ML Kit를 사용하면 연속된 동영상 프레임에서 객체를 감지하고 추적할 수 있습니다.
이미지를 ML Kit에 전달하면 이미지에서 최대 5개의 객체를 감지합니다. 이미지의 각 객체의 위치와 함께 표시됩니다. Kubernetes에서 객체를 감지할 때는 각 객체에는 객체를 추적하는 데 사용할 수 있는 고유 ID가 있습니다. 확인할 수 있습니다 선택사항으로 대략적인 객체를 사용 설정할 수도 있습니다. 광범위한 카테고리 설명으로 객체에 라벨을 지정합니다.
<ph type="x-smartling-placeholder">사용해 보기
- 샘플 앱을 사용하여 이 API의 사용 예를 참조하세요.
- 머티리얼 디자인 쇼케이스 앱을 참조하세요.
시작하기 전에
<ph type="x-smartling-placeholder">- 프로젝트 수준
build.gradle파일에 다음 코드를 포함해야 합니다.buildscript및allprojects섹션 - ML Kit Android 라이브러리의 종속 항목을 모듈의
앱 수준 gradle 파일(일반적으로
app/build.gradle임)을 빌드합니다.dependencies { // ... implementation 'com.google.mlkit:object-detection:17.0.2' }
1. 객체 감지기 구성
객체를 감지하고 추적하려면 먼저 ObjectDetector의 인스턴스를 만들고
원하는 경우
기본값입니다.
사용 사례의 객체 인식기를 다음과 같이 구성합니다.
ObjectDetectorOptions객체. 다음 항목을 변경할 수 있습니다. 설정:객체 감지기 설정 감지 모드 STREAM_MODE(기본값) |SINGLE_IMAGE_MODESTREAM_MODE(기본값)에서는 객체 감지기가 실행됩니다. 지연 시간이 짧지만 불완전한 결과 (예: 지정되지 않은 경계 상자 또는 카테고리 라벨)이 있습니다. 감지기 호출을 나타냅니다. 또한STREAM_MODE에서 감지기는 객체에 추적 ID를 할당하며, 이 ID를 사용하여 여러 프레임 간에 객체를 추적할 수 없습니다. 이 모드를 사용하면 객체 또는 처리 시간처럼 짧은 지연 시간이 중요한 경우 실시간 동영상 스트리밍도 지원합니다SINGLE_IMAGE_MODE에서 객체 인식기는 다음을 반환합니다. 결과를 나타냅니다. 만약 분류를 사용 설정할 수도 있습니다. 이는 경계선 이후에 결과를 반환합니다. 상자와 카테고리 라벨을 모두 사용할 수 있습니다. 결과적으로, 감지 지연 시간이 더 길 수 있습니다 또한SINGLE_IMAGE_MODE, 추적 ID가 할당되지 않았습니다. 사용 이 모드는 지연 시간이 중요하지 않고 확인할 수 있습니다.여러 객체 감지 및 추적 false(기본값) |true최대 5개의 객체를 감지하고 추적할지, 아니면 가장 많은 객체만 감지하고 추적할지 여부 가시도 높은 객체 (기본값).
객체 분류 false(기본값) |true감지된 객체를 대략적인 카테고리로 분류할지 여부입니다. 사용 설정하면 객체 인식기가 객체를 카테고리에는 패션 상품, 식품, 가정용품 장소, 식물.
객체 감지 및 추적 API는 이 두 가지 핵심 용도에 최적화되어 있습니다. 사례:
- 카메라에서 가장 눈에 띄는 물체를 실시간으로 감지하고 추적합니다. 뷰파인더를 사용할 수 있습니다.
- 정적 이미지에서 여러 객체를 감지합니다.
이러한 사용 사례에 맞게 API를 구성하려면 다음 안내를 따르세요.
// 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()
// 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();
ObjectDetector의 인스턴스를 가져옵니다.
2. 입력 이미지 준비
객체를 감지하고 추적하려면ObjectDetector에 이미지를 전달합니다.
인스턴스의 process() 메서드를 호출합니다.
객체 감지기는 Bitmap, NV21 ByteBuffer 또는
YUV_420_888 media.Image를 반환합니다. 이러한 소스에서 InputImage 구성
이들 중 하나에 직접 액세스할 수 있다면
사용하는 것이 좋습니다 만약
다른 소스에서 InputImage이(가) 발생하면 Google에서 전환을 처리합니다.
효율성이 떨어질 수 있습니다
동영상의 각 프레임 또는 시퀀스의 이미지에 대해 다음을 수행합니다.
InputImage를 만들 수 있습니다.
아래에 각각 설명되어 있습니다.
media.Image 사용
InputImage를 만들려면 다음 안내를 따르세요.
(예: media.Image 객체에서 이미지를 캡처할 때)
기기의 카메라에서 이미지를 캡처하려면 media.Image 객체와 이미지의
InputImage.fromMediaImage()로 회전
<ph type="x-smartling-placeholder"></ph>
CameraX 라이브러리, OnImageCapturedListener 및
회전 값을 계산하는 ImageAnalysis.Analyzer 클래스
있습니다.
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 // ... } } }
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 // ... } } }
이미지의 회전 각도를 제공하는 카메라 라이브러리를 사용하지 않는 경우 기기의 회전 각도와 카메라의 방향에서 센서에 있어야 합니다.
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 }
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; }
그런 다음 media.Image 객체와
회전 각도 값을 InputImage.fromMediaImage()로:
val image = InputImage.fromMediaImage(mediaImage, rotation)
InputImage image = InputImage.fromMediaImage(mediaImage, rotation);
파일 URI 사용
InputImage를 만들려면 다음 안내를 따르세요.
객체를 만들고, 앱 컨텍스트와 파일 URI를
InputImage.fromFilePath()입니다. 이 기능은
ACTION_GET_CONTENT 인텐트를 사용하여 사용자에게 선택하라는 메시지를 표시합니다.
만들 수 있습니다
val image: InputImage try { image = InputImage.fromFilePath(context, uri) } catch (e: IOException) { e.printStackTrace() }
InputImage image;
try {
image = InputImage.fromFilePath(context, uri);
} catch (IOException e) {
e.printStackTrace();
}
ByteBuffer 또는 ByteArray 사용
InputImage를 만들려면 다음 안내를 따르세요.
ByteBuffer 또는 ByteArray
이전에 media.Image 입력에 대해 설명한 회전 각도입니다.
그런 다음 버퍼 또는 배열과 이미지의 InputImage 객체를
높이, 너비, 색상 인코딩 형식 및 회전 각도:
val image = InputImage.fromByteBuffer( byteBuffer, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 ) // Or: val image = InputImage.fromByteArray( byteArray, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 )
InputImage image = InputImage.fromByteBuffer(byteBuffer, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 ); // Or: InputImage image = InputImage.fromByteArray( byteArray, /* image width */480, /* image height */360, rotation, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 );
Bitmap 사용
InputImage를 만들려면 다음 안내를 따르세요.
객체를 Bitmap 객체에서 삭제하려면 다음과 같이 선언합니다.
val image = InputImage.fromBitmap(bitmap, 0)
InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);
이미지는 회전 각도와 함께 Bitmap 객체로 표현됩니다.
3. 이미지 처리
이미지를process() 메서드에 전달합니다.
objectDetector.process(image) .addOnSuccessListener { detectedObjects -> // Task completed successfully // ... } .addOnFailureListener { e -> // Task failed with an exception // ... }
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. 감지된 객체에 대한 정보 가져오기
process() 호출이 성공하면 DetectedObject 목록이 다음에 전달됩니다.
성공 리스너입니다.
각 DetectedObject에는 다음 속성이 포함됩니다.
| 경계 상자 | 다음에서 객체의 위치를 나타내는 Rect:
이미지 |
||||||
| 추적 ID | 여러 이미지에서 객체를 식별하는 정수입니다. Null in SINGLE_IMAGE_MODE여야 합니다. | ||||||
| 라벨 |
|
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 } }
// 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(); } }
우수한 사용자 경험 보장
최상의 사용자 환경을 위해 앱에서 다음 가이드라인을 따르세요.
- 객체 감지 성공 여부는 객체의 시각적 복잡성에 따라 달라집니다. 포함 감지하기 위해서는 시각적 특징이 적은 물체는 이미지의 더 큰 부분을 차지합니다. 사용자에게 감지하려는 객체 종류에서 잘 작동하는 입력을 캡처하는 것입니다.
- 분류를 사용할 때 떨어지지 않는 물체를 감지하려는 경우 지원되는 카테고리로 깔끔하게 분류하고 알려지지 않은 특수 처리를 구현하세요. 객체입니다.
또한 ML Kit 머티리얼 디자인 쇼케이스 앱 및 머티리얼 디자인 머신러닝 기반의 특성 수집 패턴
성능 개선
실시간 애플리케이션에서 객체 감지를 사용하려면 다음 안내를 따르세요. 다음 가이드라인을 참조하세요.
실시간 애플리케이션에서 스트리밍 모드를 사용할 때는 객체 감지가 작동하지 않습니다.
분류가 필요하지 않으면 사용 중지합니다.
-
Camera또는camera2API 감지기 호출을 제한합니다. 새 동영상 감지기가 실행되는 동안 frame 사용할 수 있게 되면 프레임을 삭제합니다. 자세한 내용은 <ph type="x-smartling-placeholder"></ph>VisionProcessorBase클래스를 참조하세요. CameraXAPI를 사용하는 경우 백프레셔 전략이 기본값으로 설정되어 있는지 확인 <ph type="x-smartling-placeholder"></ph>ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST이렇게 하면 분석을 위해 한 번에 하나의 이미지만 전송됩니다. 더 많은 이미지가 분석기가 사용 중일 때 생성되지 않으면 자동으로 삭제되어 배달. 분석 중인 이미지가 ImageProxy.close()를 호출하면 다음 최신 이미지가 게재됩니다.- 감지기 출력을 사용하여 그래픽 이미지를
먼저 ML Kit에서 결과를 가져온 후 이미지를
하나의 단계로 오버레이할 수 있습니다. 이는 디스플레이 표면에 렌더링됩니다.
각 입력 프레임에 대해 한 번만 허용됩니다. 자세한 내용은
<ph type="x-smartling-placeholder"></ph>
CameraSourcePreview및 <ph type="x-smartling-placeholder"></ph>GraphicOverlay클래스를 참조하세요. - Camera2 API를 사용하는 경우
ImageFormat.YUV_420_888형식으로 이미지를 캡처합니다. 이전 Camera API를 사용하는 경우ImageFormat.NV21형식으로 이미지를 캡처합니다.