Firebase Summit에서 발표된 모든 내용을 살펴보고 Firebase로 앱을 빠르게 개발하고 안심하고 앱을 실행하는 방법을 알아보세요. 자세히 알아보기

Android에서 ML Kit로 객체 감지 및 추적

컬렉션을 사용해 정리하기 내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요.

ML Kit를 사용하여 비디오 프레임에서 개체를 감지하고 추적할 수 있습니다.

ML Kit 이미지를 전달하면 ML Kit는 각 이미지에 대해 최대 5개의 감지된 개체 목록과 이미지에서의 위치를 ​​반환합니다. 비디오 스트림에서 개체를 감지할 때 모든 개체에는 이미지에서 개체를 추적하는 데 사용할 수 있는 ID가 있습니다. 선택적으로 광범위한 범주 설명으로 개체에 레이블을 지정하는 대략적인 개체 분류를 활성화할 수도 있습니다.

시작하기 전에

  1. 아직 Android 프로젝트에 Firebase를 추가 하지 않았다면 추가합니다.
  2. ML Kit Android 라이브러리에 대한 종속성을 모듈(앱 수준) Gradle 파일(일반적으로 app/build.gradle )에 추가합니다.
    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. 객체 감지기 구성

객체 감지 및 추적을 시작하려면 먼저 FirebaseVisionObjectDetector 의 인스턴스를 만들고 선택적으로 기본값에서 변경하려는 감지기 설정을 지정합니다.

  1. FirebaseVisionObjectDetectorOptions 객체를 사용하여 사용 사례에 대한 객체 감지기를 구성합니다. 다음 설정을 변경할 수 있습니다.

    물체 감지기 설정
    감지 모드 STREAM_MODE (기본값) | SINGLE_IMAGE_MODE

    STREAM_MODE (기본값)에서 객체 감지기는 짧은 대기 시간으로 실행되지만 감지기의 처음 몇 번 호출에서 불완전한 결과(예: 지정되지 않은 경계 상자 또는 범주 레이블)를 생성할 수 있습니다. 또한 STREAM_MODE 에서 감지기는 개체에 추적 ID를 할당하므로 프레임에서 개체를 추적하는 데 사용할 수 있습니다. 실시간으로 비디오 스트림을 처리할 때와 같이 개체를 추적하거나 짧은 대기 시간이 중요한 경우 이 모드를 사용합니다.

    SINGLE_IMAGE_MODE 에서 객체 감지기는 결과를 반환하기 전에 감지된 객체의 경계 상자와 (분류를 활성화한 경우) 범주 레이블을 사용할 수 있을 때까지 기다립니다. 결과적으로 탐지 대기 시간이 더 길어질 수 있습니다. 또한 SINGLE_IMAGE_MODE 에서는 추적 ID가 할당되지 않습니다. 대기 시간이 중요하지 않고 부분적인 결과를 처리하고 싶지 않은 경우 이 모드를 사용하십시오.

    여러 개체 감지 및 추적 false (기본값) | true

    최대 5개의 개체 또는 가장 눈에 띄는 개체(기본값)만 감지하고 추적할지 여부입니다.

    개체 분류 false (기본값) | true

    감지된 개체를 대략적인 범주로 분류할지 여부입니다. 활성화되면 객체 감지기가 객체를 패션 상품, 식품, 가정용품, 장소, 식물 및 알려지지 않은 범주로 분류합니다.

    객체 감지 및 추적 API는 다음 두 가지 핵심 사용 사례에 최적화되어 있습니다.

    • 카메라 뷰파인더에서 가장 눈에 띄는 물체의 실시간 감지 및 추적
    • 정적 이미지에서 여러 물체 감지

    이러한 사용 사례에 대해 API를 구성하려면:

    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 의 인스턴스를 가져옵니다.

    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. 물체 감지기 실행

객체를 감지하고 추적하려면 FirebaseVisionObjectDetector 인스턴스의 processImage() 메서드에 이미지를 전달하세요.

시퀀스의 비디오 또는 이미지의 각 프레임에 대해 다음을 수행합니다.

  1. 이미지에서 FirebaseVisionImage 객체를 만듭니다.

    • 기기의 카메라에서 이미지를 캡처할 때와 같이 media.Image 객체에서 FirebaseVisionImage 객체를 만들려면 media.Image 객체와 이미지의 회전을 FirebaseVisionImage.fromMediaImage() 에 전달합니다.

      CameraX 라이브러리를 사용하는 경우 OnImageCapturedListenerImageAnalysis.Analyzer 클래스가 회전 값을 자동으로 계산하므로 FirebaseVisionImage.fromMediaImage() 를 호출하기 전에 회전을 ML Kit의 ROTATION_ 상수 중 하나로 변환하기만 하면 됩니다.

      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
                  // ...
              }
          }
      }
      

      이미지의 회전을 제공하는 카메라 라이브러리를 사용하지 않는 경우 장치의 회전과 장치의 카메라 센서 방향에서 계산할 수 있습니다.

      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
      }

      그런 다음 media.Image 객체와 회전 값을 FirebaseVisionImage.fromMediaImage() 에 전달합니다.

      Java

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

      Kotlin+KTX

      val image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation)
    • 파일 URI에서 FirebaseVisionImage 객체를 만들려면 앱 컨텍스트와 파일 URI를 FirebaseVisionImage.fromFilePath() 에 전달합니다. 이는 ACTION_GET_CONTENT 텐트를 사용하여 사용자에게 갤러리 앱에서 이미지를 선택하라는 메시지를 표시할 때 유용합니다.

      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 또는 바이트 배열에서 FirebaseVisionImage 객체를 만들려면 먼저 media.Image 입력에 대해 위에서 설명한 대로 이미지 회전을 계산합니다.

      그런 다음 이미지의 높이, 너비, 색상 인코딩 형식 및 회전이 포함된 FirebaseVisionImageMetadata 객체를 만듭니다.

      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()

      버퍼 또는 배열과 메타데이터 객체를 사용하여 FirebaseVisionImage 객체를 생성합니다.

      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 객체에서 FirebaseVisionImage 객체를 만들려면 다음 안내를 따르세요.

      Java

      FirebaseVisionImage image = FirebaseVisionImage.fromBitmap(bitmap);

      Kotlin+KTX

      val image = FirebaseVisionImage.fromBitmap(bitmap)
      Bitmap 개체가 나타내는 이미지는 추가 회전 없이 똑바로 세워야 합니다.
  2. processImage() 메서드에 이미지를 전달합니다.

    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. processImage() 호출이 성공하면 FirebaseVisionObject 목록이 성공 리스너에 전달됩니다.

    FirebaseVisionObject 에는 다음 속성이 포함됩니다.

    경계 상자 이미지에서 개체의 위치를 ​​나타내는 Rect 입니다.
    추적 ID 이미지에서 개체를 식별하는 정수입니다. SINGLE_IMAGE_MODE에서 Null입니다.
    범주 개체의 대략적인 범주입니다. 객체 감지기에 분류가 활성화되어 있지 않으면 항상 FirebaseVisionObject.CATEGORY_UNKNOWN 입니다.
    신뢰 개체 분류의 신뢰도 값입니다. 객체 감지기에 분류가 활성화되어 있지 않거나 객체가 알 수 없는 것으로 분류된 경우 null 입니다.

    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
    }
    

사용성 및 성능 향상

최상의 사용자 경험을 위해 앱에서 다음 지침을 따르세요.

  • 성공적인 물체 감지는 물체의 시각적 복잡성에 달려 있습니다. 시각적 특징이 적은 개체는 감지할 이미지의 더 많은 부분을 차지해야 할 수 있습니다. 감지하려는 개체의 종류와 잘 작동하는 입력 캡처에 대한 지침을 사용자에게 제공해야 합니다.
  • 분류를 사용할 때 지원되는 범주에 완전히 속하지 않는 개체를 감지하려면 알 수 없는 개체에 대한 특수 처리를 구현합니다.

또한 [ML Kit 머티리얼 디자인 쇼케이스 앱][showcase-link]{: .external } 및 머신 러닝 기반 기능 컬렉션을 위한 머티리얼 디자인 패턴을 확인하세요.

실시간 애플리케이션에서 스트리밍 모드를 사용할 때 최상의 프레임 속도를 얻으려면 다음 지침을 따르십시오.

  • 대부분의 장치는 적절한 프레임 속도를 생성할 수 없으므로 스트리밍 모드에서 다중 개체 감지를 사용하지 마십시오.

  • 필요하지 않은 경우 분류를 비활성화합니다.

  • 감지기에 대한 호출을 조절합니다. 감지기가 실행되는 동안 새 비디오 프레임을 사용할 수 있게 되면 프레임을 삭제합니다.
  • 감지기의 출력을 사용하여 입력 이미지에 그래픽을 오버레이하는 경우 먼저 ML Kit에서 결과를 가져온 다음 단일 단계로 이미지와 오버레이를 렌더링합니다. 이렇게 하면 각 입력 프레임에 대해 한 번만 디스플레이 표면에 렌더링됩니다.
  • Camera2 API를 사용하는 경우 ImageFormat.YUV_420_888 형식으로 이미지를 캡처합니다.

    이전 Camera API를 사용하는 경우 ImageFormat.NV21 형식으로 이미지를 캡처합니다.