ML Kit で姿勢を検出する(iOS)

ML Kit では、姿勢検出用に最適化された SDK が 2 つ用意されています。

SDK 名姿勢検出検出の正確さ
実装基本検出機能のアセットは、ビルド時にアプリに静的にリンクされます。正確な検出のためのアセットは、ビルド時にアプリに静的にリンクされます。
アプリのサイズ最大 29.6 MB最大 33.2 MB
PerformanceiPhone X: 最大 45 FPSiPhone X: 最大 29 FPS

始める前に

  1. Podfile に次の ML Kit Pod を含めます。

    # If you want to use the base implementation:
    pod 'GoogleMLKit/PoseDetection', '3.2.0'
    
    # If you want to use the accurate implementation:
    pod 'GoogleMLKit/PoseDetectionAccurate', '3.2.0'
    
  2. プロジェクトの Pod をインストールまたは更新した後に、xcworkspace を使用して Xcode プロジェクトを開きます。ML Kit は、Xcode バージョン 13.2.1 以降でサポートされています。

1. PoseDetector のインスタンスを作成する

画像内のポーズを検出するには、まず PoseDetector のインスタンスを作成し、必要に応じて検出設定を指定します。

PoseDetectorのオプション

検出モード

PoseDetector は 2 つの検出モードで動作します。ユースケースに一致するものを選択してください。

stream(デフォルト)
姿勢検出機能は、まず画像内で最も目立つ人を検出し、次に姿勢検出を実行します。後続のフレームでは、人物が不明瞭になるか、高い信頼性で検出されない限り、人感センサーの手順は行われません。姿勢検出機能は、最も目立つ人を追跡し、各推論で姿勢を返します。これにより、レイテンシが短くなり、検出がスムーズになります。このモードは、動画ストリーム内のポーズを検出する場合に使用します。
singleImage
姿勢検出機能は、人を検出してから姿勢検出を行います。人感センサーの手順は画像ごとに実行されるため、レイテンシが長くなり、人による追跡は行われません。このモードは、静止画像での姿勢検出を使用する場合や、トラッキングが不要な場合に使用します。

姿勢検出オプションを指定します。

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;

最後に、PoseDetector のインスタンスを取得します。指定したオプションを渡します。

Swift

let poseDetector = PoseDetector.poseDetector(options: options)

Objective-C

MLKPoseDetector *poseDetector =
    [MLKPoseDetector poseDetectorWithOptions:options];

2. 入力画像を準備する

ポーズを検出するには、動画の各フレームまたは画像フレームに対して次の操作を行います。ストリーム モードを有効にした場合は、CMSampleBuffer から VisionImage オブジェクトを作成する必要があります。

UIImage または CMSampleBuffer を使用して VisionImage オブジェクトを作成します。

UIImage を使用する場合は、次の手順を行います。

  • UIImage を使用して VisionImage オブジェクトを作成します。正しい .orientation を指定してください。

    Swift

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

    Objective-C

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

CMSampleBuffer を使用する場合は、次の手順を行います。

  • CMSampleBuffer に含まれる画像データの向きを指定します。

    画像の向きは次のように取得します。

    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 オブジェクトと向きを使用して VisionImage オブジェクトを作成します。

    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. 画像を処理する

VisionImage を姿勢検出器の画像処理メソッドのいずれかに渡します。非同期 process(image:) メソッドまたは同期 results() メソッドのいずれかを使用できます。

オブジェクトを同期的に検出するには:

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.

オブジェクトを非同期で検出するには:

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.
                  }];

4. 検出されたポーズに関する情報を取得します

画像内で人物が検出された場合、ポーズ検出 API は、非同期と同期のどちらメソッドを呼び出したかによって、Pose オブジェクトの配列を完了ハンドラに渡すか配列を返します。

人物が完全に画像内に収まっていない場合、モデルは、欠落しているランドマークの座標をフレーム外に割り当て、InFrameConfidence 値を低くします。

人物が検出されなかった場合、配列は空になります。

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;
  }
}

パフォーマンスを向上させるためのヒント

結果の品質は、入力画像の品質によって異なります。

  • ML Kit で姿勢を正確に検出するには、画像内の人物を十分なピクセルデータで表現する必要があります。最適なパフォーマンスを得るには、被写体を 256x256 ピクセル以上にする必要があります。
  • リアルタイム アプリケーションでポーズを検出する場合は、入力画像の全体的なサイズも考慮する必要があります。サイズが小さいほど処理は高速になるため、レイテンシを短くするには画像を低解像度でキャプチャする必要があります。ただし、上記の解像度要件に注意し、被写体が画像のできるだけ広い範囲を占めるようにしてください。
  • 画像がぼやけていると、精度にも影響します。満足のいく結果が得られない場合は、ユーザーに画像をキャプチャし直すよう求めてください。

リアルタイムのアプリケーションで姿勢検出を使用する場合は、適切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。

  • 基本の PoseDetection SDK と stream 検出モードを使用します。
  • より低い解像度で画像をキャプチャすることを検討してください。ただし、この API の画像サイズに関する要件にも留意してください。
  • 動画フレームを処理するには、検出機能の results(in:) 同期 API を使用します。AVCaptureVideoDataOutputSampleBufferDelegate&3tureOutput(_, DidOutput:from:) 関数からこのメソッドを呼び出して、指定された動画フレームから同期的に結果を取得します。AVCaptureVideoDataOutputalwaysdestroyLateVideoFrames を true のままにして、検出機能の呼び出しを調整します。検出器の実行中に新しい動画フレームが使用可能になると、そのフレームは破棄されます。
  • 検出器の出力を使用して入力画像の上にグラフィックスをオーバーレイする場合は、まず ML Kit から検出結果を取得し、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 サーフェスへのレンダリングは処理済みの入力フレームごとに 1 回で済みます。例については、ショーケース サンプルアプリの previewOverlayView クラスと MLKDetectionOverlayView クラスをご覧ください。

次のステップ