このページは Cloud Translation API によって翻訳されました。

ML Kit を使用してオブジェクトを検出して追跡する（Android）

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トラッキングできます。

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。動画ストリームで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 が割り当てられます。この ID を使用して、オブジェクトをフレーム間でトラッキングできます。また、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

この API には Android API レベル 21 以降が必要です。アプリのビルドファイルで 21 以上の minSdkVersion 値が使用されていることを確認します。

プロジェクトレベルの build.gradle ファイルの buildscript セクションと allprojects セクションの両方に Google の Maven リポジトリを含めます。
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。

物体検知の設定

検出モード

物体検知の設定
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）が生成され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 を割り当てます。この ID を使用して、フレームをまたいでオブジェクトをトラックできます。このモードは、オブジェクトをトラッキングする場合、または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、オブジェクト検出はオブジェクトの境界ボックスが決定された後に結果を返します。分類も有効にした場合、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、検出のレイテンシが潜在的に長くなります。また、`SINGLE_IMAGE_MODE` ではトラッキング ID が割り当てられません。レイテンシが重要ではなく、部分的な結果を処理しない場合は、このモードを使用します。
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トラッキングするか、最も目立つオブジェクトのみを検出するか（デフォルト）。
オブジェクトの分類	`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、オブジェクト検出によってオブジェクトがファッショングッズ、食品、家庭用品、場所、植物のカテゴリに分類されます。

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）が生成され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 を割り当てます。この ID を使用して、フレームをまたいでオブジェクトをトラックできます。このモードは、オブジェクトをトラッキングする場合、または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、オブジェクト検出はオブジェクトの境界ボックスが決定された後に結果を返します。分類も有効にした場合、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、検出のレイテンシが潜在的に長くなります。また、SINGLE_IMAGE_MODE ではトラッキング ID が割り当てられません。レイテンシが重要ではなく、部分的な結果を処理しない場合は、このモードを使用します。

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トラッキングするか、最も目立つオブジェクトのみを検出するか（デフォルト）。

オブジェクトの分類

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、オブジェクト検出によってオブジェクトがファッショングッズ、食品、家庭用品、場所、植物のカテゴリに分類されます。

オブジェクトの検出とトラッキングの API は、次の 2 つの主要なユースケース用に最適化されています。

カメラのビューファインダー内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。

これらのユースケース用に 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トラッキングするには、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 を作成すると、変換が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。

さまざまなソースから InputImage オブジェクトを作成できます。それぞれのソースについて、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内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
}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;
}

次に、media.Image オブジェクトと回転角度値を InputImage.fromMediaImage() に渡します。

Kotlin

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

Java

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

ファイル URI の使用

InputImage オブジェクトをファイルの URI から作成するには、アプリコンテキストとファイルの 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ときに便利です。

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` 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 入力について前述したように、まず画像の回転角度を計算します。次に、画像の高さ、幅、カラーエンコード形式、回転角度とともに、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
)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` 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)MLKitVisionImage.kt

Java

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

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
                // ...
            }
        });

注: CameraX API を使用している場合は、使用が終了したら必ず ImageProxy を閉じてください。たとえば、process メソッドから返された Task に OnCompleteListener を追加します。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。

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

ラベルの説明	ラベルのテキストの説明。`PredefinedCategory` で定義された文字列定数のいずれかになります。
ラベルのインデックス	分類器でサポートされているすべてのラベルのうち、ラベルのインデックス。`PredefinedCategory` で定義された整数定数のいずれかになります。
ラベルの信頼度	オブジェクト分類の信頼値。

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を確保する

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。検出のために、視覚的な特徴が少ないオブジェクトが画像の大部分を占めることが必要な場合があります。検出するオブジェクトの種類に適した入力をキャプチャするための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分類されないオブジェクトを検出するには、未知のオブジェクトに対して特別な処理を実装します。

また、ML Kit Material Design ショーケースアプリと Material Design Patterns for machine learning-powered features のコレクションも確認してください。

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、最適なフレームレートを得るために次のガイドラインに従ってください。

ほとんどのデバイスは十分なフレームレートを生成できないため、リアルタイムアプリケーションでストリーミングモードを使用する場合は、複数オブジェクト検出を使用しないでください。
分類が不要な場合は無効にします。
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 つのイメージのみが配信されることが保証されます。アナライザがビジー状態のときにさらに多くの画像が生成された場合、それらの画像は自動的に破棄され、配信のキューには追加されません。ImageProxy.close() を呼び出して分析対象のイメージを閉じると、次の最新のイメージが配信されます。
検出機能の出力を使用して入力画像にグラフィックス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、ディスプレイサーフェスに入力フレームごとに 1 回だけ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。

ML Kit を使用してオブジェクトを検出して追跡する（Android）

試してみる

始める前に

1. オブジェクト検出を構成する

Kotlin

Java

Kotlin

Java

2. 入力画像を準備する

media.Image の使用

Kotlin

Java

Kotlin

Java

Kotlin

Java

ファイル URI の使用

Kotlin

Java

ByteBuffer または ByteArray の使用

Kotlin

Java

Bitmap の使用

Kotlin

Java

3.画像を処理する

Kotlin

Java

4. 検出されたオブジェクトに関する情報を取得する

Kotlin

Java

優れたユーザー エクスペリエンスを確保する

パフォーマンスの向上

`media.Image` の使用

`ByteBuffer` または `ByteArray` の使用

`Bitmap` の使用

優れたユーザーエクスペリエンスを確保する