वीडियो के अलग-अलग फ़्रेम में ऑब्जेक्ट का पता लगाने और उन्हें ट्रैक करने के लिए, एमएल किट का इस्तेमाल किया जा सकता है.
एमएल किट इमेज पास करने पर, हर इमेज के लिए एमएल किट दिखता है. इसमें, पता लगाए गए पांच ऑब्जेक्ट और इमेज में उनकी जगह की जानकारी दी जाती है. वीडियो स्ट्रीम में ऑब्जेक्ट का पता लगाते समय, हर ऑब्जेक्ट का एक आईडी होता है. इसका इस्तेमाल करके, सभी इमेज पर ऑब्जेक्ट को ट्रैक किया जा सकता है. इसके अलावा, अनुमानित ऑब्जेक्ट क्लासिफ़िकेशन को भी चालू किया जा सकता है. इससे, ऑब्जेक्ट की कैटगरी की पूरी जानकारी देने वाले ऑब्जेक्ट को लेबल किया जाता है.
शुरू करने से पहले
- अगर आपने पहले से Firebase को नहीं जोड़ा है, तो अपने Android प्रोजेक्ट में Firebase जोड़ें.
- अपने मॉड्यूल (ऐप्लिकेशन-लेवल) की Gradle फ़ाइल (आम तौर पर
app/build.gradle) में ML Kit Android लाइब्रेरी के लिए डिपेंडेंसी 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 लगाने और उन्हें ट्रैक करने के लिए, सबसे पहले FirebaseVisionObjectDetector का एक इंस्टेंस बनाएं. इसके अलावा, अगर आप चाहें, तो डिटेक्टर की ऐसी सेटिंग तय कर सकते हैं जिन्हें डिफ़ॉल्ट से बदलना है.
FirebaseVisionObjectDetectorOptionsऑब्जेक्ट के साथ अपने इस्तेमाल के उदाहरण के लिए, ऑब्जेक्ट डिटेक्टर को कॉन्फ़िगर करें. ये सेटिंग बदली जा सकती हैं:ऑब्जेक्ट डिटेक्टर की सेटिंग पहचान मोड STREAM_MODE(डिफ़ॉल्ट) |SINGLE_IMAGE_MODESTREAM_MODE(डिफ़ॉल्ट रूप से) में, ऑब्जेक्ट डिटेक्टर की सुविधा कम इंतज़ार के समय के साथ काम करती है. हालांकि, हो सकता है कि डिटेक्टर की शुरुआत के कुछ अनुरोधों पर, अधूरे नतीजे (जैसे कि बाउंडिंग बॉक्स या कैटगरी लेबल की जानकारी न दी गई हो) दिखे. साथ ही,STREAM_MODEमें, डिटेक्टर ऑब्जेक्ट को ट्रैकिंग आईडी असाइन करता है. इनका इस्तेमाल करके, अलग-अलग फ़्रेम में मौजूद ऑब्जेक्ट को ट्रैक किया जा सकता है. इस मोड का इस्तेमाल तब करें, जब आपको ऑब्जेक्ट ट्रैक करना हो. इसके अलावा, जब लाइव स्ट्रीमिंग करने और उसके दिखने के बीच इंतज़ार का समय कम करना ज़रूरी हो, जैसे कि रीयल-टाइम में वीडियो स्ट्रीम प्रोसेस करने के लिए, तो इस मोड का इस्तेमाल करें.SINGLE_IMAGE_MODEमें, ऑब्जेक्ट डिटेक्टर तब तक इंतज़ार करता है, जब तक पता लगाए गए ऑब्जेक्ट का बाउंडिंग बॉक्स नहीं होता और (अगर आपने क्लासिफ़िकेशन चालू किया है) कैटगरी का लेबल नतीजे देने से पहले उपलब्ध होता है. इस वजह से, जांच में लगने वाला समय ज़्यादा हो सकता है. इसके अलावा,SINGLE_IMAGE_MODEमें, ट्रैकिंग आईडी असाइन नहीं किए गए हैं. अगर इंतज़ार का समय खास नहीं है और आपको आंशिक नतीजे नहीं देखने हैं, तो इस मोड का इस्तेमाल करें.एक से ज़्यादा ऑब्जेक्ट का पता लगाएं और उन्हें ट्रैक करें false(डिफ़ॉल्ट) |trueज़्यादा से ज़्यादा पांच ऑब्जेक्ट या सिर्फ़ सबसे प्रमुखता से दिखने वाले ऑब्जेक्ट को पहचानना और ट्रैक करना है (डिफ़ॉल्ट).
ऑब्जेक्ट को वर्गीकृत करें false(डिफ़ॉल्ट) |trueपता लगाए गए ऑब्जेक्ट को अनुमानित कैटगरी में बांटना है या नहीं. यह सुविधा चालू होने पर, ऑब्जेक्ट की पहचान करने वाला टूल, चीज़ों को इन कैटगरी में बांटता है: फ़ैशन का सामान, खाना, घर का सामान, जगहें, पौधे, और कोई जानकारी नहीं.
ऑब्जेक्ट की पहचान और ट्रैकिंग एपीआई को इस्तेमाल के इन दो मुख्य उदाहरणों के लिए ऑप्टिमाइज़ किया गया है:
- कैमरे के व्यूफ़ाइंडर में, सबसे ज़्यादा नज़र आने वाली चीज़ को लाइव डिटेक्ट और ट्रैक किया जा सकता है.
- किसी स्टैटिक इमेज से कई ऑब्जेक्ट का पता लगाना
एपीआई को इस्तेमाल के इन उदाहरणों के हिसाब से 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()FirebaseVisionObjectDetectorका इंस्टेंस पाएं: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 चलाएं
ऑब्जेक्ट का पता लगाने और उन्हें ट्रैक करने के लिए, FirebaseVisionObjectDetector इंस्टेंस के processImage() तरीके पर इमेज पास करें.
क्रम में मौजूद वीडियो के हर फ़्रेम या इमेज के लिए, यह तरीका अपनाएं:
अपनी इमेज से
FirebaseVisionImageऑब्जेक्ट बनाएं.-
किसी
media.Imageऑब्जेक्ट सेFirebaseVisionImageऑब्जेक्ट बनाने के लिए, जैसे कि किसी डिवाइस के कैमरे से इमेज कैप्चर करते समय,media.Imageऑब्जेक्ट को पास करें और इमेज कोFirebaseVisionImage.fromMediaImage()पर घुमाएं.अगर CameraX लाइब्रेरी का इस्तेमाल किया जाता है, तो
OnImageCapturedListenerऔरImageAnalysis.Analyzerक्लास आपके लिए रोटेशन वैल्यू का हिसाब लगाती हैं. इसलिए, आपकोFirebaseVisionImage.fromMediaImage()को कॉल करने से पहले, रोटेशन वैल्यू को एमएल किट केROTATION_कॉन्सटेंट में से किसी एक में बदलना होगा: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 // ... } } }अगर इमेज का रोटेशन देने वाली कैमरा लाइब्रेरी का इस्तेमाल नहीं किया जाता है, तो इमेज को डिवाइस के रोटेशन और डिवाइस में कैमरा सेंसर के ओरिएंटेशन के आधार पर कैलकुलेट किया 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+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 }इसके बाद,
media.Imageऑब्जेक्ट और रोटेशन वैल्यू कोFirebaseVisionImage.fromMediaImage()को पास करें:Java
FirebaseVisionImage image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation);
Kotlin+KTX
val image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation)
- फ़ाइल यूआरआई से
FirebaseVisionImageऑब्जेक्ट बनाने के लिए, ऐप्लिकेशन का कॉन्टेक्स्ट और फ़ाइल यूआरआई कोFirebaseVisionImage.fromFilePath()पर पास करें. यह तब काम आता है, जब आप उपयोगकर्ता को उसके गैलरी ऐप्लिकेशन से कोई इमेज चुनने का अनुरोध करने के लिएACTION_GET_CONTENTइंटेंट का इस्तेमाल 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() } ByteBufferया बाइट कलेक्शन सेFirebaseVisionImageऑब्जेक्ट बनाने के लिए, सबसे पहलेmedia.Imageइनपुट के लिए ऊपर बताए गए तरीके से इमेज रोटेशन का हिसाब लगाएं.इसके बाद, ऐसा
FirebaseVisionImageMetadataऑब्जेक्ट बनाएं जिसमें इमेज की ऊंचाई, चौड़ाई, कलर एन्कोडिंग फ़ॉर्मैट, 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()FirebaseVisionImageऑब्जेक्ट बनाने के लिए, बफ़र या अरे और मेटाडेटा ऑब्जेक्ट का इस्तेमाल 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)
- किसी
Bitmapऑब्जेक्ट सेFirebaseVisionImageऑब्जेक्ट बनाने के लिए:Java
FirebaseVisionImage image = FirebaseVisionImage.fromBitmap(bitmap);
Kotlin+KTX
val image = FirebaseVisionImage.fromBitmap(bitmap)
Bitmapऑब्जेक्ट के ज़रिए दिखाई गई इमेज, सीधी होनी चाहिए. इसमें अलग से घुमाने की ज़रूरत नहीं है.
-
processImage()तरीके से इमेज 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 // ... }अगर
processImage()को कॉल किया जाता है, तोFirebaseVisionObjectकी एक सूची सक्सेस लिसनर को भेजी जाती है.हर
FirebaseVisionObjectमें ये प्रॉपर्टी शामिल होती हैं:बाउंडिंग बॉक्स इमेज में ऑब्जेक्ट की पोज़िशन दिखाने वाला Rect.ट्रैकिंग आईडी वह पूर्णांक जो सभी इमेज में ऑब्जेक्ट की पहचान करता है. SINGLE_IMAGE_Mode में शून्य. कैटगरी ऑब्जेक्ट की अनुमानित कैटगरी. अगर ऑब्जेक्ट डिटेक्टर में क्लासिफ़िकेशन की सुविधा चालू नहीं है, तो यह हमेशा FirebaseVisionObject.CATEGORY_UNKNOWNहोता है.आत्मविश्वास ऑब्जेक्ट कैटगरी की कॉन्फ़िडेंस वैल्यू. अगर ऑब्जेक्ट डिटेक्टर की कैटगरी तय नहीं की गई है या ऑब्जेक्ट को अनजान की कैटगरी में रखा गया है, तो इसे nullमाना जाता 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 }
उपयोगिता और परफ़ॉर्मेंस में सुधार करना
बेहतरीन उपयोगकर्ता अनुभव के लिए, अपने ऐप्लिकेशन में इन दिशा-निर्देशों का पालन करें:
- ऑब्जेक्ट की पहचान हो पाना, ऑब्जेक्ट की विज़ुअल जटिलता पर निर्भर करता है. कम विज़ुअल सुविधाओं वाले ऑब्जेक्ट का पता लगाने के लिए, इमेज का बड़ा हिस्सा इस्तेमाल करना पड़ सकता है. आपको उपयोगकर्ताओं को इनपुट कैप्चर करने के लिए ऐसे दिशा-निर्देश देने चाहिए जो उस तरह के ऑब्जेक्ट के साथ अच्छी तरह से काम करते हों जिनका आपको पता लगाना है.
- अगर आपको क्लासिफ़िकेशन का इस्तेमाल करते समय, ऐसे ऑब्जेक्ट का पता लगाना है जो इस्तेमाल की जा सकने वाली कैटगरी में साफ़ नहीं आते हैं, तो अनजान ऑब्जेक्ट को खास तरीके से हैंडल करें.
साथ ही, [ML Kit Material Design शोकेस ऐप्लिकेशन][showcase-link]{: .external } और मटीरियल डिज़ाइन मशीन लर्निंग से चलने वाली सुविधाओं के पैटर्न का कलेक्शन देखें.
रीयल-टाइम ऐप्लिकेशन में स्ट्रीमिंग मोड का इस्तेमाल करते समय, सबसे सही फ़्रेमरेट पाने के लिए इन दिशा-निर्देशों का पालन करें:
स्ट्रीमिंग मोड में एक से ज़्यादा ऑब्जेक्ट की पहचान करने की सुविधा का इस्तेमाल न करें, क्योंकि ज़्यादातर डिवाइस ज़रूरत के मुताबिक फ़्रेमरेट नहीं बना पाएंगे.
अगर आपको डेटा की कैटगरी तय करने की ज़रूरत न हो, तो उसे बंद कर दें.
- डिटेक्टर को कॉल थ्रॉटल करें. अगर डिटेक्टर के चलने के दौरान कोई नया वीडियो फ़्रेम उपलब्ध हो जाता है, तो फ़्रेम को छोड़ दें.
- अगर इनपुट इमेज पर ग्राफ़िक ओवरले करने के लिए, डिटेक्टर के आउटपुट का इस्तेमाल किया जाता है, तो सबसे पहले एमएल किट का इस्तेमाल करें. इसके बाद, एक ही चरण में इमेज और ओवरले को रेंडर करें. ऐसा करने पर, हर इनपुट फ़्रेम के लिए आपको डिसप्ले प्लैटफ़ॉर्म पर सिर्फ़ एक बार रेंडर करना होगा.
-
अगर Camera2 API का इस्तेमाल किया जा रहा है, तो
ImageFormat.YUV_420_888फ़ॉर्मैट में इमेज कैप्चर करें.अगर पुराने Camera API का इस्तेमाल किया जा रहा है, तो
ImageFormat.NV21फ़ॉर्मैट में इमेज कैप्चर करें.