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

एमएल किट का इस्तेमाल करके, एक के बाद एक वीडियो फ़्रेम में ऑब्जेक्ट का पता लगाया जा सकता है और उन्हें ट्रैक किया जा सकता है.

ML Kit को कोई इमेज पास करने पर, वह इमेज में मौजूद पांच ऑब्जेक्ट तक की पहचान करता है. साथ ही, इमेज में मौजूद हर ऑब्जेक्ट की जगह की भी पहचान करता है. वीडियो स्ट्रीम में ऑब्जेक्ट का पता लगाते समय, हर ऑब्जेक्ट का एक यूनीक आईडी होता है. इसका इस्तेमाल करके, ऑब्जेक्ट को फ़्रेम से लेकर फ़्रेम तक ट्रैक किया जा सकता है. इसके अलावा, 'अनुमानित ऑब्जेक्ट' की कैटगरी तय करने की सुविधा भी चालू की जा सकती है. इससे ऑब्जेक्ट को बड़ी कैटगरी की जानकारी वाले लेबल के साथ लेबल किया जाता है.

यह एपीआई, बंडल नहीं की गई ऐसी लाइब्रेरी का इस्तेमाल करता है जिसे इस्तेमाल करने से पहले डाउनलोड करना ज़रूरी है. ज़्यादा जानकारी के लिए, यह गाइड देखें.

इसे आज़माएं

• इस एपीआई के इस्तेमाल का उदाहरण देखने के लिए, ऐप्लिकेशन के सैंपल को आज़माएं.
• इस एपीआई को शुरू से आखिर तक लागू करने के लिए, मटीरियल डिज़ाइन शोकेस ऐप्लिकेशन देखें.

शुरू करने से पहले

इस एपीआई के लिए, Android एपीआई लेवल 21 या उसके बाद का लेवल ज़रूरी है. पक्का करें कि आपके ऐप्लिकेशन की बिल्ड फ़ाइल, 21 या उससे ज़्यादा की minSdkVersion वैल्यू का इस्तेमाल करती हो.

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

   dependencies {
     // ...
   
     implementation 'com.google.mlkit:object-detection:17.0.1'
   
   }
   

1. ऑब्जेक्ट डिटेक्टर को कॉन्फ़िगर करें

ऑब्जेक्ट का पता लगाने और उन्हें ट्रैक करने के लिए, सबसे पहले ObjectDetector का इंस्टेंस बनाएं. इसके अलावा, ज़रूरत के हिसाब से ऐसी कोई भी डिटेक्टर सेटिंग बताएं जिसे आप डिफ़ॉल्ट से बदलना चाहते हैं.

1. अपने इस्तेमाल के उदाहरण के लिए, ObjectDetectorOptions ऑब्जेक्ट के साथ ऑब्जेक्ट डिटेक्टर को कॉन्फ़िगर करें. ये सेटिंग बदली जा सकती हैं:

   ऑब्जेक्ट डिटेक्टर की सेटिंग
   पहचान मोड	STREAM_MODE (डिफ़ॉल्ट) | SINGLE_IMAGE_MODE STREAM_MODE (डिफ़ॉल्ट रूप से) में, ऑब्जेक्ट डिटेक्टर, इंतज़ार का समय कम करके काम करता है. हालांकि, यह डिटेक्टर के पहले कुछ शुरू करने पर, अधूरे नतीजे (जैसे कि बाउंडिंग बॉक्स या कैटगरी लेबल नहीं बता सकता) दे सकता है. साथ ही, STREAM_MODE में, डिटेक्टर ऑब्जेक्ट को ट्रैकिंग आईडी असाइन करता है. इसका इस्तेमाल करके, फ़्रेम में ऑब्जेक्ट को ट्रैक किया जा सकता है. इस मोड का इस्तेमाल तब करें, जब आपको ऑब्जेक्ट ट्रैक करना हो. इसके अलावा, जब वीडियो के स्ट्रीम होने में लगने वाला समय कम हो या उसे रीयल टाइम में प्रोसेस किया जा रहा हो, तब इस मोड का इस्तेमाल करें. SINGLE_IMAGE_MODE में, ऑब्जेक्ट डिटेक्टर, ऑब्जेक्ट का बाउंडिंग बॉक्स तय करने के बाद ही नतीजा दिखाता है. अगर कैटगरी तय करने की सुविधा भी चालू की जाती है, तो यह बाउंडिंग बॉक्स और कैटगरी लेबल, दोनों के उपलब्ध होने के बाद नतीजा दिखाता है. इस वजह से, जांच में लगने वाला समय बढ़ सकता है. साथ ही, SINGLE_IMAGE_MODE में, ट्रैकिंग आईडी असाइन नहीं किए जाते. अगर इंतज़ार का समय ज़्यादा ज़रूरी नहीं है और आपको आंशिक नतीजों से निपटना नहीं 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 लगाना और उन्हें ट्रैक करना है या सिर्फ़ सबसे ज़्यादा प्रमुखता से दिखने वाले ऑब्जेक्ट का पता लगाना है या नहीं (डिफ़ॉल्ट).
   वस्तुओं का वर्गीकरण करना	false (डिफ़ॉल्ट) | true पता लगाए गए ऑब्जेक्ट को छोटी कैटगरी में रखना है या नहीं. चालू होने पर, ऑब्जेक्ट का पता लगाने की सुविधा, चीज़ों को इन कैटगरी में बांटती है: फ़ैशन का सामान, खाना, घर का सामान, जगहें, और पौधे.

   ऑब्जेक्ट का पता लगाने और ट्रैकिंग एपीआई को, इन दो मुख्य मामलों के लिए ऑप्टिमाइज़ किया गया है:

   • कैमरा व्यूफ़ाइंडर में सबसे खास चीज़ की लाइव पहचान और उसे ट्रैक करने की सुविधा.
   • किसी स्टैटिक इमेज से कई ऑब्जेक्ट का पता लगाना.

   इस्तेमाल के इन उदाहरणों से जुड़े 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 एक 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, ObjectDetector इंस्टेंस की process() तरीके में इमेज पास करें.

ऑब्जेक्ट डिटेक्टर सीधे Bitmap, NV21 ByteBuffer या YUV_420_888 media.Image से काम करता है. अगर आपके पास इनमें से किसी सोर्स का सीधा ऐक्सेस है, तो उन सोर्स से InputImage बनाने का सुझाव दिया जाता है. अगर InputImage दूसरे सोर्स से बनाया जाता है, तो हम आपके लिए कन्वर्ज़न को अंदरूनी तौर पर हैंडल करेंगे. हालांकि, ऐसा करना कम कारगर हो सकता है.

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

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

media.Image का इस्तेमाल करके

किसी media.Image ऑब्जेक्ट से InputImage ऑब्जेक्ट बनाने के लिए, जैसे कि किसी डिवाइस के कैमरे से इमेज कैप्चर करने पर, media.Image ऑब्जेक्ट और इमेज के रोटेशन को InputImage.fromMediaImage() पर पास करें.

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 को घुमाने की डिग्री देती है, तो डिवाइस की रोटेशन डिग्री और डिवाइस में कैमरा सेंसर के ओरिएंटेशन की मदद 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 रोटेशन डिग्री की वैल्यू को InputImage.fromMediaImage() पर 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 कॉन्टेक्स्ट और फ़ाइल यूआरआई को InputImage.fromFilePath() में पास करें. यह तब काम आता है, जब ACTION_GET_CONTENT इंटेंट का इस्तेमाल करके, उपयोगकर्ता से उसके गैलरी ऐप्लिकेशन से कोई इमेज चुनने का अनुरोध 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 करके

किसी ByteBuffer या ByteArray से InputImage ऑब्जेक्ट बनाने के लिए, सबसे पहले इमेज के रोटेशन डिग्री का हिसाब लगाएं, जैसा कि media.Image इनपुट के लिए पहले बताया गया था. इसके बाद, इमेज की ऊंचाई, चौड़ाई, कलर एन्कोडिंग का फ़ॉर्मैट, और रोटेशन डिग्री के साथ, बफ़र या अरे की मदद से InputImage ऑब्जेक्ट बनाएं:

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 करके

किसी 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 डिग्री के साथ, Bitmap ऑब्जेक्ट से दिखाया गया 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
                // ...
            }
        });

ध्यान दें: अगर CameraX एपीआई का इस्तेमाल किया जा रहा है, तो पक्का करें कि इसका इस्तेमाल पूरा होने के बाद, ImageProxy को बंद कर दिया जाए. उदाहरण के लिए,process तरीके से मिले Task में OnCompleteListener जोड़कर. उदाहरण के लिए, क्विकस्टार्ट सैंपल ऐप्लिकेशन में VisionProcessorBase क्लास देखें.

4. पता लगाए गए ऑब्जेक्ट की जानकारी पाना

अगर process() को कॉल कर लिया जाता है, तो DetectedObject की एक सूची, सक्सेस लिसनर को भेज दी जाती है.

ध्यान दें: स्ट्रीमिंग मोड में, ऑब्जेक्ट डिटेक्टर को पहले ऑब्जेक्ट का पता लगाने से पहले, डिवाइस की परफ़ॉर्मेंस के आधार पर 30 या उससे ज़्यादा फ़्रेम प्रोसेस करने पड़ सकते हैं.

हर DetectedObject में ये प्रॉपर्टी शामिल होती हैं:

बाउंडिंग बॉक्स	एक Rect, जो इमेज में ऑब्जेक्ट की जगह के बारे में बताता है.
ट्रैकिंग आईडी	यह एक पूर्णांक होता है, जो इमेज में ऑब्जेक्ट की पहचान करता है. SINGLE_IMAGE_मोड में शून्य.
लेबल	लेबल वर्णन लेबल का टेक्स्ट जानकारी. यह PredefinedCategory में तय किए गए स्ट्रिंग कॉन्सटेंट में से एक होगा. लेबल इंडेक्स कैटगरी तय करने वाले सिस्टम के साथ काम करने वाले सभी लेबल के बीच, लेबल का इंडेक्स. यह PredefinedCategory में तय किए गए पूर्णांक स्थिरांक में से एक होगा. लेबल कॉन्फ़िडेंस ऑब्जेक्ट की कैटगरी 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();
    }
}

एक शानदार उपयोगकर्ता अनुभव पक्का करना

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

• ऑब्जेक्ट की पहचान, ऑब्जेक्ट के विज़ुअल की जटिलता पर निर्भर करती है. बहुत कम विज़ुअल सुविधाओं वाले ऑब्जेक्ट को पहचानने के लिए, इमेज के बड़े हिस्से पर जाना पड़ सकता है. आपको उपयोगकर्ताओं को इनपुट कैप्चर करने के बारे में सलाह देनी चाहिए, जो ऐसे ऑब्जेक्ट के साथ ठीक से काम करता है जिनका आप पता लगाना चाहते हैं.
• अगर आपको क्लासिफ़िकेशन का इस्तेमाल करते समय, ऐसे ऑब्जेक्ट का पता लगाना है जो इसके साथ काम करने वाली कैटगरी में नहीं आते हैं, तो अनजान 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 लिए पैटर्न कलेक्शन देखें.

Improving performance

अगर आपको ऑब्जेक्ट की पहचान करने वाली सुविधा का इस्तेमाल रीयल-टाइम ऐप्लिकेशन में करना है, तो सबसे सही फ़्रेमरेट पाने के लिए, इन दिशा-निर्देशों का पालन करें:

• रीयल-टाइम ऐप्लिकेशन में स्ट्रीमिंग मोड का इस्तेमाल करते समय, एक से ज़्यादा ऑब्जेक्ट की पहचान करने का इस्तेमाल न करें. ऐसा इसलिए, क्योंकि ज़्यादातर डिवाइस सही फ़्रेमरेट नहीं बना पाते.

• अगर आपको इसकी ज़रूरत नहीं है, तो क्लासिफ़िकेशन को बंद करें.

• अगर Camera या camera2 एपीआई का इस्तेमाल किया जाता है, तो डिटेक्टर के पास कॉल को थ्रॉटल करें. अगर डिटेक्टर के चालू होने के दौरान, कोई नया वीडियो फ़्रेम उपलब्ध हो जाता 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 यह पक्का कर लें कि बैकप्रेशर स्ट्रेटजी, अपनी डिफ़ॉल्ट वैल्यू ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST पर सेट हो. इससे यह गारंटी मिलती है कि विश्लेषण के लिए एक बार में सिर्फ़ एक इमेज ही डिलीवर की जाएगी. अगर ऐनालाइज़र के व्यस्त होने पर ज़्यादा इमेज जनरेट होती हैं, तो वे अपने-आप हट जाएंगी और डिलीवरी के लिए सूची में नहीं दिखेंगी. जिस इमेज की जांच की जा रही है उसे Imageप्रॉक्सी.close() को कॉल करके बंद किए जाने के बाद, अगली सबसे नई इमेज डिलीवर की जाएगी.
• अगर इनपुट इमेज पर ग्राफ़िक ओवरले करने के लिए, डिटेक्टर के आउटपुट का इस्तेमाल किया जाता है, तो सबसे पहले एमएल किट से नतीजा पाएं. इसके बाद, एक ही बार में इमेज और ओवरले को रेंडर करें. यह तरीका, हर इनपुट फ़्रेम के लिए सिर्फ़ एक बार डिसप्ले सरफ़ेस पर रेंडर होता है. उदाहरण के लिए, क्विकस्टार्ट ऐप्लिकेशन के नमूने में CameraSourcePreview और GraphicOverlay क्लास देखें.
• अगर Camera2 API का इस्तेमाल किया जाता 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.