एंड्रॉइड पर एमएल किट के साथ ऑब्जेक्ट का पता लगाएं और ट्रैक करें

आप वीडियो के फ़्रेम में ऑब्जेक्ट का पता लगाने और उन्हें ट्रैक करने के लिए एमएल किट का उपयोग कर सकते हैं।

जब आप एमएल किट छवियां पास करते हैं, तो एमएल किट प्रत्येक छवि के लिए, अधिकतम पांच पहचानी गई वस्तुओं की सूची और छवि में उनकी स्थिति लौटाता है। वीडियो स्ट्रीम में ऑब्जेक्ट का पता लगाते समय, प्रत्येक ऑब्जेक्ट में एक आईडी होती है जिसका उपयोग आप छवियों में ऑब्जेक्ट को ट्रैक करने के लिए कर सकते हैं। आप वैकल्पिक रूप से मोटे ऑब्जेक्ट वर्गीकरण को भी सक्षम कर सकते हैं, जो वस्तुओं को व्यापक श्रेणी विवरण के साथ लेबल करता है।

शुरू करने से पहले

  1. यदि आपने पहले से नहीं किया है, तो अपने एंड्रॉइड प्रोजेक्ट में फायरबेस जोड़ें
  2. अपने मॉड्यूल (ऐप-स्तर) ग्रैडल फ़ाइल (आमतौर पर app/build.gradle ) में एमएल किट एंड्रॉइड लाइब्रेरीज़ के लिए निर्भरताएं जोड़ें:
    apply plugin: 'com.android.application'
    apply plugin: 'com.google.gms.google-services'
    
    dependencies {
      // ...
    
      implementation 'com.google.firebase:firebase-ml-vision:24.0.3'
      implementation 'com.google.firebase:firebase-ml-vision-object-detection-model:19.0.6'
    }
    

1. ऑब्जेक्ट डिटेक्टर को कॉन्फ़िगर करें

ऑब्जेक्ट का पता लगाना और ट्रैक करना शुरू करने के लिए, पहले FirebaseVisionObjectDetector का एक उदाहरण बनाएं, वैकल्पिक रूप से किसी भी डिटेक्टर सेटिंग्स को निर्दिष्ट करें जिसे आप डिफ़ॉल्ट से बदलना चाहते हैं।

  1. अपने उपयोग के मामले के लिए FirebaseVisionObjectDetectorOptions ऑब्जेक्ट के साथ ऑब्जेक्ट डिटेक्टर को कॉन्फ़िगर करें। आप निम्नलिखित सेटिंग्स बदल सकते हैं:

    ऑब्जेक्ट डिटेक्टर सेटिंग्स
    डिटेक्शन मोड STREAM_MODE (डिफ़ॉल्ट) | SINGLE_IMAGE_MODE

    STREAM_MODE (डिफ़ॉल्ट) में, ऑब्जेक्ट डिटेक्टर कम विलंबता के साथ चलता है, लेकिन डिटेक्टर के पहले कुछ आह्वान पर अपूर्ण परिणाम (जैसे अनिर्दिष्ट बाउंडिंग बॉक्स या श्रेणी लेबल) उत्पन्न कर सकता है। साथ ही, STREAM_MODE में, डिटेक्टर ऑब्जेक्ट को ट्रैकिंग आईडी निर्दिष्ट करता है, जिसका उपयोग आप फ़्रेम में ऑब्जेक्ट को ट्रैक करने के लिए कर सकते हैं। इस मोड का उपयोग तब करें जब आप ऑब्जेक्ट को ट्रैक करना चाहते हैं, या जब कम विलंबता महत्वपूर्ण हो, जैसे कि वास्तविक समय में वीडियो स्ट्रीम संसाधित करते समय।

    SINGLE_IMAGE_MODE में, ऑब्जेक्ट डिटेक्टर तब तक प्रतीक्षा करता है जब तक किसी ज्ञात ऑब्जेक्ट का बाउंडिंग बॉक्स और (यदि आपने वर्गीकरण सक्षम किया है) श्रेणी लेबल परिणाम देने से पहले उपलब्ध नहीं हो जाता है। परिणामस्वरूप, पता लगाने में विलंब संभावित रूप से अधिक है। साथ ही, SINGLE_IMAGE_MODE में, ट्रैकिंग आईडी निर्दिष्ट नहीं की गई हैं। यदि विलंबता गंभीर नहीं है और आप आंशिक परिणामों से निपटना नहीं चाहते हैं तो इस मोड का उपयोग करें।

    अनेक वस्तुओं का पता लगाएं और उन्हें ट्रैक करें false (डिफ़ॉल्ट) | true

    क्या अधिकतम पांच वस्तुओं का पता लगाना और ट्रैक करना है या केवल सबसे प्रमुख वस्तु (डिफ़ॉल्ट) की।

    वस्तुओं को वर्गीकृत करें false (डिफ़ॉल्ट) | true

    खोजी गई वस्तुओं को मोटे श्रेणियों में वर्गीकृत किया जाए या नहीं। सक्षम होने पर, ऑब्जेक्ट डिटेक्टर वस्तुओं को निम्नलिखित श्रेणियों में वर्गीकृत करता है: फैशन सामान, भोजन, घरेलू सामान, स्थान, पौधे और अज्ञात।

    ऑब्जेक्ट डिटेक्शन और ट्रैकिंग एपीआई इन दो मुख्य उपयोग मामलों के लिए अनुकूलित है:

    • कैमरा व्यूफ़ाइंडर में सबसे प्रमुख वस्तु का लाइव पता लगाना और ट्रैकिंग करना
    • एक स्थिर छवि से एकाधिक वस्तुओं का पता लगाना

    इन उपयोग मामलों के लिए एपीआई कॉन्फ़िगर करने के लिए:

    Java

    // Live detection and tracking
    FirebaseVisionObjectDetectorOptions options =
            new FirebaseVisionObjectDetectorOptions.Builder()
                    .setDetectorMode(FirebaseVisionObjectDetectorOptions.STREAM_MODE)
                    .enableClassification()  // Optional
                    .build();
    
    // Multiple object detection in static images
    FirebaseVisionObjectDetectorOptions options =
            new FirebaseVisionObjectDetectorOptions.Builder()
                    .setDetectorMode(FirebaseVisionObjectDetectorOptions.SINGLE_IMAGE_MODE)
                    .enableMultipleObjects()
                    .enableClassification()  // Optional
                    .build();
    

    Kotlin+KTX

    // Live detection and tracking
    val options = FirebaseVisionObjectDetectorOptions.Builder()
            .setDetectorMode(FirebaseVisionObjectDetectorOptions.STREAM_MODE)
            .enableClassification()  // Optional
            .build()
    
    // Multiple object detection in static images
    val options = FirebaseVisionObjectDetectorOptions.Builder()
            .setDetectorMode(FirebaseVisionObjectDetectorOptions.SINGLE_IMAGE_MODE)
            .enableMultipleObjects()
            .enableClassification()  // Optional
            .build()
    
  2. FirebaseVisionObjectDetector का एक उदाहरण प्राप्त करें:

    Java

    FirebaseVisionObjectDetector objectDetector =
            FirebaseVision.getInstance().getOnDeviceObjectDetector();
    
    // Or, to change the default settings:
    FirebaseVisionObjectDetector objectDetector =
            FirebaseVision.getInstance().getOnDeviceObjectDetector(options);
    

    Kotlin+KTX

    val objectDetector = FirebaseVision.getInstance().getOnDeviceObjectDetector()
    
    // Or, to change the default settings:
    val objectDetector = FirebaseVision.getInstance().getOnDeviceObjectDetector(options)
    

2. ऑब्जेक्ट डिटेक्टर चलाएँ

ऑब्जेक्ट का पता लगाने और ट्रैक करने के लिए, छवियों को FirebaseVisionObjectDetector इंस्टेंस की processImage() विधि में पास करें।

क्रम में वीडियो या छवि के प्रत्येक फ्रेम के लिए, निम्नलिखित कार्य करें:

  1. अपनी छवि से एक FirebaseVisionImage ऑब्जेक्ट बनाएं।

    • media.Image ऑब्जेक्ट से FirebaseVisionImage ऑब्जेक्ट बनाने के लिए, जैसे किसी डिवाइस के कैमरे से छवि कैप्चर करते समय, media.Image ऑब्जेक्ट और छवि के रोटेशन को FirebaseVisionImage.fromMediaImage() पर पास करें।

      यदि आप कैमराएक्स लाइब्रेरी का उपयोग करते हैं, तो OnImageCapturedListener और ImageAnalysis.Analyzer कक्षाएं आपके लिए रोटेशन मान की गणना करती हैं, इसलिए आपको FirebaseVisionImage.fromMediaImage() कॉल करने से पहले रोटेशन को एमएल किट के ROTATION_ स्थिरांक में से एक में परिवर्तित करने की आवश्यकता है:

      Java

      private class YourAnalyzer implements ImageAnalysis.Analyzer {
      
          private int degreesToFirebaseRotation(int degrees) {
              switch (degrees) {
                  case 0:
                      return FirebaseVisionImageMetadata.ROTATION_0;
                  case 90:
                      return FirebaseVisionImageMetadata.ROTATION_90;
                  case 180:
                      return FirebaseVisionImageMetadata.ROTATION_180;
                  case 270:
                      return FirebaseVisionImageMetadata.ROTATION_270;
                  default:
                      throw new IllegalArgumentException(
                              "Rotation must be 0, 90, 180, or 270.");
              }
          }
      
          @Override
          public void analyze(ImageProxy imageProxy, int degrees) {
              if (imageProxy == null || imageProxy.getImage() == null) {
                  return;
              }
              Image mediaImage = imageProxy.getImage();
              int rotation = degreesToFirebaseRotation(degrees);
              FirebaseVisionImage image =
                      FirebaseVisionImage.fromMediaImage(mediaImage, rotation);
              // Pass image to an ML Kit Vision API
              // ...
          }
      }
      

      Kotlin+KTX

      private class YourImageAnalyzer : ImageAnalysis.Analyzer {
          private fun degreesToFirebaseRotation(degrees: Int): Int = when(degrees) {
              0 -> FirebaseVisionImageMetadata.ROTATION_0
              90 -> FirebaseVisionImageMetadata.ROTATION_90
              180 -> FirebaseVisionImageMetadata.ROTATION_180
              270 -> FirebaseVisionImageMetadata.ROTATION_270
              else -> throw Exception("Rotation must be 0, 90, 180, or 270.")
          }
      
          override fun analyze(imageProxy: ImageProxy?, degrees: Int) {
              val mediaImage = imageProxy?.image
              val imageRotation = degreesToFirebaseRotation(degrees)
              if (mediaImage != null) {
                  val image = FirebaseVisionImage.fromMediaImage(mediaImage, imageRotation)
                  // Pass image to an ML Kit Vision API
                  // ...
              }
          }
      }
      

      यदि आप ऐसी कैमरा लाइब्रेरी का उपयोग नहीं करते हैं जो आपको छवि का रोटेशन देती है, तो आप डिवाइस के रोटेशन और डिवाइस में कैमरा सेंसर के ओरिएंटेशन से इसकी गणना कर सकते हैं:

      Java

      private static final SparseIntArray ORIENTATIONS = new SparseIntArray();
      static {
          ORIENTATIONS.append(Surface.ROTATION_0, 90);
          ORIENTATIONS.append(Surface.ROTATION_90, 0);
          ORIENTATIONS.append(Surface.ROTATION_180, 270);
          ORIENTATIONS.append(Surface.ROTATION_270, 180);
      }
      
      /**
       * 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, Context context)
              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);
      
          // On most devices, the sensor orientation is 90 degrees, but for some
          // devices it is 270 degrees. For devices with a sensor orientation of
          // 270, rotate the image an additional 180 ((270 + 270) % 360) degrees.
          CameraManager cameraManager = (CameraManager) context.getSystemService(CAMERA_SERVICE);
          int sensorOrientation = cameraManager
                  .getCameraCharacteristics(cameraId)
                  .get(CameraCharacteristics.SENSOR_ORIENTATION);
          rotationCompensation = (rotationCompensation + sensorOrientation + 270) % 360;
      
          // Return the corresponding FirebaseVisionImageMetadata rotation value.
          int result;
          switch (rotationCompensation) {
              case 0:
                  result = FirebaseVisionImageMetadata.ROTATION_0;
                  break;
              case 90:
                  result = FirebaseVisionImageMetadata.ROTATION_90;
                  break;
              case 180:
                  result = FirebaseVisionImageMetadata.ROTATION_180;
                  break;
              case 270:
                  result = FirebaseVisionImageMetadata.ROTATION_270;
                  break;
              default:
                  result = FirebaseVisionImageMetadata.ROTATION_0;
                  Log.e(TAG, "Bad rotation value: " + rotationCompensation);
          }
          return result;
      }

      Kotlin+KTX

      private val ORIENTATIONS = SparseIntArray()
      
      init {
          ORIENTATIONS.append(Surface.ROTATION_0, 90)
          ORIENTATIONS.append(Surface.ROTATION_90, 0)
          ORIENTATIONS.append(Surface.ROTATION_180, 270)
          ORIENTATIONS.append(Surface.ROTATION_270, 180)
      }
      /**
       * 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, context: Context): 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)
      
          // On most devices, the sensor orientation is 90 degrees, but for some
          // devices it is 270 degrees. For devices with a sensor orientation of
          // 270, rotate the image an additional 180 ((270 + 270) % 360) degrees.
          val cameraManager = context.getSystemService(CAMERA_SERVICE) as CameraManager
          val sensorOrientation = cameraManager
                  .getCameraCharacteristics(cameraId)
                  .get(CameraCharacteristics.SENSOR_ORIENTATION)!!
          rotationCompensation = (rotationCompensation + sensorOrientation + 270) % 360
      
          // Return the corresponding FirebaseVisionImageMetadata rotation value.
          val result: Int
          when (rotationCompensation) {
              0 -> result = FirebaseVisionImageMetadata.ROTATION_0
              90 -> result = FirebaseVisionImageMetadata.ROTATION_90
              180 -> result = FirebaseVisionImageMetadata.ROTATION_180
              270 -> result = FirebaseVisionImageMetadata.ROTATION_270
              else -> {
                  result = FirebaseVisionImageMetadata.ROTATION_0
                  Log.e(TAG, "Bad rotation value: $rotationCompensation")
              }
          }
          return result
      }

      फिर, media.Image ऑब्जेक्ट और रोटेशन मान को FirebaseVisionImage.fromMediaImage() पर पास करें:

      Java

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

      Kotlin+KTX

      val image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation)
    • फ़ाइल URI से FirebaseVisionImage ऑब्जेक्ट बनाने के लिए, ऐप संदर्भ पास करें और URI को FirebaseVisionImage.fromFilePath() पर फ़ाइल करें। यह तब उपयोगी होता है जब आप उपयोगकर्ता को उनके गैलरी ऐप से एक छवि चुनने के लिए संकेत देने के लिए ACTION_GET_CONTENT इरादे का उपयोग करते हैं।

      Java

      FirebaseVisionImage image;
      try {
          image = FirebaseVisionImage.fromFilePath(context, uri);
      } catch (IOException e) {
          e.printStackTrace();
      }

      Kotlin+KTX

      val image: FirebaseVisionImage
      try {
          image = FirebaseVisionImage.fromFilePath(context, uri)
      } catch (e: IOException) {
          e.printStackTrace()
      }
    • ByteBuffer या बाइट सरणी से FirebaseVisionImage ऑब्जेक्ट बनाने के लिए, पहले media.Image इनपुट के लिए ऊपर बताए अनुसार छवि रोटेशन की गणना करें।

      फिर, एक FirebaseVisionImageMetadata ऑब्जेक्ट बनाएं जिसमें छवि की ऊंचाई, चौड़ाई, रंग एन्कोडिंग प्रारूप और रोटेशन शामिल हो:

      Java

      FirebaseVisionImageMetadata metadata = new FirebaseVisionImageMetadata.Builder()
              .setWidth(480)   // 480x360 is typically sufficient for
              .setHeight(360)  // image recognition
              .setFormat(FirebaseVisionImageMetadata.IMAGE_FORMAT_NV21)
              .setRotation(rotation)
              .build();

      Kotlin+KTX

      val metadata = FirebaseVisionImageMetadata.Builder()
              .setWidth(480) // 480x360 is typically sufficient for
              .setHeight(360) // image recognition
              .setFormat(FirebaseVisionImageMetadata.IMAGE_FORMAT_NV21)
              .setRotation(rotation)
              .build()

      FirebaseVisionImage ऑब्जेक्ट बनाने के लिए बफ़र या सरणी और मेटाडेटा ऑब्जेक्ट का उपयोग करें:

      Java

      FirebaseVisionImage image = FirebaseVisionImage.fromByteBuffer(buffer, metadata);
      // Or: FirebaseVisionImage image = FirebaseVisionImage.fromByteArray(byteArray, metadata);

      Kotlin+KTX

      val image = FirebaseVisionImage.fromByteBuffer(buffer, metadata)
      // Or: val image = FirebaseVisionImage.fromByteArray(byteArray, metadata)
    • Bitmap ऑब्जेक्ट से FirebaseVisionImage ऑब्जेक्ट बनाने के लिए:

      Java

      FirebaseVisionImage image = FirebaseVisionImage.fromBitmap(bitmap);

      Kotlin+KTX

      val image = FirebaseVisionImage.fromBitmap(bitmap)
      Bitmap ऑब्जेक्ट द्वारा दर्शाई गई छवि सीधी होनी चाहिए, जिसमें किसी अतिरिक्त घुमाव की आवश्यकता नहीं है।
  2. छवि को processImage() विधि में पास करें:

    Java

    objectDetector.processImage(image)
            .addOnSuccessListener(
                    new OnSuccessListener<List<FirebaseVisionObject>>() {
                        @Override
                        public void onSuccess(List<FirebaseVisionObject> detectedObjects) {
                            // Task completed successfully
                            // ...
                        }
                    })
            .addOnFailureListener(
                    new OnFailureListener() {
                        @Override
                        public void onFailure(@NonNull Exception e) {
                            // Task failed with an exception
                            // ...
                        }
                    });
    

    Kotlin+KTX

    objectDetector.processImage(image)
            .addOnSuccessListener { detectedObjects ->
                // Task completed successfully
                // ...
            }
            .addOnFailureListener { e ->
                // Task failed with an exception
                // ...
            }
    
  3. यदि processImage() पर कॉल सफल होती है, तो सफल श्रोता को FirebaseVisionObject s की एक सूची भेज दी जाती है।

    प्रत्येक FirebaseVisionObject में निम्नलिखित गुण होते हैं:

    आकार निर्धारक बॉक्स छवि में वस्तु की स्थिति दर्शाने वाला एक Rect
    ट्रैकिंग आईडी एक पूर्णांक जो छवियों में वस्तु की पहचान करता है। SINGLE_IMAGE_MODE में शून्य.
    वर्ग वस्तु की स्थूल श्रेणी। यदि ऑब्जेक्ट डिटेक्टर में वर्गीकरण सक्षम नहीं है, तो यह हमेशा FirebaseVisionObject.CATEGORY_UNKNOWN है।
    आत्मविश्वास वस्तु वर्गीकरण का आत्मविश्वास मूल्य. यदि ऑब्जेक्ट डिटेक्टर में वर्गीकरण सक्षम नहीं है, या ऑब्जेक्ट को अज्ञात के रूप में वर्गीकृत किया गया है, तो यह null है।

    Java

    // The list of detected objects contains one item if multiple object detection wasn't enabled.
    for (FirebaseVisionObject obj : detectedObjects) {
        Integer id = obj.getTrackingId();
        Rect bounds = obj.getBoundingBox();
    
        // If classification was enabled:
        int category = obj.getClassificationCategory();
        Float confidence = obj.getClassificationConfidence();
    }
    

    Kotlin+KTX

    // The list of detected objects contains one item if multiple object detection wasn't enabled.
    for (obj in detectedObjects) {
        val id = obj.trackingId       // A number that identifies the object across images
        val bounds = obj.boundingBox  // The object's position in the image
    
        // If classification was enabled:
        val category = obj.classificationCategory
        val confidence = obj.classificationConfidence
    }
    

प्रयोज्यता और प्रदर्शन में सुधार

सर्वोत्तम उपयोगकर्ता अनुभव के लिए, अपने ऐप में इन दिशानिर्देशों का पालन करें:

  • सफल वस्तु का पता लगाना वस्तु की दृश्य जटिलता पर निर्भर करता है। कम संख्या में दृश्य विशेषताओं वाली वस्तुओं को पता लगाने के लिए छवि का एक बड़ा हिस्सा लेने की आवश्यकता हो सकती है। आपको उपयोगकर्ताओं को इनपुट कैप्चर करने के बारे में मार्गदर्शन प्रदान करना चाहिए जो उन वस्तुओं के साथ अच्छी तरह से काम करता है जिन्हें आप पहचानना चाहते हैं।
  • वर्गीकरण का उपयोग करते समय, यदि आप उन वस्तुओं का पता लगाना चाहते हैं जो समर्थित श्रेणियों में स्पष्ट रूप से नहीं आती हैं, तो अज्ञात वस्तुओं के लिए विशेष हैंडलिंग लागू करें।

इसके अलावा, मशीन लर्निंग-संचालित सुविधाओं के संग्रह के लिए [एमएल किट मटेरियल डिज़ाइन शोकेस ऐप] [शोकेस-लिंक] {: .extern } और मटेरियल डिज़ाइन पैटर्न भी देखें।

वास्तविक समय एप्लिकेशन में स्ट्रीमिंग मोड का उपयोग करते समय, सर्वोत्तम फ़्रेमरेट प्राप्त करने के लिए इन दिशानिर्देशों का पालन करें:

  • स्ट्रीमिंग मोड में मल्टीपल ऑब्जेक्ट डिटेक्शन का उपयोग न करें, क्योंकि अधिकांश डिवाइस पर्याप्त फ़्रेमरेट उत्पन्न करने में सक्षम नहीं होंगे।

  • यदि आपको इसकी आवश्यकता नहीं है तो वर्गीकरण अक्षम करें।

  • थ्रॉटल डिटेक्टर को कॉल करता है। यदि डिटेक्टर के चलने के दौरान कोई नया वीडियो फ़्रेम उपलब्ध हो जाता है, तो फ़्रेम को छोड़ दें।
  • यदि आप इनपुट छवि पर ग्राफिक्स को ओवरले करने के लिए डिटेक्टर के आउटपुट का उपयोग कर रहे हैं, तो पहले एमएल किट से परिणाम प्राप्त करें, फिर छवि को प्रस्तुत करें और एक ही चरण में ओवरले करें। ऐसा करने से, आप प्रत्येक इनपुट फ़्रेम के लिए केवल एक बार डिस्प्ले सतह पर रेंडर करते हैं।
  • यदि आप कैमरा2 एपीआई का उपयोग करते हैं, तो ImageFormat.YUV_420_888 प्रारूप में छवियां कैप्चर करें।

    यदि आप पुराने कैमरा एपीआई का उपयोग करते हैं, तो ImageFormat.NV21 प्रारूप में छवियां कैप्चर करें।