iOS에서 ML Kit를 사용하여 객체 감지 및 추적

ML Kit를 사용하면 연속적인 동영상 프레임에서 객체를 감지하고 추적할 수 있습니다.

ML Kit에 이미지를 전달하면 이미지에서 최대 5개의 객체와 각 객체의 위치를 감지합니다. 동영상 스트림에서 객체를 감지할 때 각 객체에는 프레임 간에 객체를 추적하는 데 사용할 수 있는 고유 ID가 있습니다. 원하는 경우 대략적인 객체 분류를 사용 설정하여 객체에 광범위한 카테고리 설명으로 라벨을 지정할 수도 있습니다.

참고: ML Kit iOS API는 64비트 기기에서만 실행됩니다. 32비트 지원으로 앱을 빌드한 경우 이 API를 사용하기 전에 기기의 아키텍처를 확인하세요.

사용해 보기

• 샘플 앱을 살펴보고 이 API의 사용 예를 확인하세요.
• 이 API의 엔드 투 엔드 구현은 머티리얼 디자인 쇼케이스 앱을 참고하세요.

시작하기 전에

1. Podfile에 다음 ML Kit 포드를 추가합니다.

   pod 'GoogleMLKit/ObjectDetection', '3.2.0'
   

2. 프로젝트의 포드를 설치하거나 업데이트한 후 .xcworkspace를 사용하여 Xcode 프로젝트를 엽니다. ML Kit는 Xcode 버전 12.4 이상에서 지원됩니다.

1. 객체 인식기 구성

객체를 감지하고 추적하려면 먼저 ObjectDetector 인스턴스를 만들고 기본값에서 변경할 감지기 설정을 선택적으로 지정합니다.

1. 사용 사례에 대한 객체 감지기를 ObjectDetectorOptions 객체를 사용하여 구성합니다. 다음 설정을 변경할 수 있습니다.

   객체 감지기 설정
   감지 모드	.stream (기본값) | .singleImage 기본값인 스트림 모드에서는 객체 인식기가 매우 짧은 지연 시간으로 실행되지만, 감지기를 처음 몇 번 호출할 때 경계 상자 또는 카테고리가 지정되지 않는 등 불완전한 결과가 나올 수 있습니다. 또한 스트림 모드에서는 감지기가 객체에 추적 ID를 할당하며, 이 ID를 사용하여 여러 프레임 간에 객체를 추적할 수 있습니다. 객체를 추적하려는 경우나 실시간 동영상 스트림 처리와 같이 짧은 지연 시간이 중요한 경우에 이 모드를 사용하세요. 단일 이미지 모드에서는 객체 인식기가 객체의 경계 상자가 결정되면 결과를 반환합니다. 분류도 사용 설정하는 경우 경계 상자와 카테고리 라벨을 모두 사용할 수 있게 되면 결과가 반환됩니다. 따라서 감지 지연 시간이 길어질 수 있습니다. 또한 단일 이미지 모드에서는 추적 ID가 할당되지 않습니다. 지연 시간이 중요하지 않고 부분적인 결과를 처리하지 않으려는 경우 이 모드를 사용하세요.
   여러 객체 인식 및 추적	false (기본값) | true 최대 5개의 객체를 감지하고 추적할지, 아니면 가장 눈에 띄는 객체만 감지하고 추적할지 여부입니다 (기본값).
   객체 분류	false (기본값) | true 감지된 객체를 대략적인 카테고리로 분류할지 여부입니다. 사용 설정하면 객체 인식기가 객체를 패션 상품, 식품, 가정용품, 장소, 식물 카테고리로 분류합니다.

   객체 감지 및 추적 API는 다음 2가지 핵심 사용 사례에 최적화되어 있습니다.

   • 카메라 뷰파인더에서 가장 뚜렷한 객체의 실시간 감지 및 추적
   • 정적 이미지에서 여러 객체 감지

   이러한 사용 사례에 맞게 API를 구성하는 방법은 다음과 같습니다.

Swift

// Live detection and tracking
let options = ObjectDetectorOptions()
options.shouldEnableClassification = true

// Multiple object detection in static images
let options = ObjectDetectorOptions()
options.detectorMode = .singleImage
options.shouldEnableMultipleObjects = true
options.shouldEnableClassification = true

Objective-C

// Live detection and tracking
MLKObjectDetectorOptions *options = [[MLKObjectDetectorOptions alloc] init];
options.shouldEnableClassification = YES;

// Multiple object detection in static images
MLKObjectDetectorOptions *options = [[MLKOptions alloc] init];
options.detectorMode = MLKObjectDetectorModeSingleImage;
options.shouldEnableMultipleObjects = YES;
options.shouldEnableClassification = YES;

1. ObjectDetector의 인스턴스를 가져옵니다.

Swift

let objectDetector = ObjectDetector.objectDetector()

// Or, to change the default settings:
let objectDetector = ObjectDetector.objectDetector(options: options)

Objective-C

MLKObjectDetector *objectDetector = [MLKObjectDetector objectDetector];

// Or, to change the default settings:
MLKObjectDetector *objectDetector = [MLKObjectDetector objectDetectorWithOptions:options];

2. 입력 이미지 준비

객체를 감지하고 추적하려면 각 이미지 또는 동영상 프레임에 대해 다음 작업을 수행합니다. 스트림 모드를 사용 설정한 경우 CMSampleBuffer에서 VisionImage 객체를 만들어야 합니다.

UIImage 또는 CMSampleBuffer를 사용하여 VisionImage 객체를 만듭니다.

UIImage를 사용하는 경우 다음 단계를 따르세요.

• UIImage로 VisionImage 객체를 만듭니다. 올바른 .orientation를 지정해야 합니다.

  Swift

  let image = VisionImage(image: UIImage)
  visionImage.orientation = image.imageOrientation

  Objective-C

  MLKVisionImage *visionImage = [[MLKVisionImage alloc] initWithImage:image];
  visionImage.orientation = image.imageOrientation;

CMSampleBuffer를 사용하는 경우 다음 단계를 따르세요.

• CMSampleBuffer에 포함된 이미지 데이터의 방향을 지정합니다.

  이미지 방향을 가져오는 방법은 다음과 같습니다.

  Swift

  func imageOrientation(
    deviceOrientation: UIDeviceOrientation,
    cameraPosition: AVCaptureDevice.Position
  ) -> UIImage.Orientation {
    switch deviceOrientation {
    case .portrait:
      return cameraPosition == .front ? .leftMirrored : .right
    case .landscapeLeft:
      return cameraPosition == .front ? .downMirrored : .up
    case .portraitUpsideDown:
      return cameraPosition == .front ? .rightMirrored : .left
    case .landscapeRight:
      return cameraPosition == .front ? .upMirrored : .down
    case .faceDown, .faceUp, .unknown:
      return .up
    }
  }
        

  Objective-C

  - (UIImageOrientation)
    imageOrientationFromDeviceOrientation:(UIDeviceOrientation)deviceOrientation
                           cameraPosition:(AVCaptureDevicePosition)cameraPosition {
    switch (deviceOrientation) {
      case UIDeviceOrientationPortrait:
        return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationLeftMirrored
                                                              : UIImageOrientationRight;
  
      case UIDeviceOrientationLandscapeLeft:
        return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationDownMirrored
                                                              : UIImageOrientationUp;
      case UIDeviceOrientationPortraitUpsideDown:
        return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationRightMirrored
                                                              : UIImageOrientationLeft;
      case UIDeviceOrientationLandscapeRight:
        return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationUpMirrored
                                                              : UIImageOrientationDown;
      case UIDeviceOrientationUnknown:
      case UIDeviceOrientationFaceUp:
      case UIDeviceOrientationFaceDown:
        return UIImageOrientationUp;
    }
  }
        

• CMSampleBuffer 객체와 방향을 사용하여 VisionImage 객체를 만듭니다.

  Swift

  let image = VisionImage(buffer: sampleBuffer)
  image.orientation = imageOrientation(
    deviceOrientation: UIDevice.current.orientation,
    cameraPosition: cameraPosition)

  Objective-C

   MLKVisionImage *image = [[MLKVisionImage alloc] initWithBuffer:sampleBuffer];
   image.orientation =
     [self imageOrientationFromDeviceOrientation:UIDevice.currentDevice.orientation
                                  cameraPosition:cameraPosition];

3. 이미지 처리

객체 인식기의 이미지 처리 메서드 중 하나에 VisionImage를 전달합니다. 비동기 process(image:) 메서드 또는 동기 results() 메서드를 사용할 수 있습니다.

객체를 비동기식으로 감지하려면 다음 안내를 따르세요.

Swift

objectDetector.process(image) { objects, error in
  guard error == nil else {
    // Error.
    return
  }
  guard !objects.isEmpty else {
    // No objects detected.
    return
  }

  // Success. Get object info here.
  // ...
}

Objective-C

[objectDetector processImage:image
                  completion:^(NSArray * _Nullable objects,
                               NSError * _Nullable error) {
                    if (error == nil) {
                      return;
                    }
                    if (objects.count == 0) {
                      // No objects detected.
                      return;
                    }

                    // Success. Get object info here.
                  }];

객체를 동기식으로 인식하려면 다음 안내를 따르세요.

Swift

var objects: [Object]
do {
  objects = try objectDetector.results(in: image)
} catch let error {
  print("Failed to detect object with error: \(error.localizedDescription).")
  return
}
guard !objects.isEmpty else {
  print("Object detector returned no results.")
  return
}

// Success. Get object info here.

Objective-C

NSError *error;
NSArray *objects = [objectDetector resultsInImage:image error:&error];
if (error == nil) {
  return;
}
if (objects.count == 0) {
  // No objects detected.
  return;
}

// Success. Get object info here.

4. 감지된 객체 정보 가져오기

이미지 프로세서 호출이 성공하면 비동기 메서드를 호출했는지 동기 메서드를 호출했는지에 따라 완료 핸들러에 Object 목록을 전달하거나 목록을 반환합니다.

참고: 스트리밍 모드에서 객체 감지기는 첫 번째 객체를 감지하기 전에 기기 성능에 따라 30개 이상의 프레임을 처리해야 할 수도 있습니다.

각 Object에는 다음 속성이 포함됩니다.

frame	이미지에서 객체의 위치를 나타내는 CGRect입니다.
trackingID	여러 이미지 간에 객체를 식별하는 정수 또는 단일 이미지 모드에서 `nil`
labels	감지기에서 반환한 객체를 설명하는 라벨의 배열입니다. 감지기 옵션 shouldEnableClassification가 false로 설정된 경우 속성이 비어 있습니다.

Swift

// objects contains one item if multiple object detection wasn't enabled.
for object in objects {
  let frame = object.frame
  let trackingID = object.trackingID

  // If classification was enabled:
  let description = object.labels.enumerated().map { (index, label) in
    "Label \(index): \(label.text), \(label.confidence)"
    }.joined(separator:"\n")

}

Objective-C

// The list of detected objects contains one item if multiple
// object detection wasn't enabled.
for (MLKObject *object in objects) {
  CGRect frame = object.frame;
  NSNumber *trackingID = object.trackingID;
  for (MLKObjectLabel *label in object.labels) {
    NSString *labelString = [NSString stringWithFormat: @"%@, %f, %lu",
      label.text, label.confidence, (unsigned long)label.index];
    ...
  }
}

사용성 및 성능 개선

최상의 사용자 환경을 위해 앱에서 다음 가이드라인을 따르세요.

• 객체 인식의 성공 여부는 객체의 시각적 복잡성에 따라 달라집니다. 시각적 특징이 적은 객체를 감지하려면 이미지에서 더 많은 부분을 차지해야 할 수 있습니다. 감지할 객체 종류에서 효과적인 입력 캡처에 대한 안내를 사용자에게 제공해야 합니다.
• 분류를 사용할 때 지원되는 카테고리로 명확하게 분류되지 않는 객체를 감지하려면 알 수 없는 객체에 대한 특수 처리를 구현합니다.

Material Design의 머신러닝 기반 기능 패턴 모음도 확인하세요.

실시간 애플리케이션에서 스트리밍 모드를 사용하는 경우 최상의 프레임 속도를 얻으려면 다음 가이드라인을 따르세요.

• 대부분의 기기가 적절한 프레임 속도를 생성할 수 없으므로 스트리밍 모드에서 여러 객체 감지를 사용하지 마세요.
• 분류가 필요하지 않으면 사용 중지합니다.
• 동영상 프레임을 처리하려면 감지기의 results(in:) 동기 API를 사용합니다. AVCaptureVideoDataOutputSampleBufferDelegate의 captureOutput(_, didOutput:from:) 함수에서 이 메서드를 호출하여 주어진 동영상 프레임에서 결과를 동기식으로 가져옵니다. AVCaptureVideoDataOutput의 alwaysDiscardsLateVideoFrames를 true로 유지하여 감지기 호출을 제한합니다. 감지기가 실행 중일 때 새 동영상 프레임이 사용 가능해지면 삭제됩니다.
• 인식기 출력을 사용하여 입력 이미지에서 그래픽을 오버레이하는 경우 먼저 ML Kit에서 결과를 가져온 후 이미지를 렌더링하고 단일 단계로 오버레이합니다. 이렇게 하면 처리된 입력 프레임마다 한 번만 디스플레이 표면에 렌더링됩니다. 예시는 ML Kit 빠른 시작 샘플의 updatePreviewOverlayViewWithLastFrame을 참조하세요.