Rilevamento dei volti con ML Kit su Android

Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.

Puoi usare il kit ML per rilevare i volti nelle immagini e nel video.

Esistono due modi per integrare il rilevamento dei volti: un modello in bundle che fa parte della tua app e un modello in bundle che dipende da Google Play Services. I due modelli sono uguali. Se selezioni il modello non abbinato, l'app sarà più piccola.

FunzionalitàNon raggruppateAbbinata
ImplementazioneIl modello viene scaricato in modo dinamico tramite Google Play Services.Il modello è collegato in modo statico alla tua app al momento della build.
Dimensioni appAumento di circa 800 kB.Aumento di circa 6,9 MB.
Ora di inizializzazionePotrebbe essere necessario attendere il download del modello prima del primo utilizzo.Il modello è disponibile immediatamente
  • Gioca con l'app di esempio per vedere un esempio di utilizzo di questa API.
  • Prova il codice in autonomia con il codelab.

Prima di iniziare

  1. Nel file build.gradle a livello di progetto, assicurati di includere il repository Maven di Google nelle sezioni buildscript e allprojects.

  2. Aggiungi le dipendenze per le librerie Android di ML Kit al file gradle a livello di app del modulo, che di solito è app/build.gradle. Scegli una delle seguenti dipendenze in base alle tue esigenze:

    Per raggruppare il modello nell'app:

    dependencies {
      // ...
      // Use this dependency to bundle the model with your app
      implementation 'com.google.mlkit:face-detection:16.1.5'
    }
    

    Per usare il modello in Google Play Services:

    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'
    }
    
  3. Se scegli di utilizzare il modello in Google Play Services, puoi configurarlo per scaricare automaticamente il modello sul dispositivo dopo averlo installato dal Play Store. A tale scopo, aggiungi la seguente dichiarazione al file AndroidManifest.xml dell'app:

    <application ...>
          ...
          <meta-data
              android:name="com.google.mlkit.vision.DEPENDENCIES"
              android:value="face" >
          <!-- To use multiple models: android:value="face,model2,model3" -->
    </application>
    

    Puoi anche verificare esplicitamente la disponibilità del modello e richiedere il download tramite l'API ModuleInstallClient di Google Play Services.

    Se non attivi i download dei modelli al momento dell'installazione o richiedi il download esplicito, il modello verrà scaricato la prima volta che esegui il rilevatore. Le richieste effettuate prima del completamento del download non hanno alcun risultato.

Linee guida per l'immagine di input

Per il riconoscimento dei volti, devi utilizzare un'immagine con dimensioni di almeno 480 x 360 pixel. Affinché ML Kit possa rilevare con precisione i volti, le immagini di input devono contenere volti rappresentati da dati pixel sufficienti. In generale, ogni faccia che vuoi rilevare in un'immagine deve essere di almeno 100x100 pixel. Se vuoi rilevare i contorni dei volti, ML Kit richiede un input a risoluzione più elevata: ogni volto deve essere di almeno 200x200 pixel.

Se rilevi i volti in un'applicazione in tempo reale, puoi anche prendere in considerazione le dimensioni complessive delle immagini di input. Le immagini più piccole possono essere elaborate più velocemente, per ridurre la latenza, acquisire immagini a risoluzioni più basse, ma tieni presenti i requisiti di accuratezza di cui sopra e assicurati che il volto del soggetto occupi quanto più possibile l'immagine. Consulta anche i suggerimenti per migliorare le prestazioni in tempo reale.

Una scarsa messa a fuoco dell'immagine può anche influire sulla precisione. Se non ottieni risultati accettabili, chiedi all'utente di riottenere l'immagine.

L'orientamento di un volto rispetto alla fotocamera può influire anche sulle caratteristiche facciali del ML Kit. Consulta Concetti relativi al rilevamento dei volti.

1. Configurare il rilevatore dei volti

Prima di applicare il rilevamento dei volti a un'immagine, se vuoi modificare le impostazioni predefinite del rilevatore dei volti, specifica tali impostazioni con un oggetto FaceDetectorOptions. Puoi modificare le seguenti impostazioni:

Impostazioni
setPerformanceMode PERFORMANCE_MODE_FAST (predefinita) | PERFORMANCE_MODE_ACCURATE

Favorisci la velocità o l'accuratezza nel rilevamento dei volti.

setLandmarkMode LANDMARK_MODE_NONE (predefinita) | LANDMARK_MODE_ALL

L'eventualità di tentare di identificare "puntini" del viso: occhi, orecchie, naso, guance, bocca e così via.

setContourMode CONTOUR_MODE_NONE (predefinita) | CONTOUR_MODE_ALL

Indica se rilevare i contorni dei tratti del viso. I contorni vengono rilevati solo per il volto più in evidenza in un'immagine.

setClassificationMode CLASSIFICATION_MODE_NONE (predefinita) | CLASSIFICATION_MODE_ALL

Indica se classificare o meno i volti in categorie quali "sorriso" e "occhi aperti".

setMinFaceSize float (valore predefinito: 0.1f)

Consente di impostare la dimensione del volto più piccola desiderata, espressa come rapporto tra la larghezza della testa e la larghezza dell'immagine.

enableTracking false (valore predefinito) | true

Consente di specificare se assegnare o meno un volto a un ID, che può essere utilizzato per tenere traccia dei volti tra le immagini.

Quando viene attivato il rilevamento dei contorni, viene rilevato un solo volto, quindi il monitoraggio dei volti non produce risultati utili. Per questo motivo e per migliorare la velocità di rilevamento, non attivare sia il rilevamento dei contorni che il monitoraggio dei volti.

Ad esempio:

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. Prepara l'immagine di input

Per rilevare i volti in un'immagine, crea un oggetto InputImage da un Bitmap, media.Image, ByteBuffer, da un array di byte o da un file sul dispositivo. Passa quindi l'oggetto InputImage al metodo process di FaceDetector.

Per il rilevamento dei volti, devi utilizzare un'immagine con dimensioni di almeno 480 x 360 pixel. Se rilevi i volti in tempo reale, l'acquisizione di fotogrammi con una risoluzione minima può aiutarti a ridurre la latenza.

Puoi creare un oggetto InputImage da origini diverse, ognuno dei quali è illustrato di seguito.

Con media.Image

Per creare un oggetto InputImage da un oggetto media.Image, ad esempio quando acquisisci un'immagine dalla fotocamera di un dispositivo, passa l'oggetto media.Image e la rotazione dell'immagine a InputImage.fromMediaImage().

Se utilizzi la libreria CameraX, le classi OnImageCapturedListener e ImageAnalysis.Analyzer calcolano il valore di rotazione automaticamente.

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
          // ...
        }
    }
}

Se non utilizzi una raccolta di fotocamere che ti dà il grado di rotazione dell'immagine, puoi calcolarla in base al grado di rotazione e all'orientamento del sensore della fotocamera del dispositivo:

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;
}

Quindi, trasmetti l'oggetto media.Image e il valore del grado di rotazione a InputImage.fromMediaImage():

Kotlin

val image = InputImage.fromMediaImage(mediaImage, rotation)

Java

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

usando un URI di file.

Per creare un oggetto InputImage da un URI del file, passa il contesto dell'app e l'URI del file a InputImage.fromFilePath(). Ciò è utile quando utilizzi un intent ACTION_GET_CONTENT per richiedere all'utente di selezionare un'immagine dalla sua app Galleria.

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();
}

Con ByteBuffer o ByteArray

Per creare un oggetto InputImage da un elemento ByteBuffer o ByteArray, innanzitutto calcola il grado di rotazione delle immagini come descritto in precedenza per l'input media.Image. Quindi, crea l'oggetto InputImage con il buffer o l'array, insieme all'altezza, alla larghezza, al formato di codifica dei colori e al grado di rotazione dell'immagine:

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
);

Con Bitmap

Per creare un oggetto InputImage da un oggetto Bitmap, effettua la seguente dichiarazione:

Kotlin

val image = InputImage.fromBitmap(bitmap, 0)

Java

InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);

L'immagine è rappresentata da un oggetto Bitmap insieme a gradi di rotazione.

3. Recupero di un'istanza di 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. Elabora l'immagine

Passa l'immagine al metodo process:

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. Visualizzare le informazioni sui volti rilevati

Se l'operazione di rilevamento dei volti ha esito positivo, un elenco di oggetti Face viene trasmesso all'elenco di operazioni riuscite. Ogni oggetto Face rappresenta un volto rilevato nell'immagine. Per ogni volto puoi ottenere le coordinate di delimitazione dell'immagine di input, nonché eventuali altre informazioni configurate dal rilevatore. Ad esempio:

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();
    }
}

Esempio di contorni del volto

Se hai attivato il rilevamento dei contorni dei volti, ottieni un elenco di punti per ogni funzionalità del volto che è stata rilevata. Questi punti rappresentano la forma della caratteristica. Consulta Concetti di rilevamento dei volti per i dettagli su come sono rappresentati i contorni.

La seguente immagine illustra come questi punti vengono mappati a un volto, fai clic sull'immagine per ingrandirla:

esempio di mesh di contorni del volto rilevato

Rilevamento dei volti in tempo reale

Se vuoi utilizzare il rilevamento dei volti in un'applicazione in tempo reale, segui queste linee guida per ottenere le migliori frequenze fotogrammi:

  • Configura il rilevatore del volto affinché utilizzi il rilevamento o la classificazione del contorno del volto e il rilevamento dei punti di riferimento, ma non entrambi:

    Rilevamento profilo
    Rilevamento punto di riferimento
    Classificazione
    Rilevamento e classificazione punto di riferimento
    Rilevamento profilo e rilevamento punto di riferimento
    Rilevamento e classificazione profilo
    Rilevamento profilo, rilevamento punto di riferimento e classificazione

  • Attiva la modalità FAST (attivata per impostazione predefinita).

  • Potresti acquisire immagini a una risoluzione inferiore. Tuttavia, tieni presente anche i requisiti relativi alle dimensioni delle immagini di questa API.

  • Se utilizzi l'API Camera o camera2, limita le chiamate al rilevatore. Se è disponibile un nuovo frame video mentre il rilevatore è in esecuzione, trascina il frame. Consulta la classe VisionProcessorBase nell'app di esempio della guida rapida.
  • Se utilizzi l'API CameraX, assicurati che la strategia di contropressione sia impostata sul suo valore predefinito ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST. Garantisce che venga pubblicata una sola immagine alla volta. Se vengono generate più immagini quando lo strumento di analisi è occupato, le immagini vengono eliminate automaticamente e non vengono messe in coda per la pubblicazione. Una volta che l'immagine da analizzare viene chiusa chiamando ImageProxy.close(), verrà pubblicata l'ultima immagine successiva.
  • Se utilizzi l'output del rilevatore per sovrapporre la grafica sull'immagine di input, ottieni prima il risultato dal ML Kit, quindi visualizza l'immagine e l'overlay in un solo passaggio. Viene visualizzato sulla superficie di visualizzazione una sola volta per ogni frame di input. Per un esempio, consulta le classi CameraSourcePreview e GraphicOverlay nell'app di esempio della guida rapida.
  • Se utilizzi l'API Camera2, acquisisci le immagini nel formato ImageFormat.YUV_420_888. Se utilizzi la precedente API Camera, acquisisci le immagini nel formato ImageFormat.NV21.