एमएल किट का इस्तेमाल करके, सेल्फ़ी जैसी इमेज और वीडियो में मौजूद चेहरों की पहचान की जा सकती है.
फ़ेस मेश डिटेक्शन एपीआई | |
---|---|
SDK टूल का नाम | face-mesh-detection |
कार्यान्वयन | बिल्ड के दौरान, कोड और ऐसेट आपके ऐप्लिकेशन से स्टैटिक रूप से लिंक होती हैं. |
ऐप्लिकेशन के साइज़ का असर | ~6.4 एमबी |
परफ़ॉर्मेंस | ज़्यादातर डिवाइसों पर रीयल-टाइम में की जाने वाली सुविधाएं. |
इसे आज़माएं
- एपीआई के इस्तेमाल का उदाहरण देखने के लिए, सैंपल ऐप्लिकेशन इस्तेमाल करें.
वेब कंटेनर इंस्टॉल करने से पहले
प्रोजेक्ट-लेवल की
build.gradle
फ़ाइल में, पक्का करें कि आपने बिल्डस्क्रिप्ट और सभी प्रोजेक्ट, दोनों सेक्शन में Google की Maven रिपॉज़िटरी को शामिल किया हो.अपने मॉड्यूल की ऐप्लिकेशन-लेवल की Gradle फ़ाइल में, एमएल किट फ़ेस मेश डिटेक्शन लाइब्रेरी के लिए डिपेंडेंसी जोड़ें. आम तौर पर, यह फ़ाइल आम तौर पर
app/build.gradle
होती है:dependencies { // ... implementation 'com.google.mlkit:face-mesh-detection:16.0.0-beta1' }
इनपुट इमेज के लिए दिशा-निर्देश
इमेज, डिवाइस के कैमरे से ~2 मीटर (~7 फ़ीट) के दायरे में होनी चाहिए, ताकि चेहरे की पहचान करने के लिए, चेहरों के साइज़ ज़्यादा हों. आम तौर पर, चेहरा जितना बड़ा होता है, चेहरा मेश की पहचान उतनी ही बेहतर होती है.
चेहरे का आधा हिस्सा कैमरे के सामने होना चाहिए. चेहरे और कैमरे के बीच किसी भी बड़ी चीज़ की वजह से, वीडियो के सटीक होने में कमी आ सकती है.
अगर आपको रीयल-टाइम ऐप्लिकेशन में चेहरों की पहचान करनी है, तो आपको इनपुट इमेज के सभी डाइमेंशन पर भी ध्यान देना चाहिए. छोटी इमेज को तेज़ी से प्रोसेस किया जा सकता है. इसलिए, कम रिज़ॉल्यूशन में इमेज कैप्चर करने के इंतज़ार का समय कम हो जाता है. हालांकि, ऊपर बताई गई ज़रूरी शर्तों का ध्यान रखें. साथ ही, यह पक्का करें कि किसी व्यक्ति का चेहरा, इमेज में ज़्यादा से ज़्यादा जगह ले.
फ़ेस मेश डिटेक्टर को कॉन्फ़िगर करें
अगर आपको फ़ेस मेश डिटेक्टर की किसी भी डिफ़ॉल्ट सेटिंग को बदलना है, तो FaceMeshDetectorOptions ऑब्जेक्ट की मदद से सेटिंग तय करें. आप निम्न सेटिंग बदल सकते हैं:
setUseCase
BOUNDING_BOX_ONLY
: पहचान किए गए फ़ेस मेश के लिए सिर्फ़ बाउंडिंग बॉक्स उपलब्ध कराता है. यह चेहरे की पहचान करने वाला सबसे तेज़ तरीका है, लेकिन इसकी रेंज सीमित है(चेहरे, कैमरे से ~2 मीटर या ~7 फ़ीट के अंदर होने चाहिए).FACE_MESH
(डिफ़ॉल्ट विकल्प): बाउंडिंग बॉक्स और फ़ेस मेश की ज़्यादा जानकारी देता है (468 3D पॉइंट और ट्रायएंगल की जानकारी).BOUNDING_BOX_ONLY
के इस्तेमाल के उदाहरण से तुलना करने पर, इंतज़ार का समय करीब 15% तक बढ़ जाता है, जैसा कि Pixel 3 में मापा गया है.
उदाहरण के लिए:
Kotlin
val defaultDetector = FaceMeshDetection.getClient( FaceMeshDetectorOptions.DEFAULT_OPTIONS) val boundingBoxDetector = FaceMeshDetection.getClient( FaceMeshDetectorOptions.Builder() .setUseCase(UseCase.BOUNDING_BOX_ONLY) .build() )
Java
FaceMeshDetector defaultDetector = FaceMeshDetection.getClient( FaceMeshDetectorOptions.DEFAULT_OPTIONS); FaceMeshDetector boundingBoxDetector = FaceMeshDetection.getClient( new FaceMeshDetectorOptions.Builder() .setUseCase(UseCase.BOUNDING_BOX_ONLY) .build() );
इनपुट इमेज तैयार करें
किसी इमेज में चेहरों की पहचान करने के लिए, Bitmap
, media.Image
, ByteBuffer
, बाइट कलेक्शन या डिवाइस पर मौजूद किसी फ़ाइल से InputImage
ऑब्जेक्ट बनाएं.
इसके बाद, InputImage
ऑब्जेक्ट को FaceDetector
के process
तरीके में पास करें.
फ़ेस मेश की पहचान करने के लिए, आपको कम से कम 480x360 पिक्सल के डाइमेंशन वाली इमेज इस्तेमाल करनी चाहिए. अगर रीयल टाइम में चेहरों का पता लगाया जा रहा है, तो इस कम से कम रिज़ॉल्यूशन पर फ़्रेम कैप्चर करने से, वीडियो स्ट्रीम होने और उसके दिखने के समय का अंतर कम हो सकता है.
अलग-अलग सोर्स से InputImage
ऑब्जेक्ट बनाया जा सकता है. हर ऑब्जेक्ट के बारे में नीचे बताया गया है.
media.Image
का इस्तेमाल करके
किसी media.Image
ऑब्जेक्ट से InputImage
ऑब्जेक्ट बनाने के लिए, जैसे कि किसी डिवाइस के कैमरे से इमेज कैप्चर करते समय, media.Image
ऑब्जेक्ट को पास करें और इमेज को InputImage.fromMediaImage()
पर घुमाएं.
अगर आप
CameraX लाइब्रेरी का इस्तेमाल करते हैं, तो OnImageCapturedListener
और
ImageAnalysis.Analyzer
क्लास आपके लिए
रोटेशन वैल्यू का हिसाब लगाती हैं.
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 // ... } } }
अगर इमेज के रोटेशन की डिग्री देने वाली कैमरा लाइब्रेरी का इस्तेमाल नहीं किया जाता है, तो डिवाइस की रोटेशन डिग्री और डिवाइस में कैमरा सेंसर के ओरिएंटेशन की मदद से, इसका हिसाब लगाया जा सकता है:
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; }
इसके बाद, media.Image
ऑब्जेक्ट और रोटेशन डिग्री की वैल्यू को
InputImage.fromMediaImage()
पर पास करें:
Kotlin
val image = InputImage.fromMediaImage(mediaImage, rotation)
Java
InputImage image = InputImage.fromMediaImage(mediaImage, rotation);
फ़ाइल यूआरआई का इस्तेमाल करना
फ़ाइल यूआरआई से InputImage
ऑब्जेक्ट बनाने के लिए, ऐप्लिकेशन का कॉन्टेक्स्ट और फ़ाइल यूआरआई को
InputImage.fromFilePath()
पर पास करें. यह तब काम आता है, जब आप उपयोगकर्ता को उसके गैलरी ऐप्लिकेशन से कोई इमेज चुनने का अनुरोध करने के लिए ACTION_GET_CONTENT
इंटेंट का इस्तेमाल करते हैं.
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(); }
ByteBuffer
या ByteArray
का इस्तेमाल करना
किसी ByteBuffer
या ByteArray
से InputImage
ऑब्जेक्ट बनाने के लिए, सबसे पहले media.Image
इनपुट के लिए बताए गए तरीके से, इमेज
रोटेशन की डिग्री का हिसाब लगाएं.
इसके बाद, बफ़र या अरे का इस्तेमाल करके, InputImage
ऑब्जेक्ट बनाएं. इसके लिए, इमेज की ऊंचाई, चौड़ाई, कलर एन्कोडिंग फ़ॉर्मैट, और रोटेशन डिग्री की जानकारी का इस्तेमाल करें:
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 );
Bitmap
का इस्तेमाल करके
किसी Bitmap
ऑब्जेक्ट से InputImage
ऑब्जेक्ट बनाने के लिए, यह एलान करें:
Kotlin
val image = InputImage.fromBitmap(bitmap, 0)
Java
InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);
इमेज को Bitmap
ऑब्जेक्ट से, रोटेशन डिग्री के साथ दिखाया गया है.
इमेज प्रोसेस करें
process
तरीके से इमेज पास करें:
Kotlin
val result = detector.process(image) .addOnSuccessListener { result -> // Task completed successfully // … } .addOnFailureListener { e -> // Task failed with an exception // … }
Java
Task<List<FaceMesh>> result = detector.process(image) .addOnSuccessListener( new OnSuccessListener<List<FaceMesh>>() { @Override public void onSuccess(List<FaceMesh> result) { // Task completed successfully // … } }) .addOnFailureListener( new OnFailureListener() { @Override Public void onFailure(Exception e) { // Task failed with an exception // … } });
चेहरे के जाल की पहचान करें और उसके बारे में जानकारी पाएं
अगर इमेज में किसी चेहरे का पता चलता है, तो सक्सेस लिसनर को FaceMesh
ऑब्जेक्ट की सूची भेजी जाती है. हर FaceMesh
, इमेज में मिले एक चेहरे को दिखाता है. चेहरे के हर मेश के लिए, इनपुट इमेज में इसके बाउंडिंग कोऑर्डिनेट को देखा जा सकता है. साथ ही, वह जानकारी भी देखी जा सकती है जिसे ढूंढने के लिए आपने फ़ेस मेश डिटेक्टर को कॉन्फ़िगर किया था.
Kotlin
for (faceMesh in faceMeshs) { val bounds: Rect = faceMesh.boundingBox() // Gets all points val faceMeshpoints = faceMesh.allPoints for (faceMeshpoint in faceMeshpoints) { val index: Int = faceMeshpoints.index() val position = faceMeshpoint.position } // Gets triangle info val triangles: List<Triangle<FaceMeshPoint>> = faceMesh.allTriangles for (triangle in triangles) { // 3 Points connecting to each other and representing a triangle area. val connectedPoints = triangle.allPoints() } }
Java
for (FaceMesh faceMesh : faceMeshs) { Rect bounds = faceMesh.getBoundingBox(); // Gets all points List<FaceMeshPoint> faceMeshpoints = faceMesh.getAllPoints(); for (FaceMeshPoint faceMeshpoint : faceMeshpoints) { int index = faceMeshpoints.getIndex(); PointF3D position = faceMeshpoint.getPosition(); } // Gets triangle info List<Triangle<FaceMeshPoint>> triangles = faceMesh.getAllTriangles(); for (Triangle<FaceMeshPoint> triangle : triangles) { // 3 Points connecting to each other and representing a triangle area. List<FaceMeshPoint> connectedPoints = triangle.getAllPoints(); } }