iOS-এ ML Kit-এর মাধ্যমে পোজ শনাক্ত করা

এই API বিটা ভার্সনে অফার করা হয় এবং এটি কোনও SLA বা শীঘ্রই বন্ধ করা সংক্রান্ত নীতির আওতাভুক্ত নয়। এই API-তে এমন পরিবর্তন করা হতে পারে যার ফলে ব্যাকওয়ার্ড কম্প্যাটিবিলিটি নষ্ট হয়ে যেতে পারে।

ML Kit পোজ শনাক্তকরণের জন্য দুটি অপ্টিমাইজ করা SDK প্রদান করে।

SDK-এর নাম	PoseDetection	PoseDetectionAccurate
প্রয়োগ	বেস ডিটেক্টরের অ্যাসেট বিল্ড করার সময় আপনার অ্যাপের সাথে স্ট্যাটিক্যালি লিঙ্ক করা হয়।	বিল্ড করার সময় সঠিক ডিটেক্টরের জন্য অ্যাসেট আপনার অ্যাপের সাথে স্ট্যাটিক্যালি লিঙ্ক করা হয়।
অ্যাপ সাইজ	সর্বাধিক ২৯.৬ এমবি	সর্বাধিক ৩৩.২ এমবি
পারফর্ম্যান্স	iPhone X: ~৪৫FPS	iPhone X: ~২৯FPS

এটি ব্যবহার করে দেখুন

• এই API-এর ব্যবহারিক উদাহরণ দেখতে স্যাম্পেল অ্যাপ ব্যবহার করে দেখুন।

শুরু করার আগে

1. আপনার Podfile-এ নিম্নলিখিত ML Kit পড অন্তর্ভুক্ত করুন:

   # If you want to use the base implementation:
   pod 'GoogleMLKit/PoseDetection', '8.0.0'
   
   # If you want to use the accurate implementation:
   pod 'GoogleMLKit/PoseDetectionAccurate', '8.0.0'
   

2. আপনার প্রোজেক্টের পড ইনস্টল বা আপডেট করার পরে, xcworkspace ব্যবহার করে আপনার Xcode প্রোজেক্ট খুলুন। ML Kit, Xcode ভার্সন 13.2.1 বা তার পরবর্তী যেকোনও ভার্সনে কাজ করে।

১. PoseDetector-এর একটি ইনস্ট্যান্স তৈরি করুন

কোনও ছবিতে পোজ শনাক্ত করতে, প্রথমে PoseDetector-এর একটি ইনস্ট্যান্স তৈরি করুন এবং বিকল্প হিসেবে ডিটেক্টর সেটিংস নির্দিষ্ট করুন।

PoseDetector বিকল্প

শনাক্তকরণ মোড

PoseDetector দুটি শনাক্তকরণ মোডে কাজ করে। আপনার ব্যবহারের ক্ষেত্রে যেটি প্রযোজ্য সেটি বেছে নিতে ভুলবেন না।

stream (ডিফল্ট)

পোজ ডিটেক্টর প্রথমে ছবিতে সবচেয়ে স্পষ্টভাবে দেখা যাচ্ছে এমন ব্যক্তিকে শনাক্ত করবে এবং তারপর পোজ ডিটেকশন রান করবে। পরবর্তী ফ্রেমগুলিতে, ব্যক্তি শনাক্তকরণের ধাপটি পরিচালনা করা হবে না যতক্ষণ না ব্যক্তিটি অস্পষ্ট হয়ে যায় বা উচ্চ আত্মবিশ্বাসের সাথে আর শনাক্ত করা না যায়। পোজ ডিটেক্টর সবচেয়ে বিশিষ্ট ব্যক্তিকে ট্র্যাক করার চেষ্টা করবে এবং প্রতিটি ইনফারেন্সে তার পোজ রিটার্ন করবে। এটি লেটেন্সি কমায় এবং শনাক্তকরণ আরও মসৃণ করে। ভিডিও স্ট্রিমে পোজ শনাক্ত করতে চাইলে এই মোড ব্যবহার করুন।

singleImage

পোজ ডিটেক্টর কোনও ব্যক্তিকে শনাক্ত করবে এবং তারপর পোজ ডিটেকশন রান করবে। ব্যক্তি শনাক্তকরণ ধাপটি প্রতিটি ছবির জন্য চলবে, তাই লেটেন্সি বেশি হবে এবং কোনও ব্যক্তি-ট্র্যাকিং নেই। স্ট্যাটিক ছবিতে পোজ শনাক্তকরণ ব্যবহার করার সময় অথবা যেখানে ট্র্যাকিংয়ের প্রয়োজন নেই সেখানে এই মোড ব্যবহার করুন।

পোজ ডিটেক্টর বিকল্প নির্দিষ্ট করুন:

Swift

// Base pose detector with streaming, when depending on the PoseDetection SDK
let options = PoseDetectorOptions()
options.detectorMode = .stream

// Accurate pose detector on static images, when depending on the
// PoseDetectionAccurate SDK
let options = AccuratePoseDetectorOptions()
options.detectorMode = .singleImage

Objective-C

// Base pose detector with streaming, when depending on the PoseDetection SDK
MLKPoseDetectorOptions *options = [[MLKPoseDetectorOptions alloc] init];
options.detectorMode = MLKPoseDetectorModeStream;

// Accurate pose detector on static images, when depending on the
// PoseDetectionAccurate SDK
MLKAccuratePoseDetectorOptions *options =
    [[MLKAccuratePoseDetectorOptions alloc] init];
options.detectorMode = MLKPoseDetectorModeSingleImage;

সবশেষে, PoseDetector-এর ইনস্ট্যান্স পান। আপনার উল্লেখ করা বিকল্পগুলি পাস করুন:

Swift

let poseDetector = PoseDetector.poseDetector(options: options)

Objective-C

MLKPoseDetector *poseDetector =
    [MLKPoseDetector poseDetectorWithOptions:options];

২. ইনপুট ছবি প্রস্তুত করুন

পোজ শনাক্ত করতে, প্রতিটি ছবি বা ভিডিওর ফ্রেমের জন্য নিম্নলিখিত ধাপগুলি অনুসরণ করুন। আপনি স্ট্রিম মোড চালু করলে, আপনাকে অবশ্যই CMSampleBuffer থেকে VisionImage অবজেক্ট তৈরি করতে হবে।

UIImage বা CMSampleBuffer ব্যবহার করে একটি VisionImage অবজেক্ট তৈরি করুন।

আপনি UIImage ব্যবহার করলে, এইসব ধাপ অনুসরণ করুন:

• UIImage-এর সাহায্যে VisionImage অবজেক্ট তৈরি করুন। সঠিক .orientation উল্লেখ করতে ভুলবেন না।

  Swift

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

  Objective-C

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

আপনি CMSampleBuffer ব্যবহার করলে, এইসব ধাপ অনুসরণ করুন:

• CMSampleBuffer-এ থাকা ইমেজ ডেটার ওরিয়েন্টেশন নির্দিষ্ট করুন।

  ছবির ওরিয়েন্টেশন পেতে:

  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 অবজেক্ট ও ওরিয়েন্টেশন ব্যবহার করে VisionImage অবজেক্ট তৈরি করুন:

  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];

৩. ছবি প্রসেস করুন

VisionImage-কে পোজ ডিটেক্টরের ইমেজ প্রসেসিং পদ্ধতির একটিতে পাস করুন। আপনি অ্যাসিঙ্ক্রোনাস process(image:) পদ্ধতি অথবা সিঙ্ক্রোনাস results() পদ্ধতি ব্যবহার করতে পারেন।

সিঙ্ক্রোনাসভাবে অবজেক্ট শনাক্ত করতে:

Swift

var results: [Pose]
do {
  results = try poseDetector.results(in: image)
} catch let error {
  print("Failed to detect pose with error: \(error.localizedDescription).")
  return
}
guard let detectedPoses = results, !detectedPoses.isEmpty else {
  print("Pose detector returned no results.")
  return
}

// Success. Get pose landmarks here.

Objective-C

NSError *error;
NSArray *poses = [poseDetector resultsInImage:image error:&error];
if (error != nil) {
  // Error.
  return;
}
if (poses.count == 0) {
  // No pose detected.
  return;
}

// Success. Get pose landmarks here.

অ্যাসিঙ্ক্রোনাসভাবে অবজেক্ট শনাক্ত করতে:

Swift

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

  // Success. Get pose landmarks here.
}

Objective-C

[poseDetector processImage:image
                completion:^(NSArray * _Nullable poses,
                             NSError * _Nullable error) {
                    if (error != nil) {
                      // Error.
                      return;
                    }
                    if (poses.count == 0) {
                      // No pose detected.
                      return;
                    }

                    // Success. Get pose landmarks here.
                  }];

৪. শনাক্ত করা পোজ সম্পর্কে তথ্য পান

ছবিতে কোনও ব্যক্তিকে শনাক্ত করা হলে, পোজ শনাক্তকরণ API হয় Pose অবজেক্টের একটি অ্যারে কমপ্লিশন হ্যান্ডলারের কাছে পাঠায় অথবা অ্যারেটি ফিরিয়ে দেয়। আপনি অ্যাসিঙ্ক্রোনাস নাকি সিঙ্ক্রোনাস পদ্ধতি কল করেছেন তার উপর এটি নির্ভর করে।

কোনও ব্যক্তি সম্পূর্ণভাবে ছবির মধ্যে না থাকলে, মডেলটি ফ্রেমের বাইরে অনুপস্থিত ল্যান্ডমার্কের স্থানাঙ্ক অ্যাসাইন করে এবং তাদের কম InFrameConfidence মান দেয়।

কোনও ব্যক্তিকে শনাক্ত করা না গেলে, অ্যারে খালি থাকে।

Swift

for pose in detectedPoses {
  let leftAnkleLandmark = pose.landmark(ofType: .leftAnkle)
  if leftAnkleLandmark.inFrameLikelihood > 0.5 {
    let position = leftAnkleLandmark.position
  }
}

Objective-C

for (MLKPose *pose in detectedPoses) {
  MLKPoseLandmark *leftAnkleLandmark =
      [pose landmarkOfType:MLKPoseLandmarkTypeLeftAnkle];
  if (leftAnkleLandmark.inFrameLikelihood > 0.5) {
    MLKVision3DPoint *position = leftAnkleLandmark.position;
  }
}

পারফর্ম্যান্স উন্নত করার পরামর্শ

আপনার ফলাফলের কোয়ালিটি ইনপুট ছবির কোয়ালিটির উপর নির্ভর করে:

• ML Kit যাতে সঠিকভাবে পোজ শনাক্ত করতে পারে, তার জন্য ছবিতে থাকা ব্যক্তির পর্যাপ্ত পিক্সেল ডেটা থাকতে হবে; সেরা পারফর্ম্যান্সের জন্য, সাবজেক্টের কমপক্ষে ২৫৬x২৫৬ পিক্সেল হতে হবে।
• আপনি যদি রিয়েল-টাইম অ্যাপ্লিকেশনে পোজ শনাক্ত করেন, তাহলে আপনি ইনপুট ছবির সামগ্রিক ডাইমেনশনও বিবেচনা করতে পারেন। ছোট ছবি দ্রুত প্রসেস করা যায়, তাই লেটেন্সি কমাতে কম রেজোলিউশনে ছবি তুলুন, তবে উপরে উল্লেখ করা রেজোলিউশন সংক্রান্ত প্রয়োজনীয়তা মাথায় রাখুন এবং নিশ্চিত করুন যে ছবির যতটা সম্ভব বেশি অংশ জুড়ে যেন সাবজেক্ট থাকে।
• ছবির ফোকাস খারাপ হলেও নির্ভুলতার উপর প্রভাব পড়তে পারে। আপনি গ্রহণযোগ্য ফলাফল না পেলে, ব্যবহারকারীকে আবার ছবি তুলতে বলুন।

আপনি যদি রিয়েল-টাইম অ্যাপ্লিকেশনে পোজ শনাক্তকরণ ব্যবহার করতে চান, তাহলে সেরা ফ্রেমরেট পেতে এই নির্দেশিকাগুলি অনুসরণ করুন:

• বেস PoseDetection SDK এবং stream শনাক্তকরণ মোড ব্যবহার করুন।
• কম রেজোলিউশনে ছবি তোলার কথা বিবেচনা করুন। তবে, এই API-এর ছবির ডাইমেনশন সংক্রান্ত প্রয়োজনীয়তাও মনে রাখবেন।
• ভিডিও ফ্রেম প্রসেস করার জন্য, ডিটেক্টরের results(in:) সিঙ্ক্রোনাস API ব্যবহার করুন। প্রদত্ত ভিডিও ফ্রেম থেকে সিঙ্ক্রোনাসভাবে ফলাফল পেতে AVCaptureVideoDataOutputSampleBufferDelegate-এর captureOutput(_, didOutput:from:) ফাংশন থেকে এই পদ্ধতি কল করুন। ডিটেক্টরে কল থ্রটল করতে AVCaptureVideoDataOutput-এর alwaysDiscardsLateVideoFrames true হিসেবে সেট করুন। ডিটেক্টর চলাকালীন নতুন ভিডিও ফ্রেম উপলভ্য হলে, সেটি বাদ দেওয়া হবে।
• ইনপুট ইমেজে গ্রাফিক্স ওভারলে করার জন্য আপনি যদি ডিটেক্টরের আউটপুট ব্যবহার করেন, তাহলে প্রথমে ML Kit থেকে ফলাফল পান, তারপর ইমেজ রেন্ডার করুন এবং একটি ধাপে ওভারলে করুন। এটি করার মাধ্যমে, আপনি প্রতিটি প্রসেস করা ইনপুট ফ্রেমের জন্য ডিসপ্লে সারফেসে শুধুমাত্র একবার রেন্ডার করেন। উদাহরণ দেখতে, শোকেস স্যাম্পেল অ্যাপে previewOverlayView এবং MLKDetectionOverlayView ক্লাস দেখুন।

পরবর্তী ধাপ

• পোজ ক্লাসিফাই করার জন্য পোজ ল্যান্ডমার্ক কীভাবে ব্যবহার করতে হয় তা জানতে, পোজ ক্লাসিফিকেশন সংক্রান্ত পরামর্শ দেখুন।
• এই API-এর ব্যবহার সম্পর্কে জানতে GitHub-এ ML Kit কুইকস্টার্ট স্যাম্পেল দেখুন।