يمكنك استخدام "حزمة تعلُّم الآلة" لرصد الوجوه في الصور والفيديوهات.
الميزة | غير مجمّعة | مُجمَّعة |
---|---|---|
التنفيذ | يتم تنزيل النموذج ديناميكيًا من خلال "خدمات Google Play". | يتم ربط النموذج بتطبيقك بشكل ثابت في وقت الإنشاء. |
حجم التطبيق | زيادة حجم التطبيق بمقدار 800 كيلوبايت تقريبًا | زيادة حجم التطبيق بمقدار 6.9 ميغابايت تقريبًا |
وقت الإعداد | قد تحتاج إلى الانتظار إلى أن يتم تنزيل النموذج قبل استخدامه لأول مرة. | الطراز متوفّر على الفور |
جرّبه الآن
- يمكنك استخدام نموذج التطبيق للاطّلاع على مثال على استخدام واجهة برمجة التطبيقات هذه.
- جرِّب الرمز بنفسك باستخدام الدرس التطبيقي حول الترميز.
قبل البدء
في ملف
build.gradle
على مستوى المشروع، احرص على تضمين مستودع Maven من Google في كلّ من القسمَينbuildscript
وallprojects
.أضِف ملفات الاعتماد لمكتبات ML Kit لنظام التشغيل Android إلى ملف Gradle على مستوى التطبيق الخاص بالوحدة، والذي يكون عادةً
app/build.gradle
. اختَر أحد التبعيات التالية استنادًا إلى احتياجاتك:لتجميع النموذج مع تطبيقك:
dependencies { // ... // Use this dependency to bundle the model with your app implementation 'com.google.mlkit:face-detection:16.1.7' }
لاستخدام النموذج في "خدمات Google Play":
dependencies { // ... // Use this dependency to use the dynamically downloaded model in Google Play Services implementation 'com.google.android.gms:play-services-mlkit-face-detection:17.1.0' }
إذا اخترت استخدام النموذج في "خدمات Google Play"، يمكنك ضبط إعدادات تطبيقك لتنزيل النموذج تلقائيًا على الجهاز بعد تثبيت تطبيقك من "متجر Play". ولإجراء ذلك، أضِف البيان التالي إلىملف
AndroidManifest.xml
في تطبيقك:<application ...> ... <meta-data android:name="com.google.mlkit.vision.DEPENDENCIES" android:value="face" > <!-- To use multiple models: android:value="face,model2,model3" --> </application>
يمكنك أيضًا التحقّق صراحةً من مدى توفّر النموذج وطلب تنزيله من خلال ModuleInstallClient API في "خدمات Google Play".
في حال عدم تفعيل عمليات تنزيل النماذج في وقت التثبيت أو طلب تنزيل صريح، يتم تنزيل النموذج في المرة الأولى التي يتم فيها تشغيل أداة الكشف. لا تؤدي الطلبات التي تقدّمها قبل اكتمال عملية التنزيل إلى أي نتائج.
إرشادات حول إدخال الصور
لميزة التعرّف على الوجوه، يجب استخدام صورة أبعادها 480×360 بكسل على الأقل. لكي تتمكّن حزمة ML Kit من رصد الوجوه بدقة، يجب أن تحتوي صور الإدخال على وجوه يتم تمثيلها ببيانات بكسل كافية. بشكل عام، يجب ألا يقلّ حجم كل وجه تريد رصده في الصورة عن 100×100 بكسل. إذا كنت تريد رصد ملامح الوجوه، تتطلّب حزمة ML Kit إدخالًا بدرجة دقة أعلى: يجب أن يكون كل وجه بدقة 200 × 200 بكسل على الأقل.
إذا كنت ترصد الوجوه في تطبيق يعمل في الوقت الفعلي، قد تحتاج أيضًا إلى مراعاة الأبعاد العامة للصور المُدخلة. يمكن معالجة الصور الأصغر حجمًا بشكل أسرع، لذا لتقليل وقت الاستجابة، يمكنك التقاط الصور بدرجة دقة أقل، مع مراعاة متطلبات الدقة المذكورة أعلاه والتأكّد من أنّ وجه الشخص المعنيّ يشغل أكبر قدر ممكن من الصورة. اطّلِع أيضًا على نصائح لتحسين الأداء في الوقت الفعلي.
يمكن أن يؤثر أيضًا عدم تركيز الصورة في الدقة. إذا لم تحصل على نتائج مقبولة، اطلب من المستخدم إعادة التقاط الصورة.
يمكن أن يؤثر أيضًا اتجاه الوجه بالنسبة إلى الكاميرا في ميزات الوجه التي ترصدها حزمة ML Kit. يُرجى الاطّلاع على مفاهيم التعرّف على الوجوه.
1. ضبط أداة رصد الوجوه
قبل تطبيق ميزة "اكتشاف الوجوه" على صورة، إذا أردت تغيير أي من الإعدادات التلقائية لميزة "اكتشاف الوجوه"، حدِّد هذه الإعدادات باستخدام عنصرFaceDetectorOptions
.
يمكنك تغيير الإعدادات التالية:
الإعدادات | |
---|---|
setPerformanceMode
|
PERFORMANCE_MODE_FAST (تلقائي)
|
PERFORMANCE_MODE_ACCURATE
يمكنك تفضيل السرعة أو الدقة عند رصد الوجوه. |
setLandmarkMode
|
LANDMARK_MODE_NONE (تلقائي)
|
LANDMARK_MODE_ALL
ما إذا كان سيتم محاولة تحديد "النقاط الرئيسية" للوجه: العيون والأذنان والأنف والخدود والفم وما إلى ذلك |
setContourMode
|
CONTOUR_MODE_NONE (تلقائي)
|
CONTOUR_MODE_ALL
ما إذا كان سيتم رصد معالم ملامح الوجه يتم رصد المخططات للوجه الأكثر بروزًا في الصورة فقط. |
setClassificationMode
|
CLASSIFICATION_MODE_NONE (تلقائي)
|
CLASSIFICATION_MODE_ALL
ما إذا كان سيتم تصنيف الوجوه إلى فئات مثل "مبتسم" و "عيون مفتوحة" أم لا |
setMinFaceSize
|
float (القيمة التلقائية: 0.1f )
تُستخدَم لضبط أصغر حجم مطلوب للوجه، ويتم التعبير عنها كنسبة بين عرض الرأس وعرض الصورة. |
enableTracking
|
false (تلقائي) | true
ما إذا كنت تريد منح الوجوه رقم تعريف أم لا، والذي يمكن استخدامه لتتبُّع الوجوه في الصور يُرجى العِلم أنّه عند تفعيل ميزة "رصد الخطوط"، يتم رصد وجه واحد فقط، وبالتالي لا تؤدي ميزة "تتبُّع الوجه" إلى تحقيق نتائج مفيدة. لهذا السبب، ولمزيد من سرعة رصد الوجوه، لا تفعِّل ميزة رصد خطوط الالتفاف وميزة تتبُّع الوجوه في الوقت نفسه. |
على سبيل المثال:
Kotlin
// High-accuracy landmark detection and face classification val highAccuracyOpts = FaceDetectorOptions.Builder() .setPerformanceMode(FaceDetectorOptions.PERFORMANCE_MODE_ACCURATE) .setLandmarkMode(FaceDetectorOptions.LANDMARK_MODE_ALL) .setClassificationMode(FaceDetectorOptions.CLASSIFICATION_MODE_ALL) .build() // Real-time contour detection val realTimeOpts = FaceDetectorOptions.Builder() .setContourMode(FaceDetectorOptions.CONTOUR_MODE_ALL) .build()
Java
// High-accuracy landmark detection and face classification FaceDetectorOptions highAccuracyOpts = new FaceDetectorOptions.Builder() .setPerformanceMode(FaceDetectorOptions.PERFORMANCE_MODE_ACCURATE) .setLandmarkMode(FaceDetectorOptions.LANDMARK_MODE_ALL) .setClassificationMode(FaceDetectorOptions.CLASSIFICATION_MODE_ALL) .build(); // Real-time contour detection FaceDetectorOptions realTimeOpts = new FaceDetectorOptions.Builder() .setContourMode(FaceDetectorOptions.CONTOUR_MODE_ALL) .build();
2. تجهيز صورة الإدخال
لرصد الوجوه في صورة، أنشئ عنصرًا من النوعInputImage
من Bitmap
أو media.Image
أو ByteBuffer
أو صفيف بايت أو ملف على
الجهاز. بعد ذلك، نقْل عنصر InputImage
إلى الطريقة process
في FaceDetector
.
لميزة "اكتشاف الوجوه"، يجب استخدام صورة أبعادها 480x360 بكسل على الأقل. إذا كنت ترصد الوجوه في الوقت الفعلي، يمكن أن يساعد التقاط اللقطات بهذا الحد الأدنى من الدقة في تقليل وقت الاستجابة.
يمكنك إنشاء عنصر InputImage
من مصادر مختلفة، وسيتم شرح كل مصدر أدناه.
استخدام media.Image
لإنشاء عنصر InputImage
من عنصر media.Image
، مثلاً عند التقاط صورة من
كاميرا الجهاز، عليك تمرير عنصر media.Image
ودرجة
دوران الصورة إلى InputImage.fromMediaImage()
.
إذا كنت تستخدِم مكتبة
CameraX، تحتسِب فئتَا OnImageCapturedListener
و
ImageAnalysis.Analyzer
قيمة التدوير
نيابةً عنك.
Kotlin
private class YourImageAnalyzer : ImageAnalysis.Analyzer { override fun analyze(imageProxy: ImageProxy) { val mediaImage = imageProxy.image if (mediaImage != null) { val image = InputImage.fromMediaImage(mediaImage, imageProxy.imageInfo.rotationDegrees) // Pass image to an ML Kit Vision API // ... } } }
Java
private class YourAnalyzer implements ImageAnalysis.Analyzer { @Override public void analyze(ImageProxy imageProxy) { Image mediaImage = imageProxy.getImage(); if (mediaImage != null) { InputImage image = InputImage.fromMediaImage(mediaImage, imageProxy.getImageInfo().getRotationDegrees()); // Pass image to an ML Kit Vision API // ... } } }
إذا كنت لا تستخدم مكتبة كاميرا تمنحك درجة دوران الصورة، يمكنك احتسابها من درجة دوران الجهاز واتجاه كاميرا الاستشعار في الجهاز:
Kotlin
private val ORIENTATIONS = SparseIntArray() init { ORIENTATIONS.append(Surface.ROTATION_0, 0) ORIENTATIONS.append(Surface.ROTATION_90, 90) ORIENTATIONS.append(Surface.ROTATION_180, 180) ORIENTATIONS.append(Surface.ROTATION_270, 270) } /** * 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, isFrontFacing: Boolean): 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) // Get the device's sensor orientation. val cameraManager = activity.getSystemService(CAMERA_SERVICE) as CameraManager val sensorOrientation = cameraManager .getCameraCharacteristics(cameraId) .get(CameraCharacteristics.SENSOR_ORIENTATION)!! if (isFrontFacing) { rotationCompensation = (sensorOrientation + rotationCompensation) % 360 } else { // back-facing rotationCompensation = (sensorOrientation - rotationCompensation + 360) % 360 } return rotationCompensation }
Java
private static final SparseIntArray ORIENTATIONS = new SparseIntArray(); static { ORIENTATIONS.append(Surface.ROTATION_0, 0); ORIENTATIONS.append(Surface.ROTATION_90, 90); ORIENTATIONS.append(Surface.ROTATION_180, 180); ORIENTATIONS.append(Surface.ROTATION_270, 270); } /** * 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, boolean isFrontFacing) 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); // Get the device's sensor orientation. CameraManager cameraManager = (CameraManager) activity.getSystemService(CAMERA_SERVICE); int sensorOrientation = cameraManager .getCameraCharacteristics(cameraId) .get(CameraCharacteristics.SENSOR_ORIENTATION); if (isFrontFacing) { rotationCompensation = (sensorOrientation + rotationCompensation) % 360; } else { // back-facing rotationCompensation = (sensorOrientation - rotationCompensation + 360) % 360; } return rotationCompensation; }
بعد ذلك، مرِّر عنصر media.Image
وقيمة
درجة الدوران إلى InputImage.fromMediaImage()
:
Kotlin
val image = InputImage.fromMediaImage(mediaImage, rotation)
Java
InputImage image = InputImage.fromMediaImage(mediaImage, rotation);
استخدام عنوان URL للملف
لإنشاء عنصر InputImage
، من معرّف موارد منتظم لملف، عليك تمرير سياق التطبيق ومعرّف الموارد المنتظم للملف إلى
InputImage.fromFilePath()
. يكون ذلك مفيدًا عند
استخدام نية ACTION_GET_CONTENT
لطلب تحديد
صورة من تطبيق معرض الصور.
Kotlin
val image: InputImage try { image = InputImage.fromFilePath(context, uri) } catch (e: IOException) { e.printStackTrace() }
Java
InputImage image; try { image = InputImage.fromFilePath(context, uri); } catch (IOException e) { e.printStackTrace(); }
استخدام ByteBuffer
أو ByteArray
لإنشاء عنصر InputImage
من ByteBuffer
أو ByteArray
، يجب أولاً احتساب درجة دوران
الصورة كما هو موضّح سابقًا لإدخال media.Image
.
بعد ذلك، أنشئ عنصر InputImage
باستخدام المخزن المؤقت أو الصفيف، بالإضافة إلى
ارتفاع الصورة وعرضها وتنسيق ترميز الألوان ودرجة تدويرها:
Kotlin
val image = InputImage.fromByteBuffer( byteBuffer, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 ) // Or: val image = InputImage.fromByteArray( byteArray, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 )
Java
InputImage image = InputImage.fromByteBuffer(byteBuffer, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 ); // Or: InputImage image = InputImage.fromByteArray( byteArray, /* image width */480, /* image height */360, rotation, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 );
استخدام Bitmap
لإنشاء عنصر InputImage
من عنصر Bitmap
، أدخِل التعريف التالي:
Kotlin
val image = InputImage.fromBitmap(bitmap, 0)
Java
InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);
يتم تمثيل الصورة بعنصر Bitmap
مع درجات الدوران.
3- الحصول على مثيل من FaceDetector
Kotlin
val detector = FaceDetection.getClient(options) // Or, to use the default option: // val detector = FaceDetection.getClient();
Java
FaceDetector detector = FaceDetection.getClient(options); // Or use the default options: // FaceDetector detector = FaceDetection.getClient();
4. معالجة الصورة
نقْل الصورة إلى طريقةprocess
:
Kotlin
val result = detector.process(image) .addOnSuccessListener { faces -> // Task completed successfully // ... } .addOnFailureListener { e -> // Task failed with an exception // ... }
Java
Task<List<Face>> result = detector.process(image) .addOnSuccessListener( new OnSuccessListener<List<Face>>() { @Override public void onSuccess(List<Face> faces) { // Task completed successfully // ... } }) .addOnFailureListener( new OnFailureListener() { @Override public void onFailure(@NonNull Exception e) { // Task failed with an exception // ... } });
5- الحصول على معلومات عن الوجوه التي تم رصدها
في حال نجاح عملية رصد الوجوه، يتم تمرير قائمة بعناصرFace
إلى مستمع
النجاح. يمثّل كل عنصر Face
وجهًا تم رصده
في الصورة. بالنسبة إلى كل وجه، يمكنك الحصول على إحداثيات حدوده في
صورة الإدخال، بالإضافة إلى أي معلومات أخرى أعددت ميزة "كاشف الوجوه" للعثور عليها. على سبيل المثال:
Kotlin
for (face in faces) { val bounds = face.boundingBox val rotY = face.headEulerAngleY // Head is rotated to the right rotY degrees val rotZ = face.headEulerAngleZ // Head is tilted sideways rotZ degrees // If landmark detection was enabled (mouth, ears, eyes, cheeks, and // nose available): val leftEar = face.getLandmark(FaceLandmark.LEFT_EAR) leftEar?.let { val leftEarPos = leftEar.position } // If contour detection was enabled: val leftEyeContour = face.getContour(FaceContour.LEFT_EYE)?.points val upperLipBottomContour = face.getContour(FaceContour.UPPER_LIP_BOTTOM)?.points // If classification was enabled: if (face.smilingProbability != null) { val smileProb = face.smilingProbability } if (face.rightEyeOpenProbability != null) { val rightEyeOpenProb = face.rightEyeOpenProbability } // If face tracking was enabled: if (face.trackingId != null) { val id = face.trackingId } }
Java
for (Face face : faces) { Rect bounds = face.getBoundingBox(); float rotY = face.getHeadEulerAngleY(); // Head is rotated to the right rotY degrees float rotZ = face.getHeadEulerAngleZ(); // Head is tilted sideways rotZ degrees // If landmark detection was enabled (mouth, ears, eyes, cheeks, and // nose available): FaceLandmark leftEar = face.getLandmark(FaceLandmark.LEFT_EAR); if (leftEar != null) { PointF leftEarPos = leftEar.getPosition(); } // If contour detection was enabled: List<PointF> leftEyeContour = face.getContour(FaceContour.LEFT_EYE).getPoints(); List<PointF> upperLipBottomContour = face.getContour(FaceContour.UPPER_LIP_BOTTOM).getPoints(); // If classification was enabled: if (face.getSmilingProbability() != null) { float smileProb = face.getSmilingProbability(); } if (face.getRightEyeOpenProbability() != null) { float rightEyeOpenProb = face.getRightEyeOpenProbability(); } // If face tracking was enabled: if (face.getTrackingId() != null) { int id = face.getTrackingId(); } }
مثال على ملامح الوجه
عند تفعيل ميزة "رصد ملامح الوجه"، ستحصل على قائمة بالنقاط المتعلّقة بكل ميزة من ميزات الوجه التي تم رصدها. تمثّل هذه النقاط شكل الميزة. اطّلِع على مفاهيم رصد الوجوه للحصول على تفاصيل عن كيفية تمثيل المنحنيات.
توضِّح الصورة التالية كيفية ربط هذه النقاط بوجه. انقر على الصورة لتكبيرها:
ميزة "التعرّف على الوجوه" في الوقت الفعلي
إذا كنت تريد استخدام ميزة "اكتشاف الوجوه" في تطبيق يعمل في الوقت الفعلي، اتّبِع الإرشادات التالية لتحقيق أفضل معدّلات لإطارات الفيديو:
يمكنك ضبط أداة رصد الوجوه لاستخدام إما ميزة "اكتشاف معالم الوجه" أو ميزة "تصنيف الوجوه" وميزة "اكتشاف معالم الوجه"، ولكن ليس كليهما:
رصد الخطوط الخارجية
رصد المعالم
التصنيف
رصد المعالم وتصنيفها
رصد الخطوط الخارجية ورصد المعالم
رصد الخطوط الخارجية وتصنيفها
رصد الخطوط الخارجية ورصد المعالم وتصنيفهافعِّل وضع
FAST
(يكون مفعّلاً تلقائيًا).ننصحك بالتقاط الصور بدرجة دقة أقل. ومع ذلك، يجب أيضًا مراعاة متطلبات أبعاد الصور في واجهة برمجة التطبيقات هذه.
Camera
أو
camera2
،
يمكنك الحد من عدد طلبات البيانات المرسَلة إلى أداة رصد الأداء. إذا توفّر إطار
فيديو جديد أثناء تشغيل أداة رصد المحتوى، يمكنك إسقاط الإطار. يمكنك الاطّلاع على فئة
VisionProcessorBase
في تطبيق نموذج البدء السريع للحصول على مثال.
CameraX
،
تأكَّد من ضبط استراتيجية الضغط الخلفي على قيمتها التلقائية
ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST
.
يضمن ذلك إرسال صورة واحدة فقط للتحليل في كل مرة. إذا تم إنشاء المزيد من الصور
عندما يكون المحلّل مشغولاً، سيتم تجاهلها تلقائيًا ولن يتم وضعها في قائمة الانتظار للإرسال. بعد إغلاق الصورة التي يتم تحليلها من خلال استدعاء (ImageProxy.close())، سيتم إرسال أحدث صورة تالية.
CameraSourcePreview
و
GraphicOverlay
في تطبيق نموذج البدء السريع للحصول على مثال.
ImageFormat.YUV_420_888
. إذا كنت تستخدم الإصدار القديم من Camera API، يمكنك التقاط الصور بتنسيق
ImageFormat.NV21
.