你可以使用 ML Kit 偵測圖片和影片中的臉孔。
功能 | 未分類 | 組合 |
---|---|---|
導入作業 | 模型會透過 Google Play 服務動態下載。 | 模型會在建構期間以靜態方式連結至應用程式。 |
應用程式大小 | 大小增加約 800 KB。 | 大小增加約 6.9 MB。 |
初始化時間 | 可能要等到模型下載完畢再開始使用。 | 模型可立即使用 |
立即試用
- 使用範例應用程式試試 請查看此 API 的使用範例。
- 自行嘗試透過 編寫程式碼 程式碼研究室。
事前準備
在專案層級的
build.gradle
檔案中,請務必加入 Google 的buildscript
和allprojects
區段內的 Maven 存放區。將 ML Kit Android 程式庫的依附元件新增至模組的 應用程式層級的 Gradle 檔案,通常為
app/build.gradle
。選擇下列其中一項 並授予下列依附元件:將模型與應用程式搭配使用:
dependencies { // ... // Use this dependency to bundle the model with your app implementation 'com.google.mlkit:face-detection:16.1.7' }
在 Google Play 服務中使用模型的步驟如下:
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' }
如果您選擇在 Google Play 服務中使用模型,可以 讓應用程式自動下載至裝置, 安裝如果要這麼做,請將下列宣告加入 應用程式的
AndroidManifest.xml
檔案:<application ...> ... <meta-data android:name="com.google.mlkit.vision.DEPENDENCIES" android:value="face" > <!-- To use multiple models: android:value="face,model2,model3" --> </application>
您也可以明確確認模型可用性,並透過下列任一方式要求下載: Google Play 服務 ModuleInstallClient API。
如果您沒有啟用安裝期間模型下載功能或要求明確下載, 模型會在您初次執行偵測工具時下載。您提出的要求 就無法取得任何結果。
輸入圖片規範
如要使用臉部辨識功能,圖片尺寸應至少設為 480x360 像素。 為了讓 ML Kit 準確偵測臉孔,輸入圖片必須包含臉孔 以充足的像素資料表示基本上, 至少需要 100x100 像素如要偵測 臉部輪廓線,則 ML Kit 需要較高的解析度輸入: 至少應為 200 x 200 像素。
如果您在即時應用程式中偵測到臉孔,您可能還需要 將輸入圖片的整體尺寸納入考量較小的圖片 加快處理速度,因此為了縮短延遲時間,擷取解析度較低的圖片 著重於上述準確率規定,並確保 拍攝主體的臉孔會盡量佔滿圖片。另請參閱 即時效能改善訣竅。
圖像對焦品質不佳也可能會影響準確度。如果沒有接受 結果,請要求使用者重新擷取圖片。
臉部與相機相對的方向也會影響臉部表情 ML Kit 偵測到的特徵詳情請見 臉部偵測概念。
1. 設定臉部偵測工具
為圖像套用臉部偵測功能之前,如果想變更 臉部偵測器的預設設定,請用FaceDetectorOptions
物件。
您可以變更下列設定:
設定 | |
---|---|
setPerformanceMode
|
PERFORMANCE_MODE_FAST (預設)
|
PERFORMANCE_MODE_ACCURATE
改善偵測臉孔的速度或精確度。 |
setLandmarkMode
|
LANDMARK_MODE_NONE (預設)
|
LANDMARK_MODE_ALL
是否嘗試辨識臉部「地標」:眼睛、耳朵、鼻子、 臉頰、嘴巴等 |
setContourMode
|
CONTOUR_MODE_NONE (預設)
|
CONTOUR_MODE_ALL
是否偵測臉部特徵的輪廓。輪廓線是 只會偵測到圖片中最醒目的臉孔。 |
setClassificationMode
|
CLASSIFICATION_MODE_NONE (預設)
|
CLASSIFICATION_MODE_ALL
是否要將臉孔分類 (例如「微笑」)、 和「睜開雙眼」 |
setMinFaceSize
|
float (預設:0.1f )
設定所需的最小臉孔尺寸,以 標題與圖片寬度的寬度 |
enableTracking
|
false (預設) |true
是否要指派臉孔 ID,以用於追蹤 圖像中的人物臉孔。 請注意,啟用輪廓偵測功能後,只有一張臉孔 因此臉部追蹤功能無法產生實用的結果。為此 原因及加快偵測速度,請勿同時啟用兩個輪廓線 偵測及臉部追蹤 |
例如:
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. 準備輸入圖片
如要偵測圖片中的臉孔,請建立InputImage
物件
從 Bitmap
、media.Image
、ByteBuffer
、位元組陣列或
裝置。然後,將 InputImage
物件傳遞至
FaceDetector
的 process
方法。
如要使用臉部偵測功能,圖片尺寸應至少為 480x360 像素。如果正在即時偵測臉孔,請擷取畫面 達到這個最低解析度將有助於縮短延遲時間
您可以建立InputImage
不同來源的 ANR 物件,說明如下。
使用 media.Image
如要建立InputImage
物件,例如從 media.Image
物件擷取圖片
裝置的相機,請傳遞 media.Image
物件和映像檔的
旋轉為 InputImage.fromMediaImage()
。
如果您使用
CameraX 程式庫、OnImageCapturedListener
和
ImageAnalysis.Analyzer
類別會計算旋轉值
不必確保憑證管理是否適當
因為 Google Cloud 會為您管理安全性
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 // ... } } }
如果您沒有使用相機程式庫提供圖片的旋轉角度, 可根據裝置的旋轉角度和相機方向來計算 感應器:
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; }
然後,請傳遞 media.Image
物件和
將度數值旋轉為 InputImage.fromMediaImage()
:
Kotlin
val image = InputImage.fromMediaImage(mediaImage, rotation)
Java
InputImage image = InputImage.fromMediaImage(mediaImage, rotation);
使用檔案 URI
如要建立InputImage
物件,將應用程式結構定義與檔案 URI 傳遞至
InputImage.fromFilePath()
。如果您要
使用 ACTION_GET_CONTENT
意圖提示使用者選取
取自圖片庫應用程式中的圖片。
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(); }
使用 ByteBuffer
或 ByteArray
如要建立InputImage
ByteBuffer
或 ByteArray
的物件,請先計算圖片
與先前 media.Image
輸入中所述的旋轉角度相同。
接著,使用緩衝區或陣列建立 InputImage
物件,以及
高度、寬度、顏色編碼格式以及旋轉角度:
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 );
使用 Bitmap
如要建立InputImage
物件中,Bitmap
物件,請做出以下宣告:
Kotlin
val image = InputImage.fromBitmap(bitmap, 0)
Java
InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);
圖像以 Bitmap
物件和旋轉角度表示。
3. 取得 FaceDetector 執行個體
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. 處理圖片
將圖片傳遞至process
方法:
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. 取得系統偵測到的臉孔資訊
如果臉部偵測功能成功執行,系統會傳回Face
物件會傳遞至成功
接聽程式。每個 Face
物件都代表偵測到的臉孔
在圖片中定義文字您可以在輸入中取得每個臉孔的定界座標
以及你設定臉部偵測器
發現。例如:
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(); } }
臉部輪廓範例
啟用臉部輪廓偵測功能後,畫面上會列出 偵測到的臉部特徵這些點代表 而不是每個特徵的分數查看臉孔 偵測概念,進一步瞭解輪廓係數 。
下圖說明這些點如何對應到某個臉孔, 放大圖片:
即時臉部偵測
如要在即時應用程式中使用臉部偵測功能,請按照下列步驟操作: 實現最佳影格速率:
設定臉部偵測工具, 臉部輪廓偵測或分類及地標偵測,但兩者只能擇一:
輪廓偵測
地標偵測
分類
地標偵測與分類
模型偵測和地標偵測
模型偵測與分類
輪廓偵測、地標偵測與分類啟用
FAST
模式 (預設為啟用)。建議以較低的解析度拍攝圖片。請特別注意 這個 API 的圖片尺寸規定
Camera
或
camera2
API、
限制對偵測工具的呼叫如果影片有新影片
影格掉落時,表示影格是否可用。詳情請參閱
VisionProcessorBase
類別的範例。
CameraX
API,
請務必將背壓策略設為預設值
ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST
。
這麼做可保證系統一次只會傳送一張圖片進行分析。如果圖片較多
會在分析器忙碌時產生,這些作業會自動遭到捨棄,不會排入佇列
廣告放送。以呼叫方式關閉要分析的圖片後
ImageProxy.close(),最新一張圖片才會放送。
CameraSourcePreview
和
如需範例,請前往快速入門導覽課程範例應用程式中的 GraphicOverlay
類別。
ImageFormat.YUV_420_888
格式。如果使用舊版 Camera API,請以
ImageFormat.NV21
格式。