Android पर एमएल किट से पोज़ का पता लगाएं

यह एपीआई, बीटा वर्शन में उपलब्ध है. यह किसी भी एसएलए या सेवा बंद होने की नीति के दायरे में नहीं आता. इस एपीआई में ऐसे बदलाव किए जा सकते हैं जिनकी वजह से, यह पुराने सिस्टम के साथ काम करना बंद कर दे.

ML Kit, पोज़ का पता लगाने के लिए दो ऑप्टिमाइज़ किए गए SDK टूल उपलब्ध कराता है.

यह एपीआई, बंडल की गई लाइब्रेरी का इस्तेमाल करता है. इससे आपके ऐप्लिकेशन का साइज़ बढ़ जाता है. ज़्यादा जानकारी के लिए, यह गाइड देखें.

SDK टूल का नाम	pose-detection	pose-detection-accurate
लागू करना	कोड और ऐसेट, बिल्ड के समय आपके ऐप्लिकेशन से स्टैटिक तौर पर लिंक होती हैं.	कोड और ऐसेट, बिल्ड के समय आपके ऐप्लिकेशन से स्टैटिक तौर पर लिंक होती हैं.
ऐप्लिकेशन के साइज़ पर असर (इसमें कोड और एसेट शामिल हैं)	~10.1 एमबी	~13.3 एमबी
परफ़ॉर्मेंस	Pixel 3XL: ~30FPS	Pixel 3XL: सीपीयू के साथ ~23 FPS, जीपीयू के साथ ~30 FPS

इसे आज़माएं

• इस एपीआई के इस्तेमाल का उदाहरण देखने के लिए, सैंपल ऐप्लिकेशन आज़माएं.

शुरू करने से पहले

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

1. प्रोजेक्ट-लेवल की build.gradle फ़ाइल में, buildscript और allprojects, दोनों सेक्शन में Google की मेवन रिपॉज़िटरी शामिल करना न भूलें.

2. अपने मॉड्यूल की ऐप्लिकेशन-लेवल की Gradle फ़ाइल में, ML Kit की Android लाइब्रेरी की डिपेंडेंसी जोड़ें. आम तौर पर, यह फ़ाइल app/build.gradle होती है:

   dependencies {
     // If you want to use the base sdk
     implementation 'com.google.mlkit:pose-detection:18.0.0-beta5'
     // If you want to use the accurate sdk
     implementation 'com.google.mlkit:pose-detection-accurate:18.0.0-beta5'
   }
   

1. PoseDetector का इंस्टेंस बनाना

PoseDetector विकल्प

किसी इमेज में पोज़ का पता लगाने के लिए, सबसे पहले PoseDetector का एक इंस्टेंस बनाएं और डिटेक्टर की सेटिंग तय करें.

गड़बड़ी का पता लगाने वाला मोड

PoseDetector, ऑब्जेक्ट की पहचान करने के दो मोड में काम करता है. पक्का करें कि आपने वह विकल्प चुना हो जो आपके इस्तेमाल के उदाहरण से मेल खाता हो.

STREAM_MODE (डिफ़ॉल्ट)

पोज़ डिटेक्टर सबसे पहले इमेज में सबसे प्रमुख व्यक्ति का पता लगाएगा और फिर पोज़ डिटेक्शन की प्रोसेस शुरू करेगा. इसके बाद के फ़्रेम में, व्यक्ति का पता लगाने की प्रोसेस तब तक नहीं की जाएगी, जब तक व्यक्ति के चेहरे को ढकने वाली कोई चीज़ न आ जाए या उसे ज़्यादा भरोसे के साथ न पहचाना जा सके. पोज़ डिटेक्टर, सबसे प्रमुख व्यक्ति को ट्रैक करने की कोशिश करेगा और हर अनुमान में उसका पोज़ दिखाएगा. इससे इंतज़ार का समय कम हो जाता है और ऑब्जेक्ट का पता लगाने में आसानी होती है. जब आपको किसी वीडियो स्ट्रीम में पोज़ का पता लगाना हो, तो इस मोड का इस्तेमाल करें.

SINGLE_IMAGE_MODE

पोज़ डिटेक्टर, किसी व्यक्ति का पता लगाएगा और फिर पोज़ का पता लगाएगा. हर इमेज के लिए, व्यक्ति का पता लगाने की प्रोसेस चलेगी. इसलिए, इंतज़ार का समय ज़्यादा होगा और व्यक्ति को ट्रैक नहीं किया जा सकेगा. स्टैटिक इमेज पर पोज़ का पता लगाने के लिए या जहां ट्रैकिंग की ज़रूरत नहीं है, तब इस मोड का इस्तेमाल करें.

हार्डवेयर कॉन्फ़िगरेशन

PoseDetector, परफ़ॉर्मेंस को ऑप्टिमाइज़ करने के लिए, कई हार्डवेयर कॉन्फ़िगरेशन के साथ काम करता है:

• CPU: सिर्फ़ सीपीयू का इस्तेमाल करके डिटेक्टर चलाएं
• CPU_GPU: सीपीयू और जीपीयू, दोनों का इस्तेमाल करके डिटेक्टर चलाएं

डिटेक्टर के विकल्प बनाते समय, हार्डवेयर के विकल्प को कंट्रोल करने के लिए, एपीआईsetPreferredHardwareConfigs का इस्तेमाल किया जा सकता है. डिफ़ॉल्ट रूप से, सभी हार्डवेयर कॉन्फ़िगरेशन को पसंदीदा के तौर पर सेट किया जाता है.

ML Kit, हर कॉन्फ़िगरेशन की उपलब्धता, स्थिरता, सटीक होने, और इंतज़ार के समय को ध्यान में रखेगा. साथ ही, पसंदीदा कॉन्फ़िगरेशन में से सबसे अच्छा कॉन्फ़िगरेशन चुनेगा. अगर पसंद के मुताबिक कोई भी कॉन्फ़िगरेशन लागू नहीं होता है, तो CPU कॉन्फ़िगरेशन का इस्तेमाल, फ़ॉलबैक के तौर पर अपने-आप किया जाएगा. ML Kit, तेज़ी से काम करने की सुविधा चालू करने से पहले, ये जांच और इससे जुड़ी तैयारी बिना किसी रुकावट के करेगा. इसलिए, यह ज़्यादा संभावना है कि जब आपका उपयोगकर्ता पहली बार डिटेक्टर चलाए, तो वह CPU का इस्तेमाल करेगा. सभी तैयारियां पूरी होने के बाद, अगले रन में सबसे सही कॉन्फ़िगरेशन का इस्तेमाल किया जाएगा.

setPreferredHardwareConfigs के इस्तेमाल के उदाहरण:

• ML Kit को सबसे अच्छा कॉन्फ़िगरेशन चुनने दें. इसके लिए, इस एपीआई को कॉल न करें.
• अगर आपको कोई भी 'तेज़ी लाएं' सुविधा चालू नहीं करनी है, तो सिर्फ़ CPU पास करें.
• अगर आपको सीपीयू को ऑफ़लोड करने के लिए, जीपीयू का इस्तेमाल करना है, भले ही जीपीयू धीमा हो, तो सिर्फ़ CPU_GPU को पास करें.

पोज़ डिटेक्टर के विकल्पों के बारे में बताएं:

Kotlin

// Base pose detector with streaming frames, when depending on the pose-detection sdk
val options = PoseDetectorOptions.Builder()
    .setDetectorMode(PoseDetectorOptions.STREAM_MODE)
    .build()

// Accurate pose detector on static images, when depending on the pose-detection-accurate sdk
val options = AccuratePoseDetectorOptions.Builder()
    .setDetectorMode(AccuratePoseDetectorOptions.SINGLE_IMAGE_MODE)
    .build()

Java

// Base pose detector with streaming frames, when depending on the pose-detection sdk
PoseDetectorOptions options =
   new PoseDetectorOptions.Builder()
       .setDetectorMode(PoseDetectorOptions.STREAM_MODE)
       .build();

// Accurate pose detector on static images, when depending on the pose-detection-accurate sdk
AccuratePoseDetectorOptions options =
   new AccuratePoseDetectorOptions.Builder()
       .setDetectorMode(AccuratePoseDetectorOptions.SINGLE_IMAGE_MODE)
       .build();

आखिर में, PoseDetector का एक इंस्टेंस बनाएं. आपने जो विकल्प तय किए हैं उन्हें पास करें:

Kotlin

val poseDetector = PoseDetection.getClient(options)

Java

PoseDetector poseDetector = PoseDetection.getClient(options);

2. इनपुट इमेज तैयार करना

किसी इमेज में पोज़ का पता लगाने के लिए, डिवाइस पर मौजूद Bitmap, media.Image, ByteBuffer, बाइट कलेक्शन या फ़ाइल में से किसी एक से InputImage ऑब्जेक्ट बनाएं. इसके बाद, InputImage ऑब्जेक्ट को PoseDetector पर पास करें.

पोज़ का पता लगाने के लिए, आपको कम से कम 480x360 पिक्सल वाली इमेज का इस्तेमाल करना चाहिए. अगर रीयल टाइम में पोज़ का पता लगाया जा रहा है, तो इस कम से कम रिज़ॉल्यूशन पर फ़्रेम कैप्चर करने से, इंतज़ार का समय कम हो सकता है.

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

media.Image का इस्तेमाल करना

media.Image ऑब्जेक्ट से InputImage ऑब्जेक्ट बनाने के लिए, media.Image ऑब्जेक्ट और इमेज के रोटेशन को InputImage.fromMediaImage() में पास करें. जैसे, जब किसी डिवाइस के कैमरे से इमेज कैप्चर की जाती है.

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 के घूमने की डिग्री बताती है, तो डिवाइस के घूमने की डिग्री और डिवाइस में कैमरे के सेंसर के ओरिएंटेशन 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 InputImage.fromMediaImage() में घुमाव की डिग्री की वैल्यू पास करें:

Kotlin

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

Java

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

फ़ाइल के यूआरआई का इस्तेमाल करना

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 उपयोगकर्ता को अपने गैलरी ऐप्लिकेशन से कोई इमेज चुनने के लिए कहने के लिए, ACTION_GET_CONTENT इंटेंट का इस्तेमाल 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 करना

ByteBuffer या ByteArray से InputImage आइटम बनाने के लिए, सबसे पहले इमेज के घूमने की डिग्री का हिसाब लगाएं. यह हिसाब लगाने का तरीका, media.Image इनपुट के लिए पहले बताया गया है. इसके बाद, बफ़र या ऐरे के साथ InputImage ऑब्जेक्ट बनाएं. साथ ही, इमेज की ऊंचाई, चौड़ाई, कलर कोडिंग फ़ॉर्मैट, और घुमाव की डिग्री भी डालें:

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 करना

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 घुमाने के डिग्री के साथ Bitmap ऑब्जेक्ट से दिखाया जाता है.

3. इमेज को प्रोसेस करना

तैयार किए गए InputImage ऑब्जेक्ट को PoseDetector के process तरीके में पास करें.

Kotlin

Task<Pose> result = poseDetector.process(image)
       .addOnSuccessListener { results ->
           // Task completed successfully
           // ...
       }
       .addOnFailureListener { e ->
           // Task failed with an exception
           // ...
       }

Java

Task<Pose> result =
        poseDetector.process(image)
                .addOnSuccessListener(
                        new OnSuccessListener<Pose>() {
                            @Override
                            public void onSuccess(Pose pose) {
                                // 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 इसका इस्तेमाल करने के बाद ImageProxy को बंद करना न भूलें. उदाहरण के लिए, process तरीके से दिखाए गए Task में OnCompleteListener जोड़कर. उदाहरण के लिए, क्विकस्टार्ट सैंपल ऐप्लिकेशन में VisionProcessorBase क्लास देखें.

4. पहचाने गए पोज़ के बारे में जानकारी पाना

अगर इमेज में किसी व्यक्ति का पता चलता है, तो पोज़ का पता लगाने वाला एपीआई, 33 PoseLandmark वाले Pose ऑब्जेक्ट को दिखाता है.

अगर व्यक्ति पूरी तरह से इमेज में नहीं था, तो मॉडल, फ़्रेम के बाहर मौजूद लैंडमार्क के निर्देशांक असाइन करता है और उन्हें कम InFrameConfidence वैल्यू देता है.

अगर फ़्रेम में किसी व्यक्ति की पहचान नहीं की गई है, तो Pose ऑब्जेक्ट में कोई PoseLandmark नहीं होगा.

Kotlin

// Get all PoseLandmarks. If no person was detected, the list will be empty
val allPoseLandmarks = pose.getAllPoseLandmarks()

// Or get specific PoseLandmarks individually. These will all be null if no person
// was detected
val leftShoulder = pose.getPoseLandmark(PoseLandmark.LEFT_SHOULDER)
val rightShoulder = pose.getPoseLandmark(PoseLandmark.RIGHT_SHOULDER)
val leftElbow = pose.getPoseLandmark(PoseLandmark.LEFT_ELBOW)
val rightElbow = pose.getPoseLandmark(PoseLandmark.RIGHT_ELBOW)
val leftWrist = pose.getPoseLandmark(PoseLandmark.LEFT_WRIST)
val rightWrist = pose.getPoseLandmark(PoseLandmark.RIGHT_WRIST)
val leftHip = pose.getPoseLandmark(PoseLandmark.LEFT_HIP)
val rightHip = pose.getPoseLandmark(PoseLandmark.RIGHT_HIP)
val leftKnee = pose.getPoseLandmark(PoseLandmark.LEFT_KNEE)
val rightKnee = pose.getPoseLandmark(PoseLandmark.RIGHT_KNEE)
val leftAnkle = pose.getPoseLandmark(PoseLandmark.LEFT_ANKLE)
val rightAnkle = pose.getPoseLandmark(PoseLandmark.RIGHT_ANKLE)
val leftPinky = pose.getPoseLandmark(PoseLandmark.LEFT_PINKY)
val rightPinky = pose.getPoseLandmark(PoseLandmark.RIGHT_PINKY)
val leftIndex = pose.getPoseLandmark(PoseLandmark.LEFT_INDEX)
val rightIndex = pose.getPoseLandmark(PoseLandmark.RIGHT_INDEX)
val leftThumb = pose.getPoseLandmark(PoseLandmark.LEFT_THUMB)
val rightThumb = pose.getPoseLandmark(PoseLandmark.RIGHT_THUMB)
val leftHeel = pose.getPoseLandmark(PoseLandmark.LEFT_HEEL)
val rightHeel = pose.getPoseLandmark(PoseLandmark.RIGHT_HEEL)
val leftFootIndex = pose.getPoseLandmark(PoseLandmark.LEFT_FOOT_INDEX)
val rightFootIndex = pose.getPoseLandmark(PoseLandmark.RIGHT_FOOT_INDEX)
val nose = pose.getPoseLandmark(PoseLandmark.NOSE)
val leftEyeInner = pose.getPoseLandmark(PoseLandmark.LEFT_EYE_INNER)
val leftEye = pose.getPoseLandmark(PoseLandmark.LEFT_EYE)
val leftEyeOuter = pose.getPoseLandmark(PoseLandmark.LEFT_EYE_OUTER)
val rightEyeInner = pose.getPoseLandmark(PoseLandmark.RIGHT_EYE_INNER)
val rightEye = pose.getPoseLandmark(PoseLandmark.RIGHT_EYE)
val rightEyeOuter = pose.getPoseLandmark(PoseLandmark.RIGHT_EYE_OUTER)
val leftEar = pose.getPoseLandmark(PoseLandmark.LEFT_EAR)
val rightEar = pose.getPoseLandmark(PoseLandmark.RIGHT_EAR)
val leftMouth = pose.getPoseLandmark(PoseLandmark.LEFT_MOUTH)
val rightMouth = pose.getPoseLandmark(PoseLandmark.RIGHT_MOUTH)

Java

// Get all PoseLandmarks. If no person was detected, the list will be empty
List<PoseLandmark> allPoseLandmarks = pose.getAllPoseLandmarks();

// Or get specific PoseLandmarks individually. These will all be null if no person
// was detected
PoseLandmark leftShoulder = pose.getPoseLandmark(PoseLandmark.LEFT_SHOULDER);
PoseLandmark rightShoulder = pose.getPoseLandmark(PoseLandmark.RIGHT_SHOULDER);
PoseLandmark leftElbow = pose.getPoseLandmark(PoseLandmark.LEFT_ELBOW);
PoseLandmark rightElbow = pose.getPoseLandmark(PoseLandmark.RIGHT_ELBOW);
PoseLandmark leftWrist = pose.getPoseLandmark(PoseLandmark.LEFT_WRIST);
PoseLandmark rightWrist = pose.getPoseLandmark(PoseLandmark.RIGHT_WRIST);
PoseLandmark leftHip = pose.getPoseLandmark(PoseLandmark.LEFT_HIP);
PoseLandmark rightHip = pose.getPoseLandmark(PoseLandmark.RIGHT_HIP);
PoseLandmark leftKnee = pose.getPoseLandmark(PoseLandmark.LEFT_KNEE);
PoseLandmark rightKnee = pose.getPoseLandmark(PoseLandmark.RIGHT_KNEE);
PoseLandmark leftAnkle = pose.getPoseLandmark(PoseLandmark.LEFT_ANKLE);
PoseLandmark rightAnkle = pose.getPoseLandmark(PoseLandmark.RIGHT_ANKLE);
PoseLandmark leftPinky = pose.getPoseLandmark(PoseLandmark.LEFT_PINKY);
PoseLandmark rightPinky = pose.getPoseLandmark(PoseLandmark.RIGHT_PINKY);
PoseLandmark leftIndex = pose.getPoseLandmark(PoseLandmark.LEFT_INDEX);
PoseLandmark rightIndex = pose.getPoseLandmark(PoseLandmark.RIGHT_INDEX);
PoseLandmark leftThumb = pose.getPoseLandmark(PoseLandmark.LEFT_THUMB);
PoseLandmark rightThumb = pose.getPoseLandmark(PoseLandmark.RIGHT_THUMB);
PoseLandmark leftHeel = pose.getPoseLandmark(PoseLandmark.LEFT_HEEL);
PoseLandmark rightHeel = pose.getPoseLandmark(PoseLandmark.RIGHT_HEEL);
PoseLandmark leftFootIndex = pose.getPoseLandmark(PoseLandmark.LEFT_FOOT_INDEX);
PoseLandmark rightFootIndex = pose.getPoseLandmark(PoseLandmark.RIGHT_FOOT_INDEX);
PoseLandmark nose = pose.getPoseLandmark(PoseLandmark.NOSE);
PoseLandmark leftEyeInner = pose.getPoseLandmark(PoseLandmark.LEFT_EYE_INNER);
PoseLandmark leftEye = pose.getPoseLandmark(PoseLandmark.LEFT_EYE);
PoseLandmark leftEyeOuter = pose.getPoseLandmark(PoseLandmark.LEFT_EYE_OUTER);
PoseLandmark rightEyeInner = pose.getPoseLandmark(PoseLandmark.RIGHT_EYE_INNER);
PoseLandmark rightEye = pose.getPoseLandmark(PoseLandmark.RIGHT_EYE);
PoseLandmark rightEyeOuter = pose.getPoseLandmark(PoseLandmark.RIGHT_EYE_OUTER);
PoseLandmark leftEar = pose.getPoseLandmark(PoseLandmark.LEFT_EAR);
PoseLandmark rightEar = pose.getPoseLandmark(PoseLandmark.RIGHT_EAR);
PoseLandmark leftMouth = pose.getPoseLandmark(PoseLandmark.LEFT_MOUTH);
PoseLandmark rightMouth = pose.getPoseLandmark(PoseLandmark.RIGHT_MOUTH);

परफ़ॉर्मेंस को बेहतर बनाने के लिए सलाह

नतीजों की क्वालिटी, इनपुट इमेज की क्वालिटी पर निर्भर करती है:

• ML Kit को पोज़ का सटीक तरीके से पता लगाने के लिए, इमेज में व्यक्ति का ज़रूरत के मुताबिक पिक्सल डेटा होना चाहिए. बेहतर परफ़ॉर्मेंस के लिए, विषय कम से कम 256x256 पिक्सल का होना चाहिए.
• अगर आपको रीयल-टाइम ऐप्लिकेशन में पोज़ का पता चलता है, तो हो सकता है कि आप इनपुट इमेज के सभी डाइमेंशन पर भी ध्यान देना चाहें. छोटी इमेज को तेज़ी से प्रोसेस किया जा सकता है. इसलिए, इंतज़ार का समय कम करने के लिए, इमेज को कम रिज़ॉल्यूशन में कैप्चर करें. हालांकि, रिज़ॉल्यूशन से जुड़ी ऊपर दी गई ज़रूरी शर्तों को ध्यान में रखें और पक्का करें कि ऑब्जेक्ट, इमेज में ज़्यादा से ज़्यादा जगह ले रहा हो.
• इमेज का फ़ोकस खराब होने पर भी नतीजों की सटीकता पर असर पड़ सकता है. अगर आपको सही नतीजे नहीं मिलते हैं, तो उपयोगकर्ता से इमेज फिर से लेने के लिए कहें.

अगर आपको रीयल-टाइम ऐप्लिकेशन में पोज़ डिटेक्शन का इस्तेमाल करना है, तो सबसे अच्छा फ़्रेमरेट पाने के लिए इन दिशा-निर्देशों का पालन करें:

• पोज़ का पता लगाने वाले बेस SDK और STREAM_MODE का इस्तेमाल करें.
• इमेज को कम रिज़ॉल्यूशन में कैप्चर करें. हालांकि, इस एपीआई के लिए इमेज के डाइमेंशन से जुड़ी ज़रूरी शर्तों का भी ध्यान रखें.
• अगर Camera या camera2 एपीआई का इस्तेमाल किया जाता है, तो डिटेक्टर को कॉल को कम करें. अगर डिटेक्टर चालू होने के दौरान कोई नया वीडियो फ़्रेम उपलब्ध होता 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 पक्का करें कि बैकप्रेशर की रणनीति, डिफ़ॉल्ट वैल्यू पर सेट हो ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST. इससे यह पक्का होता है कि विश्लेषण के लिए एक बार में सिर्फ़ एक इमेज डिलीवर की जाएगी. अगर विश्लेषक व्यस्त होने पर ज़्यादा इमेज जनरेट होती हैं, तो वे अपने-आप हट जाएंगी और डिलीवरी के लिए कतार में नहीं जोड़ी जाएंगी. ImageProxy.close() को कॉल करके, जिस इमेज का विश्लेषण किया जा रहा है उसे बंद करने के बाद, अगली नई इमेज डिलीवर की जाएगी.
• अगर इनपुट इमेज पर ग्राफ़िक ओवरले करने के लिए, डिटेक्टर के आउटपुट का इस्तेमाल किया जाता है, तो पहले ML Kit से नतीजा पाएं. इसके बाद, एक ही चरण में इमेज को रेंडर करें और ओवरले करें. यह हर इनपुट फ़्रेम के लिए, डिसप्ले प्लैटफ़ॉर्म पर सिर्फ़ एक बार रेंडर होता है. उदाहरण के लिए, क्विकस्टार्ट सैंपल ऐप्लिकेशन में CameraSourcePreview और GraphicOverlay क्लास देखें.
• अगर Camera2 API का इस्तेमाल किया जा रहा 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.

अगले चरण

• पोज़ की कैटगरी तय करने के लिए, पोज़ के लैंडमार्क का इस्तेमाल करने का तरीका जानने के लिए, पोज़ की कैटगरी तय करने से जुड़ी सलाह देखें.