Android-এ ML Kit-এর মাধ্যমে অবজেক্ট শনাক্ত ও ট্র্যাক করা

আপনি ML Kit ব্যবহার করে পরপর ভিডিও ফ্রেমে অবজেক্ট শনাক্ত ও ট্র্যাক করতে পারবেন।

আপনি ML Kit-এ কোনও ছবি পাস করলে, এটি ছবিতে সর্বাধিক পাঁচটি অবজেক্ট শনাক্ত করে এবং ছবিতে প্রতিটি অবজেক্টের অবস্থানও শনাক্ত করে। ভিডিও স্ট্রিমে অবজেক্ট শনাক্ত করার সময়, প্রতিটি অবজেক্টের একটি অনন্য আইডি থাকে যা আপনি ফ্রেম থেকে ফ্রেমে অবজেক্ট ট্র্যাক করতে ব্যবহার করতে পারেন। এছাড়াও, আপনি ঐচ্ছিকভাবে কোর্স অবজেক্ট ক্লাসিফিকেশন চালু করতে পারেন, যা বিস্তৃত বিভাগের বিবরণ সহ অবজেক্ট লেবেল করে।

এই API একটি আনবান্ডেল করা লাইব্রেরি ব্যবহার করে যা ব্যবহারের আগে অবশ্যই ডাউনলোড করতে হবে। আরও তথ্যের জন্য এই নির্দেশিকা দেখুন।

এটি ব্যবহার করে দেখুন

• এই API-এর ব্যবহারিক উদাহরণ দেখতে স্যাম্পেল অ্যাপ ব্যবহার করে দেখুন।
• এই API-এর এন্ড-টু-এন্ড প্রয়োগের জন্য Material Design শোকেস অ্যাপ দেখুন।

শুরু করার আগে

এই API-এর জন্য Android API লেভেল ২৩ বা তার পরবর্তী ভার্সন প্রয়োজন। আপনার অ্যাপের বিল্ড ফাইলে minSdkVersion-এর ভ্যালু ২৩ বা তার বেশি আছে কিনা তা নিশ্চিত করুন।

1. আপনার প্রোজেক্ট-লেভেল build.gradle ফাইলে, আপনার buildscript এবং allprojects উভয় বিভাগেই Google-এর Maven রিপোজিটরি অন্তর্ভুক্ত করতে ভুলবেন না।
2. আপনার মডিউলের অ্যাপ-লেভেল গ্রেডেল ফাইলে ML Kit Android লাইব্রেরির জন্য ডিপেন্ডেন্সি যোগ করুন, যা সাধারণত app/build.gradle:

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

১. অবজেক্ট ডিটেক্টর কনফিগার করুন

অবজেক্ট শনাক্ত ও ট্র্যাক করতে, প্রথমে ObjectDetector-এর একটি ইনস্ট্যান্স তৈরি করুন এবং বিকল্প হিসেবে, ডিফল্ট থেকে আপনি পরিবর্তন করতে চান এমন কোনও ডিটেক্টর সেটিংস নির্দিষ্ট করুন।

1. ObjectDetectorOptions অবজেক্টের সাহায্যে আপনার ব্যবহারের ক্ষেত্রে অবজেক্ট ডিটেক্টর কনফিগার করুন। আপনি নিম্নলিখিত সেটিংস পরিবর্তন করতে পারবেন:

   অবজেক্ট ডিটেক্টর সেটিংস
   শনাক্তকরণ মোড	STREAM_MODE (ডিফল্ট) | SINGLE_IMAGE_MODE STREAM_MODE (ডিফল্ট) মোডে, অবজেক্ট ডিটেক্টর কম লেটেন্সিতে রান করে, তবে ডিটেক্টরের প্রথম কয়েকটি ইনভোকেশনে অসম্পূর্ণ ফলাফল (যেমন অনির্দিষ্ট বাউন্ডিং বক্স বা ক্যাটেগরি লেবেল) দেখাতে পারে। এছাড়াও, STREAM_MODE-এ, ডিটেক্টর অবজেক্টে ট্র্যাকিং আইডি অ্যাসাইন করে, যা আপনি ফ্রেম জুড়ে অবজেক্ট ট্র্যাক করতে ব্যবহার করতে পারেন। আপনি অবজেক্ট ট্র্যাক করতে চাইলে অথবা কম লেটেন্সি গুরুত্বপূর্ণ হলে এই মোড ব্যবহার করুন, যেমন রিয়েল টাইমে ভিডিও স্ট্রিম প্রসেস করার সময়। SINGLE_IMAGE_MODE-এ, অবজেক্টের বাউন্ডিং বক্স নির্ধারণ করার পরে অবজেক্ট ডিটেক্টর ফলাফল দেখায়। আপনি শ্রেণীবিভাগও চালু করলে, বাউন্ডিং বক্স ও বিভাগ লেবেল, দুটিই উপলভ্য হওয়ার পরে এটি ফলাফল দেখায়। এর ফলে, শনাক্তকরণে সম্ভাব্য বিলম্ব বেশি হয়। এছাড়াও, SINGLE_IMAGE_MODE-এ ট্র্যাকিং আইডি অ্যাসাইন করা হয় না। লেটেন্সি গুরুত্বপূর্ণ না হলে এবং আংশিক ফলাফল নিয়ে কাজ করতে না চাইলে এই মোড ব্যবহার করুন।
   একাধিক অবজেক্ট শনাক্ত ও ট্র্যাক করুন	false (ডিফল্ট) | true পাঁচটি পর্যন্ত অবজেক্ট নাকি শুধুমাত্র সবচেয়ে বিশিষ্ট অবজেক্ট (ডিফল্ট) শনাক্ত ও ট্র্যাক করা হবে।
   অবজেক্ট শ্রেণীবদ্ধ করুন	false (ডিফল্ট) | true শনাক্ত করা জিনিসকে মোটা দাগের বিভাগে ভাগ করা হবে কিনা। চালু করা হলে, অবজেক্ট ডিটেক্টর অবজেক্টকে নিম্নলিখিত বিভাগে শ্রেণীবদ্ধ করে: ফ্যাশন আইটেম, খাবার, গৃহস্থালির জিনিস, জায়গা এবং গাছপালা।

   অবজেক্ট ডিটেকশন ও ট্র্যাকিং API এই দুটি মূল ব্যবহারের ক্ষেত্রে অপ্টিমাইজ করা হয়েছে:

   • ক্যামেরা ভিউফাইন্ডারে সবচেয়ে স্পষ্ট অবজেক্টের লাইভ শনাক্তকরণ ও ট্র্যাকিং।
   • স্ট্যাটিক ছবি থেকে একাধিক অবজেক্ট শনাক্ত করা।

   এইসব ব্যবহারের ক্ষেত্রে API কনফিগার করতে:

   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-এর ইনস্ট্যান্স পান:

   Kotlin

   val objectDetector = ObjectDetection.getClient(options)

   Java

   ObjectDetector objectDetector = ObjectDetection.getClient(options);

২. ইনপুট ছবি প্রস্তুত করুন

অবজেক্ট শনাক্ত ও ট্র্যাক করতে, ObjectDetector ইনস্ট্যান্সের process() পদ্ধতিতে ছবি পাস করুন।

অবজেক্ট ডিটেক্টর সরাসরি Bitmap, NV21 ByteBuffer বা YUV_420_888 media.Image থেকে রান করে। আপনার কাছে যদি এই সোর্সগুলির মধ্যে কোনও একটিতে সরাসরি অ্যাক্সেস থাকে, তাহলে সেই সোর্স থেকে InputImage তৈরি করার সাজেশন দেওয়া হয়। আপনি যদি অন্য সোর্স থেকে একটি InputImage তৈরি করেন, তাহলে আমরা আপনার জন্য ইন্টার্নালি কনভার্সন ম্যানেজ করব এবং এটি কম কার্যকর হতে পারে।

কোনও সিকোয়েন্সে ভিডিও বা ছবির প্রতিটি ফ্রেমের জন্য, নিম্নলিখিত ধাপগুলি অনুসরণ করুন:

আপনি বিভিন্ন সোর্স থেকে InputImage অবজেক্ট তৈরি করতে পারবেন, প্রতিটি নিচে ব্যাখ্যা করা হয়েছে।

media.Image ব্যবহার করা

media.Image অবজেক্ট থেকে InputImage অবজেক্ট তৈরি করতে, যেমন আপনি যখন ডিভাইসের ক্যামেরা থেকে কোনও ছবি ক্যাপচার করেন, media.Image অবজেক্ট এবং ছবির রোটেশন InputImage.fromMediaImage()-এ পাস করুন।

আপনি CameraX লাইব্রেরি ব্যবহার করলে, OnImageCapturedListener এবং ImageAnalysis.Analyzer ক্লাস আপনার জন্য রোটেশন ভ্যালু গণনা করে।

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
          // ...
        }
    }
}

আপনি যদি এমন কোনও ক্যামেরা লাইব্রেরি ব্যবহার না করেন যা আপনাকে ছবির রোটেশন ডিগ্রি দেয়, তাহলে আপনি ডিভাইসের রোটেশন ডিগ্রি এবং ডিভাইসে ক্যামেরা সেন্সরের ওরিয়েন্টেশন থেকে এটি হিসাব করতে পারেন:

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;
}

তারপর, media.Image অবজেক্ট এবং রোটেশন ডিগ্রির ভ্যালু InputImage.fromMediaImage()-এ পাস করুন:

Kotlin

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

Java

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

ফাইল URI ব্যবহার করে

ফাইল URI থেকে InputImage অবজেক্ট তৈরি করতে, অ্যাপের প্রসঙ্গ ও ফাইল URI InputImage.fromFilePath()-এ পাস করুন। এটি তখন কাজে লাগে যখন আপনি ব্যবহারকারীকে তার গ্যালারি অ্যাপ থেকে কোনও ছবি বেছে নেওয়ার জন্য প্রম্পট করতে ACTION_GET_CONTENT ইনটেন্ট ব্যবহার করেন।

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 বা ByteArray ব্যবহার করে

ByteBuffer বা ByteArray থেকে InputImage অবজেক্ট তৈরি করতে, প্রথমে media.Image ইনপুটের জন্য আগে যেভাবে বর্ণনা করা হয়েছে সেইভাবে ছবির রোটেশন ডিগ্রি গণনা করুন। তারপর, বাফার বা অ্যারে সহ InputImage অবজেক্ট তৈরি করুন, এর সাথে ছবির উচ্চতা, প্রস্থ, কালার এনকোডিং ফর্ম্যাট এবং রোটেশন ডিগ্রি যোগ করুন:

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 ব্যবহার করা

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

Kotlin

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

Java

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

ছবিটি Bitmap অবজেক্টের সাথে রোটেশন ডিগ্রির মাধ্যমে দেখানো হয়েছে।

৩. ছবি প্রসেস করুন

process() পদ্ধতিতে ছবি পাস করুন:

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
                // ...
            }
        });

মনে রাখবেন: আপনি CameraX API ব্যবহার করলে, ব্যবহার করা হয়ে গেলে ImageProxy বন্ধ করতে ভুলবেন না, যেমন, process পদ্ধতি থেকে রিটার্ন করা Task-এ OnCompleteListener যোগ করে। উদাহরণ হিসেবে কুইকস্টার্ট স্যাম্পেল অ্যাপে VisionProcessorBase ক্লাস দেখুন।

৪. শনাক্ত করা অবজেক্ট সম্পর্কে তথ্য পান

process()-এ কল করা সফল হলে, DetectedObject-এর একটি তালিকা সাকসেস লিসেনারে পাস করা হয়।

মনে রাখবেন: স্ট্রিমিং মোডে, প্রথম অবজেক্ট শনাক্ত করার আগে, ডিভাইসের পারফর্ম্যান্সের উপর নির্ভর করে, অবজেক্ট ডিটেক্টরকে ৩০ বা তার বেশি ফ্রেম প্রসেস করতে হতে পারে।

প্রতিটি DetectedObject-এ নিম্নলিখিত প্রপার্টি থাকে:

বাউন্ডিং বক্স	একটি Rect যা ছবিতে অবজেক্টের অবস্থান নির্দেশ করে।
ট্র্যাকিং আইডি	একটি পূর্ণসংখ্যা যা সমস্ত ছবি জুড়ে অবজেক্ট শনাক্ত করে। SINGLE_IMAGE_MODE-এ Null।
লেবেল	লেবেলের বিবরণ লেবেলের টেক্সট বিবরণ। এটি PredefinedCategory-এ সংজ্ঞায়িত স্ট্রিং কনস্ট্যান্টের মধ্যে একটি হবে। লেবেল ইনডেক্স ক্লাসিফায়ার দ্বারা সমর্থিত সমস্ত লেবেলের মধ্যে লেবেলের সূচক। এটি PredefinedCategory-এ সংজ্ঞায়িত ইন্টিজার কনস্ট্যান্টের মধ্যে একটি হবে। লেবেল কনফিডেন্স অবজেক্ট ক্লাসিফিকেশনের কনফিডেন্স ভ্যালু।

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();
    }
}

ব্যবহারকারীর দুর্দান্ত অভিজ্ঞতা নিশ্চিত করা

ব্যবহারকারীর সেরা অভিজ্ঞতার জন্য, আপনার অ্যাপে এইসব নির্দেশিকা অনুসরণ করুন:

• অবজেক্টের ভিজ্যুয়াল জটিলতার উপর নির্ভর করে অবজেক্ট ডিটেকশন কতটা সফল হবে। শনাক্ত করার জন্য, অল্প সংখ্যক ভিজ্যুয়াল ফিচার সহ অবজেক্টকে ছবির একটি বড় অংশ জুড়ে থাকতে হতে পারে। আপনি যে ধরনের অবজেক্ট শনাক্ত করতে চান, সেগুলির সাথে ভালভাবে কাজ করে এমন ইনপুট ক্যাপচার করার বিষয়ে ব্যবহারকারীদের নির্দেশিকা প্রদান করা উচিত।
• শ্রেণীবিভাগ ব্যবহার করার সময়, আপনি যদি এমন অবজেক্ট শনাক্ত করতে চান যা সরাসরি কাজ করে এমন বিভাগের মধ্যে পড়ে না, তাহলে অজানা অবজেক্টের জন্য বিশেষ হ্যান্ডলিং প্রয়োগ করুন।

এছাড়াও, ML Kit মেটেরিয়াল ডিজাইন শোকেস অ্যাপ এবং মেটেরিয়াল ডিজাইন মেশিন লার্নিং-পরিচালিত ফিচারের জন্য প্যাটার্ন কালেকশন দেখুন।

পারফর্ম্যান্স উন্নত করা হচ্ছে

আপনি যদি রিয়েল-টাইম অ্যাপ্লিকেশনে অবজেক্ট ডিটেকশন ব্যবহার করতে চান, তাহলে সেরা ফ্রেমরেট পেতে এই নির্দেশিকা অনুসরণ করুন:

• রিয়েল-টাইম অ্যাপ্লিকেশনে স্ট্রিমিং মোড ব্যবহার করার সময়, একাধিক অবজেক্ট ডিটেকশন ব্যবহার করবেন না, কারণ বেশিরভাগ ডিভাইস পর্যাপ্ত ফ্রেমরেট তৈরি করতে পারবে না।

• আপনার প্রয়োজন না হলে ক্লাসিফিকেশন বন্ধ করুন।

• আপনি Camera অথবা camera2 API ব্যবহার করলে, ডিটেক্টরে কল থ্রটল করুন। ডিটেক্টর চলাকালীন নতুন ভিডিও ফ্রেম উপলভ্য হলে, ফ্রেমটি ড্রপ করুন। উদাহরণ হিসেবে কুইকস্টার্ট স্যাম্পেল অ্যাপে VisionProcessorBase ক্লাস দেখুন।
• আপনি CameraX API ব্যবহার করলে, নিশ্চিত করুন যে ব্যাকপ্রেশার স্ট্র্যাটেজি তার ডিফল্ট ভ্যালু ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST-তে সেট করা আছে। এটি নিশ্চিত করে যে বিশ্লেষণের জন্য একবারে শুধুমাত্র একটি ছবি ডেলিভার করা হবে। অ্যানালাইজার ব্যস্ত থাকার সময় আরও ছবি তৈরি হলে, সেগুলি অটোমেটিক বাদ দেওয়া হবে এবং ডেলিভারির জন্য সারিতে রাখা হবে না। ImageProxy.close() কল করে বিশ্লেষণ করা ছবি বন্ধ হয়ে গেলে, পরবর্তী লেটেস্ট ছবি ডেলিভার করা হবে।
• ইনপুট ইমেজে গ্রাফিক্স ওভারলে করার জন্য আপনি যদি ডিটেক্টরের আউটপুট ব্যবহার করেন, তাহলে প্রথমে ML Kit থেকে ফলাফল পান, তারপর ইমেজ রেন্ডার করুন এবং একটি ধাপে ওভারলে করুন। এটি প্রতিটি ইনপুট ফ্রেমের জন্য শুধুমাত্র একবার ডিসপ্লে সারফেসে রেন্ডার করে। উদাহরণ হিসেবে কুইকস্টার্ট স্যাম্পেল অ্যাপে CameraSourcePreview এবং GraphicOverlay ক্লাস দেখুন।
• আপনি Camera2 API ব্যবহার করলে, ImageFormat.YUV_420_888 ফর্ম্যাটে ছবি ক্যাপচার করুন। আপনি পুরনো Camera API ব্যবহার করলে, ImageFormat.NV21 ফর্ম্যাটে ছবি ক্যাপচার করুন।