वीडियो के अलग-अलग फ़्रेम में ऑब्जेक्ट का पता लगाने और उन्हें ट्रैक करने के लिए, ML Kit का इस्तेमाल किया जा सकता है.
ML Kit को इमेज पास करने पर, वह हर इमेज के लिए, पहचाने गए ज़्यादा से ज़्यादा पांच ऑब्जेक्ट की सूची दिखाता है. साथ ही, यह भी बताता है कि इमेज में उनकी पोज़िशन क्या है. वीडियो स्ट्रीम में ऑब्जेक्ट का पता लगाने के दौरान, हर ऑब्जेक्ट का एक आईडी होता है. इसका इस्तेमाल करके, अलग-अलग इमेज में ऑब्जेक्ट को ट्रैक किया जा सकता है. आपके पास ऑब्जेक्ट के सामान्य क्लासिफ़िकेशन की सुविधा चालू करने का विकल्प भी होता है. इससे ऑब्जेक्ट को कैटगरी के हिसाब से लेबल किया जाता है.
शुरू करने से पहले
- अगर आपने पहले से ही A/B टेस्टिंग नहीं बनाई है, तो अपने Android प्रोजेक्ट में Firebase जोड़ें.
- ML Kit Android लाइब्रेरी के लिए डिपेंडेंसी को अपने मॉड्यूल (ऐप्लिकेशन-लेवल) की Gradle फ़ाइल में जोड़ें. आम तौर पर, यह फ़ाइल
app/build.gradleहोती है: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 करना
ऑब्जेक्ट का पता लगाने और उन्हें ट्रैक करने के लिए, सबसे पहले FirebaseVisionObjectDetector का एक इंस्टेंस बनाएं. इसके अलावा, डिटेक्टर की कोई भी ऐसी सेटिंग तय करें जिसे आपको डिफ़ॉल्ट सेटिंग से बदलना है.
FirebaseVisionObjectDetectorOptionsऑब्जेक्ट की मदद से, अपनी ज़रूरत के हिसाब से ऑब्जेक्ट डिटेक्टर को कॉन्फ़िगर करें. इन सेटिंग को बदला जा सकता है:ऑब्जेक्ट डिटेक्टर की सेटिंग डिटेक्शन मोड STREAM_MODE(डिफ़ॉल्ट) |SINGLE_IMAGE_MODESTREAM_MODE(डिफ़ॉल्ट) मोड में, ऑब्जेक्ट डिटेक्टर कम समय में काम करता है. हालांकि, यह डिटेक्टर के पहले कुछ इनवोकेशन पर अधूरे नतीजे दे सकता है. जैसे, बाउंडिंग बॉक्स या कैटगरी के लेबल के बारे में जानकारी नहीं देना. इसके अलावा,STREAM_MODEमें डिटेक्टर, ऑब्जेक्ट को ट्रैकिंग आईडी असाइन करता है. इनका इस्तेमाल करके, अलग-अलग फ़्रेम में ऑब्जेक्ट को ट्रैक किया जा सकता है. इस मोड का इस्तेमाल तब करें, जब आपको ऑब्जेक्ट ट्रैक करने हों या जब कम समय में डेटा ट्रांसफ़र करना ज़रूरी हो. जैसे, रीयल टाइम में वीडियो स्ट्रीम प्रोसेस करते समय.SINGLE_IMAGE_MODEमें, ऑब्जेक्ट डिटेक्टर तब तक इंतज़ार करता है, जब तक कि किसी ऑब्जेक्ट का पता न चल जाए. साथ ही, उसका बाउंडिंग बॉक्स और (अगर आपने क्लासिफ़िकेशन की सुविधा चालू की है) कैटगरी का लेबल उपलब्ध न हो जाए. इसके बाद ही, वह नतीजा दिखाता है. इस वजह से, गड़बड़ी का पता चलने में ज़्यादा समय लग सकता है. साथ ही,SINGLE_IMAGE_MODEमें ट्रैकिंग आईडी असाइन नहीं किए जाते. अगर इंतज़ार का समय ज़रूरी नहीं है और आपको कुछ नतीजों के साथ काम नहीं करना है, तो इस मोड का इस्तेमाल करें.एक से ज़्यादा ऑब्जेक्ट का पता लगाना और उन्हें ट्रैक करना false(डिफ़ॉल्ट) |trueपांच ऑब्जेक्ट तक का पता लगाना और उन्हें ट्रैक करना है या सिर्फ़ सबसे अहम ऑब्जेक्ट (डिफ़ॉल्ट).
ऑब्जेक्ट का वर्गीकरण करना false(डिफ़ॉल्ट) |trueयह तय करता है कि पता लगाए गए ऑब्जेक्ट को सामान्य कैटगरी में रखना है या नहीं. इस सुविधा के चालू होने पर, ऑब्जेक्ट डिटेक्टर ऑब्जेक्ट को इन कैटगरी में बांटता है: फ़ैशन के सामान, खाना, घरेलू सामान, जगहें, पौधे, और अन्य.
ऑब्जेक्ट का पता लगाने और उसे ट्रैक करने वाले एपीआई को इन दो मुख्य इस्तेमाल के उदाहरणों के लिए ऑप्टिमाइज़ किया गया है:
- कैमरे के व्यूफ़ाइंडर में मौजूद सबसे अहम ऑब्जेक्ट का लाइव पता लगाना और उसे ट्रैक करना
- किसी स्टैटिक इमेज में मौजूद एक से ज़्यादा ऑब्जेक्ट की पहचान करना
इन इस्तेमाल के उदाहरणों 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
// 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()FirebaseVisionObjectDetectorका इंस्टेंस पाएं:Java
FirebaseVisionObjectDetector objectDetector = FirebaseVision.getInstance().getOnDeviceObjectDetector(); // Or, to change the default settings: FirebaseVisionObjectDetector objectDetector = FirebaseVision.getInstance().getOnDeviceObjectDetector(options);Kotlin
val objectDetector = FirebaseVision.getInstance().getOnDeviceObjectDetector() // Or, to change the default settings: val objectDetector = FirebaseVision.getInstance().getOnDeviceObjectDetector(options)
2. ऑब्जेक्ट डिटेक्टर को चालू करना
ऑब्जेक्ट का पता लगाने और उन्हें ट्रैक करने के लिए, इमेज को FirebaseVisionObjectDetector
instance's processImage() तरीके से पास करें.
सीक्वेंस में मौजूद वीडियो या इमेज के हर फ़्रेम के लिए, यह तरीका अपनाएं:
अपनी इमेज से
FirebaseVisionImageऑब्जेक्ट बनाएं.-
किसी
media.Imageऑब्जेक्ट सेFirebaseVisionImageऑब्जेक्ट बनाने के लिए,FirebaseVisionImage.fromMediaImage()कोmedia.Imageऑब्जेक्ट और इमेज का रोटेशन पास करें. ऐसा तब किया जाता है, जब किसी डिवाइस के कैमरे से इमेज कैप्चर की जाती है.अगर CameraX लाइब्रेरी का इस्तेमाल किया जाता है, तो
OnImageCapturedListenerऔरImageAnalysis.Analyzerक्लास, रोटेशन वैल्यू का हिसाब लगाती हैं. इसलिए, आपको सिर्फ़ रोटेशन को ML Kit केROTATION_कॉन्स्टेंट में से किसी एक में बदलना होगा. इसके बाद,FirebaseVisionImage.fromMediaImage()को कॉल करें: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
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 // ... } } }
अगर आपको ऐसी कैमरा लाइब्रेरी का इस्तेमाल नहीं करना है जिससे आपको इमेज के रोटेशन की जानकारी मिलती है, तो डिवाइस के रोटेशन और डिवाइस में मौजूद कैमरा सेंसर के ओरिएंटेशन के हिसाब से, इमेज के रोटेशन का हिसाब लगाया जा सकता है:
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
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 }
इसके बाद,
media.Imageऑब्जेक्ट और रोटेशन वैल्यू कोFirebaseVisionImage.fromMediaImage()में पास करें:Java
FirebaseVisionImage image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation);
Kotlin
val image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation)
- फ़ाइल यूआरआई से
FirebaseVisionImageऑब्जेक्ट बनाने के लिए, ऐप्लिकेशन के कॉन्टेक्स्ट और फ़ाइल यूआरआई कोFirebaseVisionImage.fromFilePath()में पास करें. यह तब काम आता है, जब आपको उपयोगकर्ता को उसकी गैलरी ऐप्लिकेशन से कोई इमेज चुनने के लिए प्रॉम्प्ट करना हो. इसके लिए,ACTION_GET_CONTENTइंटेंट का इस्तेमाल करें.Java
FirebaseVisionImage image; try { image = FirebaseVisionImage.fromFilePath(context, uri); } catch (IOException e) { e.printStackTrace(); }
Kotlin
val image: FirebaseVisionImage try { image = FirebaseVisionImage.fromFilePath(context, uri) } catch (e: IOException) { e.printStackTrace() }
ByteBufferया बाइट ऐरे सेFirebaseVisionImageऑब्जेक्ट बनाने के लिए, सबसे पहले इमेज रोटेशन का हिसाब लगाएं. इसके लिए,media.Imageइनपुट के लिए ऊपर बताया गया तरीका अपनाएं.इसके बाद, एक
FirebaseVisionImageMetadataऑब्जेक्ट बनाएं. इसमें इमेज की ऊंचाई, चौड़ाई, कलर एन्कोडिंग फ़ॉर्मैट, और रोटेशन की जानकारी शामिल करें: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
val metadata = FirebaseVisionImageMetadata.Builder() .setWidth(480) // 480x360 is typically sufficient for .setHeight(360) // image recognition .setFormat(FirebaseVisionImageMetadata.IMAGE_FORMAT_NV21) .setRotation(rotation) .build()
बफ़र या ऐरे और मेटाडेटा ऑब्जेक्ट का इस्तेमाल करके,
FirebaseVisionImageऑब्जेक्ट बनाएं:Java
FirebaseVisionImage image = FirebaseVisionImage.fromByteBuffer(buffer, metadata); // Or: FirebaseVisionImage image = FirebaseVisionImage.fromByteArray(byteArray, metadata);
Kotlin
val image = FirebaseVisionImage.fromByteBuffer(buffer, metadata) // Or: val image = FirebaseVisionImage.fromByteArray(byteArray, metadata)
Bitmapऑब्जेक्ट सेFirebaseVisionImageऑब्जेक्ट बनाने के लिए:Java
FirebaseVisionImage image = FirebaseVisionImage.fromBitmap(bitmap);
Kotlin
val image = FirebaseVisionImage.fromBitmap(bitmap)
Bitmapऑब्जेक्ट से दिखाई गई इमेज सीधी होनी चाहिए. इसे घुमाने की ज़रूरत नहीं होनी चाहिए.
-
इमेज को
processImage()तरीके से 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
objectDetector.processImage(image) .addOnSuccessListener { detectedObjects -> // Task completed successfully // ... } .addOnFailureListener { e -> // Task failed with an exception // ... }अगर
processImage()को कॉल करने पर,FirebaseVisionObjectकी सूची मिलती है, तो इसे सफलता से जुड़े लिसनर को पास कर दिया जाता है.हर
FirebaseVisionObjectमें ये प्रॉपर्टी शामिल होती हैं:बाउंडिंग बॉक्स Rect, इमेज में ऑब्जेक्ट की पोज़िशन दिखाता है.ट्रैकिंग आईडी यह एक पूर्णांक होता है, जो सभी इमेज में ऑब्जेक्ट की पहचान करता है. SINGLE_IMAGE_MODE में Null. कैटगरी ऑब्जेक्ट की मुख्य कैटगरी. अगर ऑब्जेक्ट डिटेक्टर में क्लासिफ़िकेशन की सुविधा चालू नहीं है, तो यह हमेशा FirebaseVisionObject.CATEGORY_UNKNOWNहोता है.आत्मविश्वास ऑब्जेक्ट के क्लासिफ़िकेशन की कॉन्फ़िडेंस वैल्यू. अगर ऑब्जेक्ट डिटेक्टर में क्लासिफ़िकेशन की सुविधा चालू नहीं है या ऑब्जेक्ट को अज्ञात के तौर पर क्लासिफ़ाई किया गया है, तो यह nullहै.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
// 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 }
इस्तेमाल करने में आसानी और परफ़ॉर्मेंस को बेहतर बनाना
लोगों को बेहतर अनुभव देने के लिए, अपने ऐप्लिकेशन में इन दिशा-निर्देशों का पालन करें:
- ऑब्जेक्ट का पता लगाने की सुविधा, ऑब्जेक्ट की विज़ुअल जटिलता पर निर्भर करती है. जिन ऑब्जेक्ट में विज़ुअल फ़ीचर कम होती हैं उन्हें पहचानने के लिए, इमेज में उनका साइज़ बड़ा होना चाहिए. आपको उपयोगकर्ताओं को इनपुट कैप्चर करने के बारे में दिशा-निर्देश देने चाहिए. इससे, उन ऑब्जेक्ट का पता लगाने में मदद मिलती है जिनका पता लगाना है.
- क्लासिफ़िकेशन का इस्तेमाल करते समय, अगर आपको ऐसे ऑब्जेक्ट का पता लगाना है जो काम करने वाली कैटगरी में शामिल नहीं हैं, तो अज्ञात ऑब्जेक्ट के लिए खास हैंडलिंग लागू करें.
इसके अलावा, [ML Kit Material Design showcase app][showcase-link]{: .external } और Material Design Patterns for machine learning-powered features कलेक्शन देखें.
रीयल-टाइम ऐप्लिकेशन में स्ट्रीमिंग मोड का इस्तेमाल करते समय, सबसे अच्छे फ़्रेमरेट पाने के लिए इन दिशा-निर्देशों का पालन करें:
स्ट्रीमिंग मोड में, एक साथ कई ऑब्जेक्ट की पहचान करने की सुविधा का इस्तेमाल न करें. ऐसा इसलिए, क्योंकि ज़्यादातर डिवाइसों में फ़्रेमरेट सही नहीं होगा.
अगर आपको क्लासिफ़िकेशन की ज़रूरत नहीं है, तो इसे बंद करें.
- डिटेक्टर को किए जाने वाले कॉल की संख्या कम करें. अगर डिटेक्टर के चालू होने के दौरान कोई नया वीडियो फ़्रेम उपलब्ध हो जाता है, तो फ़्रेम को छोड़ दें.
- अगर आपको इनपुट इमेज पर ग्राफ़िक ओवरले करने के लिए, डिटेक्टर के आउटपुट का इस्तेमाल करना है, तो पहले ML Kit से नतीजे पाएं. इसके बाद, इमेज रेंडर करें और एक ही चरण में ओवरले करें. ऐसा करने से, हर इनपुट फ़्रेम के लिए डिसप्ले सर्फ़ेस पर सिर्फ़ एक बार रेंडर किया जाता है.
-
Camera2 API का इस्तेमाल करने पर, इमेज को
ImageFormat.YUV_420_888फ़ॉर्मैट में कैप्चर करें.अगर Camera API के पुराने वर्शन का इस्तेमाल किया जा रहा है, तो इमेज को
ImageFormat.NV21फ़ॉर्मैट में कैप्चर करें.