बॉउंडिंग बॉक्स तय होने के बाद, ऑब्जेक्ट डिटेक्टर नतीजा दिखाता है. अगर आपने क्लासिफ़िकेशन की सुविधा भी चालू की है, तो यह नतीजा तब दिखता है, जब बॉउंडिंग बॉक्स और कैटगरी लेबल, दोनों उपलब्ध हों. इस वजह से, पहचान में लगने वाला समय ज़्यादा हो सकता है. साथ ही, SINGLE_IMAGE_MODE में ट्रैकिंग आईडी असाइन नहीं किए जाते. अगर इंतज़ार का समय ज़्यादा मायने नहीं रखता और आपको कुछ नतीजे ही चाहिए, तो इस मोड का इस्तेमाल करें.
    एक से ज़्यादा ऑब्जेक्ट का पता लगाना और उन्हें ट्रैक करना false (डिफ़ॉल्ट) | true

    यह तय करना कि ज़्यादा से ज़्यादा पांच ऑब्जेक्ट का पता लगाना है या सिर्फ़ सबसे प्रमुख ऑब्जेक्ट का (डिफ़ॉल्ट).
    ऑब्जेक्ट की कैटगरी तय करना false (डिफ़ॉल्ट) | true

    यह तय करना कि पहचाने गए ऑब्जेक्ट को सामान्य कैटगरी में बांटना है या नहीं. चालू होने पर, ऑब्जेक्ट डिटेक्टर, ऑब्जेक्ट को इन कैटगरी में बांटता है: फ़ैशन के सामान, खाने की चीज़ें, घर के सामान, जगहें, और पौधे.

    ऑब्जेक्ट की पहचान करने और उसे ट्रैक करने वाले एपीआई को, इस्तेमाल के इन दो मुख्य उदाहरणों के लिए ऑप्टिमाइज़ किया गया है:

    • कैमरे के व्यूफ़ाइंडर में सबसे प्रमुख ऑब्जेक्ट की लाइव पहचान और ट्रैकिंग.
    • स्टैटिक इमेज में मौजूद एक से ज़्यादा ऑब्जेक्ट की पहचान करना.

    इन इस्तेमाल के उदाहरणों के लिए एपीआई को कॉन्फ़िगर करने के लिए:

    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 करना

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

ऑब्जेक्ट डिटेक्टर, सीधे तौर पर Bitmap, NV21 ByteBuffer या YUV_420_888 media.Image से काम करता है. अगर आपके पास उनमें से किसी एक का सीधा ऐक्सेस है, तो हमारा सुझाव है कि आप उन सोर्स से InputImage बनाएं. अगर आपने किसी दूसरे सोर्स से InputImage बनाया है, तो हम आपके लिए कन्वर्ज़न को मैनेज करेंगे. हालांकि, ऐसा करने पर कन्वर्ज़न की परफ़ॉर्मेंस पर असर पड़ सकता है.

किसी क्रम में मौजूद वीडियो या इमेज के हर फ़्रेम के लिए, यह तरीका अपनाएं:

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

media.Image का इस्तेमाल करना

media.Image ऑब्जेक्ट से InputImage ऑब्जेक्ट बनाने के लिए, media.Image ऑब्जेक्ट और इमेज के रोटेशन को InputImage.fromMediaImage() में पास करें. जैसे, जब किसी डिवाइस के कैमरे से इमेज कैप्चर की जाती है.

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 के घूमने की डिग्री बताती है, तो डिवाइस के घूमने की डिग्री और डिवाइस में कैमरे के सेंसर के ओरिएंटेशन 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 InputImage.fromMediaImage() में घुमाव की डिग्री की वैल्यू पास करें:

Kotlin

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

Java

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

फ़ाइल के यूआरआई का इस्तेमाल करना

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 उपयोगकर्ता को अपने गैलरी ऐप्लिकेशन से कोई इमेज चुनने के लिए कहने के लिए, ACTION_GET_CONTENT इंटेंट का इस्तेमाल 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 करना

ByteBuffer या ByteArray से InputImage आइटम बनाने के लिए, सबसे पहले इमेज के घूमने की डिग्री का हिसाब लगाएं. यह हिसाब लगाने का तरीका, media.Image इनपुट के लिए पहले बताया गया है. इसके बाद, बफ़र या ऐरे के साथ InputImage ऑब्जेक्ट बनाएं. साथ ही, इमेज की ऊंचाई, चौड़ाई, कलर कोडिंग फ़ॉर्मैट, और घुमाव की डिग्री भी डालें:

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 करना

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 घुमाने के डिग्री के साथ Bitmap ऑब्जेक्ट से दिखाया जाता है.

3. इमेज को प्रोसेस करना

इमेज को process() वाले तरीके पर 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. पहचाने गए ऑब्जेक्ट के बारे में जानकारी पाना

अगर process() को कॉल करने पर कोई गड़बड़ी नहीं होती है, तो DetectedObject की सूची को 'सफलता के बारे में सुनने वाला' फ़ंक्शन को भेजा जाता है.

हर DetectedObject में ये प्रॉपर्टी शामिल होती हैं:

बाउंडिंग बॉक्स एक Rect, जो इमेज में ऑब्जेक्ट की पोज़िशन दिखाता है.
ट्रैकिंग आईडी एक पूर्णांक, जो सभी इमेज में ऑब्जेक्ट की पहचान करता है. SINGLE_IMAGE_MODE में शून्य.
लेबल
लेबल वर्णन लेबल का टेक्स्ट ब्यौरा. यह PredefinedCategory में तय की गई, स्ट्रिंग की किसी एक वैल्यू होगी.
लेबल इंडेक्स क्लासिफ़ायर के साथ काम करने वाले सभी लेबल में, लेबल का इंडेक्स. यह PredefinedCategory में तय किए गए पूर्णांक में से कोई एक होगा.
लेबल कॉन्फ़िडेंस ऑब्जेक्ट की कैटगरी तय करने के लिए 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();
    }
}

उपयोगकर्ताओं को बेहतर अनुभव देना

उपयोगकर्ताओं को बेहतर अनुभव देने के लिए, अपने ऐप्लिकेशन में इन दिशा-निर्देशों का पालन करें:

  • ऑब्जेक्ट का पता लगाने की सुविधा का काम करना, ऑब्जेक्ट के विज़ुअल की जटिलता पर निर्भर करता है. कम विज़ुअल फ़ीचर वाले ऑब्जेक्ट का पता लगाने के लिए, हो सकता है कि इमेज का ज़्यादा हिस्सा उन ऑब्जेक्ट से भरा हो. आपको उपयोगकर्ताओं को, ऐसे इनपुट कैप्चर करने के बारे में दिशा-निर्देश देने चाहिए जो उन ऑब्जेक्ट के साथ अच्छी तरह से काम करते हैं जिनकी आपको पहचान करनी है.
  • क्लासिफ़िकेशन का इस्तेमाल करते समय, अगर आपको ऐसे ऑब्जेक्ट का पता लगाना है जो काम करने वाली कैटगरी में नहीं आते, तो अनजान ऑब्जेक्ट के लिए खास हैंडलिंग लागू करें.

साथ ही, ML Kit के मटीरियल डिज़ाइन वाले शोकेस ऐप्लिकेशन और मटीरियल डिज़ाइन के मशीन लर्निंग की सुविधाओं के लिए पैटर्न कलेक्शन को भी देखें.

Improving performance

अगर आपको रीयल-टाइम ऐप्लिकेशन में ऑब्जेक्ट डिटेक्शन का इस्तेमाल करना है, तो सबसे अच्छा फ़्रेमरेट पाने के लिए इन दिशा-निर्देशों का पालन करें:

  • रीयल-टाइम ऐप्लिकेशन में स्ट्रीमिंग मोड का इस्तेमाल करते समय, एक से ज़्यादा ऑब्जेक्ट का पता लगाने की सुविधा का इस्तेमाल न करें. ऐसा इसलिए, क्योंकि ज़्यादातर डिवाइसों पर ज़रूरत के मुताबिक फ़्रेमरेट नहीं मिल पाएंगे.

  • अगर आपको कैटगरी तय करने की सुविधा की ज़रूरत नहीं है, तो उसे बंद कर दें.

  • अगर Camera या camera2 एपीआई का इस्तेमाल किया जाता है, तो डिटेक्टर को कॉल को कम करें. अगर डिटेक्टर चालू होने के दौरान कोई नया वीडियो फ़्रेम उपलब्ध होता है, तो फ़्रेम को छोड़ दें. उदाहरण के लिए, क्विकस्टार्ट सैंपल ऐप्लिकेशन में VisionProcessorBase क्लास देखें.
  • अगर CameraX एपीआई का इस्तेमाल किया जाता है, तो पक्का करें कि बैकप्रेशर की रणनीति, डिफ़ॉल्ट वैल्यू पर सेट हो ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST. इससे यह पक्का होता है कि विश्लेषण के लिए एक बार में सिर्फ़ एक इमेज डिलीवर की जाएगी. अगर विश्लेषक व्यस्त होने पर ज़्यादा इमेज जनरेट होती हैं, तो वे अपने-आप हट जाएंगी और डिलीवरी के लिए कतार में नहीं जोड़ी जाएंगी. ImageProxy.close() को कॉल करके, जिस इमेज का विश्लेषण किया जा रहा है उसे बंद करने के बाद, अगली नई इमेज डिलीवर की जाएगी.
  • अगर इनपुट इमेज पर ग्राफ़िक ओवरले करने के लिए, डिटेक्टर के आउटपुट का इस्तेमाल किया जाता है, तो पहले ML Kit से नतीजा पाएं. इसके बाद, एक ही चरण में इमेज को रेंडर करें और ओवरले करें. यह हर इनपुट फ़्रेम के लिए, डिसप्ले प्लैटफ़ॉर्म पर सिर्फ़ एक बार रेंडर होता है. उदाहरण के लिए, क्विकस्टार्ट सैंपल ऐप्लिकेशन में CameraSourcePreview और GraphicOverlay क्लास देखें.
  • अगर Camera2 API का इस्तेमाल किया जा रहा है, तो इमेज को ImageFormat.YUV_420_888 फ़ॉर्मैट में कैप्चर करें. अगर पुराने Camera API का इस्तेमाल किया जा रहा है, तो इमेज को ImageFormat.NV21 फ़ॉर्मैट में कैप्चर करें.