Objekte mit ML Kit für Android erkennen und verfolgen

Mit ML Kit können Sie Objekte in aufeinanderfolgenden Videoframes erkennen und verfolgen.

Wenn Sie ein Bild an ML Kit übergeben, werden bis zu fünf Objekte im Bild sowie die Position jedes Objekts im Bild erkannt. Bei der Erkennung von Objekten in Videostreams hat jedes Objekt eine eindeutige ID, mit der Sie das Objekt von Frame zu Frame verfolgen können. Optional können Sie auch die grobe Objektklassifizierung aktivieren, bei der Objekte mit allgemeinen Kategoriebeschreibungen gekennzeichnet werden.

Diese API verwendet eine nicht gebündelte Bibliothek, die vor der Verwendung heruntergeladen werden muss. Weitere Informationen finden Sie in dieser Anleitung.

Jetzt ausprobieren

• In der Beispielanwendung sehen Sie ein Beispiel für die Verwendung dieser API.
• Eine End-to-End-Implementierung dieser API finden Sie in der Material Design-Anwendung.

Hinweis

Für diese API ist Android API-Level 21 oder höher erforderlich. Achten Sie darauf, dass in der Build-Datei Ihrer App ein minSdkVersion-Wert von 21 oder höher verwendet wird.

1. In die Datei build.gradle auf Projektebene muss das Maven-Repository von Google in die Abschnitte buildscript und allprojects aufgenommen werden.
2. Fügen Sie die Abhängigkeiten für die ML Kit-Android-Bibliotheken der Gradle-Datei Ihres Moduls auf App-Ebene hinzu, die in der Regel app/build.gradle lautet:

   dependencies {
     // ...
   
     implementation 'com.google.mlkit:object-detection:17.0.2'
   
   }

1. Objektdetektor konfigurieren

Wenn Sie Objekte erkennen und verfolgen möchten, erstellen Sie zuerst eine Instanz von ObjectDetector und geben Sie optional die Detektoreinstellungen an, die Sie von den Standardeinstellungen ändern möchten.

1. Konfigurieren Sie den Objektdetektor für Ihren Anwendungsfall mit einem ObjectDetectorOptions-Objekt. Sie können die folgenden Einstellungen ändern:

   Einstellungen für den Objektdetektor
   Erkennungsmodus	STREAM_MODE (Standard) | SINGLE_IMAGE_MODE Bei STREAM_MODE (Standardeinstellung) wird der Objektdetektor mit geringer Latenz ausgeführt, kann aber bei den ersten Aufrufen des Detektors unvollständige Ergebnisse liefern (z. B. nicht angegebene Begrenzungsboxen oder Kategorielabels). Außerdem weist der Detektor in STREAM_MODE Objekten Tracking-IDs zu, mit denen Sie Objekte über Frames hinweg verfolgen können. Verwenden Sie diesen Modus, wenn Sie Objekte verfolgen möchten oder eine geringe Latenz wichtig ist, z. B. bei der Verarbeitung von Videostreams in Echtzeit. In SINGLE_IMAGE_MODE gibt der Objektdetektor das Ergebnis zurück, nachdem der Begrenzungsrahmen des Objekts ermittelt wurde. Wenn Sie auch die Klassifizierung aktivieren, wird das Ergebnis zurückgegeben, sobald sowohl der Begrenzungsrahmen als auch das Kategorielabel verfügbar sind. Die Erkennungslatenz ist daher potenziell höher. Außerdem werden in SINGLE_IMAGE_MODE keine Tracking-IDs zugewiesen. Verwenden Sie diesen Modus, wenn die Latenz nicht kritisch ist und Sie keine Teilergebnisse erhalten möchten.
   Mehrere Objekte erkennen und verfolgen	false (Standard) | true Ob bis zu fünf Objekte oder nur das auffälligste Objekt erkannt und verfolgt werden soll (Standardeinstellung).
   Objekte klassifizieren	false (Standard) | true Ob erkannte Objekte in grobe Kategorien klassifiziert werden sollen. Wenn die Funktion aktiviert ist, klassifiziert der Objekterkennungsalgorithmus Objekte in die folgenden Kategorien: Modeartikel, Lebensmittel, Haushaltswaren, Orte und Pflanzen.

   Die Object Detection and Tracking API ist für die folgenden beiden Hauptanwendungsfälle optimiert:

   • Live-Erkennung und -Tracking des auffälligsten Objekts im Kamerasucher.
   • Die Erkennung mehrerer Objekte in einem statischen Bild.

   So konfigurieren Sie die API für diese Anwendungsfälle:

   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-Instanz abrufen:

   Kotlin

   val objectDetector = ObjectDetection.getClient(options)

   Java

   ObjectDetector objectDetector = ObjectDetection.getClient(options);

2. Eingabebild vorbereiten

Wenn Sie Objekte erkennen und verfolgen möchten, übergeben Sie Bilder an die process()-Methode der ObjectDetector-Instanz.

Der Objektdetektor wird direkt aus einer Bitmap, NV21-ByteBuffer oder YUV_420_888-media.Image ausgeführt. Wenn Sie direkten Zugriff auf eine dieser Quellen haben, wird empfohlen, eine InputImage daraus zu erstellen. Wenn Sie eine InputImage aus anderen Quellen erstellen, übernehmen wir die Umwandlung intern für Sie. Dies ist möglicherweise weniger effizient.

Führen Sie für jeden Frame des Videos oder Bildes in einer Sequenz die folgenden Schritte aus:

Sie können ein InputImage-Objekt aus verschiedenen Quellen erstellen. Im Folgenden werden die einzelnen Quellen erläutert.

Mit einem media.Image

Wenn Sie ein InputImage-Objekt aus einem media.Image-Objekt erstellen möchten, z. B. wenn Sie ein Bild mit der Kamera eines Geräts aufnehmen, übergeben Sie das media.Image-Objekt und die Drehung des Bildes an InputImage.fromMediaImage().

Wenn Sie die CameraX-Bibliothek verwenden, wird der Drehwert von den Klassen OnImageCapturedListener und ImageAnalysis.Analyzer berechnet.

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
          // ...
        }
    }
}

Wenn Sie keine Kamerabibliothek verwenden, die den Drehwinkel des Bildes angibt, können Sie ihn anhand des Drehwinkels des Geräts und der Ausrichtung des Kamerasensors im Gerät berechnen:

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;
}

Übergeben Sie dann das media.Image-Objekt und den Wert für den Drehungsgrad an InputImage.fromMediaImage():

Kotlin

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

Java

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

Datei-URI verwenden

Wenn du ein InputImage-Objekt aus einem Datei-URI erstellen möchtest, übergebe den App-Kontext und den Datei-URI an InputImage.fromFilePath(). Das ist nützlich, wenn Sie mit einer ACTION_GET_CONTENT-Intent den Nutzer auffordern, ein Bild aus seiner Galerie-App auszuwählen.

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();
}

Mit einem ByteBuffer oder ByteArray

Wenn Sie ein InputImage-Objekt aus einem ByteBuffer oder ByteArray erstellen möchten, berechnen Sie zuerst den Drehwinkel des Bildes, wie oben für die media.Image-Eingabe beschrieben. Erstellen Sie dann das InputImage-Objekt mit dem Puffer oder Array sowie der Höhe, Breite, Farbcodierung und dem Drehgrad des Bilds:

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

Mit einem Bitmap

Wenn Sie ein InputImage-Objekt aus einem Bitmap-Objekt erstellen möchten, verwenden Sie die folgende Deklaration:

Kotlin

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

Java

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

Das Bild wird durch ein Bitmap-Objekt zusammen mit den Drehgraden dargestellt.

3. Bild verarbeiten

Übergeben Sie das Bild an die process()-Methode:

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
                // ...
            }
        });

Hinweis: Wenn du die CameraX API verwendest, musst du die ImageProxy schließen, wenn du sie nicht mehr benötigst. Du kannst dazu beispielsweise der Task, die von der process-Methode zurückgegeben wird, ein OnCompleteListener hinzufügen. Ein Beispiel finden Sie in der Klasse VisionProcessorBase in der Beispiel-App für den Schnellstart.

4. Informationen zu erkannten Objekten abrufen

Wenn der Aufruf von process() erfolgreich ist, wird eine Liste von DetectedObjects an den Erfolgsempfänger übergeben.

Hinweis: Im Streamingmodus muss der Objekterkennungsalgorithmus je nach Geräteleistung möglicherweise 30 oder mehr Frames verarbeiten, bevor das erste Objekt erkannt wird.

Jedes DetectedObject hat die folgenden Eigenschaften:

Begrenzungsrahmen	Eine Rect, die die Position des Objekts im Bild angibt.
Tracking-ID	Eine Ganzzahl, die das Objekt in Bildern identifiziert. Null in SINGLE_IMAGE_MODE.
Labels	Labelbeschreibung Die Textbeschreibung des Labels. Es muss eine der in PredefinedCategory definierten Stringkonstanten sein. Label index Der Index des Labels unter allen Labels, die vom Klassifikator unterstützt werden. Es muss eine der Ganzzahlkonstanten sein, die in PredefinedCategory definiert sind. Label-Konfidenz Der Konfidenzwert der Objektklassifizierung.

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();
    }
}

Für eine gute Nutzererfahrung sorgen

Beachten Sie in Ihrer App die folgenden Richtlinien, um die Nutzerfreundlichkeit zu optimieren:

• Ob die Objekterkennung erfolgreich ist, hängt von der visuellen Komplexität des Objekts ab. Damit Objekte mit einer geringen Anzahl visueller Merkmale erkannt werden können, müssen sie möglicherweise einen größeren Teil des Bildes einnehmen. Sie sollten Nutzern eine Anleitung zum Erfassen von Eingaben geben, die gut zu den Objekten passen, die Sie erkennen möchten.
• Wenn Sie bei der Klassifizierung Objekte erkennen möchten, die nicht eindeutig in die unterstützten Kategorien fallen, müssen Sie eine spezielle Verarbeitung für unbekannte Objekte implementieren.

Sehen Sie sich auch die Material Design-Demo-App für ML Kit und die Sammlung Material Design-Muster für Funktionen, die auf maschinellem Lernen basieren an.

Leistungsoptimierung

Wenn Sie die Objekterkennung in einer Echtzeitanwendung verwenden möchten, beachten Sie die folgenden Richtlinien, um die beste Framerate zu erzielen:

• Wenn Sie den Streamingmodus in einer Echtzeitanwendung verwenden, sollten Sie keine Objekterkennung verwenden, da die meisten Geräte keine ausreichenden Frameraten liefern können.

• Deaktivieren Sie die Klassifizierung, wenn Sie sie nicht benötigen.

• Wenn Sie die Camera- oder camera2-API verwenden, begrenzen Sie die Aufrufe an den Detektor. Wenn während der Laufzeit des Detektors ein neuer Videoframe verfügbar wird, legen Sie ihn ab. Ein Beispiel finden Sie in der Klasse VisionProcessorBase in der Beispiel-App für die Schnellstartanleitung.
• Wenn Sie die CameraX API verwenden, muss die Backpressure-Strategie auf den Standardwert ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST festgelegt sein. So wird sichergestellt, dass immer nur ein Bild zur Analyse gesendet wird. Wenn mehr Bilder erstellt werden, während der Analyser beschäftigt ist, werden sie automatisch gelöscht und nicht für die Übermittlung in die Warteschlange gestellt. Sobald das analysierte Bild durch Aufrufen von ImageProxy.close() geschlossen wurde, wird das nächste aktuelle Bild gesendet.
• Wenn Sie die Ausgabe des Detektors verwenden, um Grafiken auf das Eingabebild zu legen, rufen Sie zuerst das Ergebnis aus ML Kit ab und rendern Sie dann das Bild und das Overlay in einem einzigen Schritt. Dieser wird nur einmal pro Eingabeframe auf der Displayoberfläche gerendert. Eines dieser Beispiele finden Sie in der Beispiel-App für den Schnellstart in den Klassen CameraSourcePreview und GraphicOverlay.
• Wenn Sie die Camera2 API verwenden, sollten Sie Bilder im ImageFormat.YUV_420_888-Format aufnehmen. Wenn Sie die ältere Camera API verwenden, nehmen Sie Bilder im ImageFormat.NV21-Format auf.