Android पर एमएल किट की मदद से चीज़ों का पता लगाएं और उन्हें ट्रैक करें

वीडियो के लगातार फ़्रेम में मौजूद ऑब्जेक्ट का पता लगाने और उन्हें ट्रैक करने के लिए, ML Kit का इस्तेमाल किया जा सकता है.

जब ML Kit को कोई इमेज पास की जाती है, तो यह इमेज में मौजूद पांच ऑब्जेक्ट तक की पहचान करता है. साथ ही, इमेज में हर ऑब्जेक्ट की पोज़िशन भी बताता है. वीडियो स्ट्रीम में ऑब्जेक्ट का पता लगाते समय, हर ऑब्जेक्ट के लिए एक यूनीक आईडी जनरेट होता है. इसका इस्तेमाल करके, एक फ़्रेम से दूसरे फ़्रेम में ऑब्जेक्ट को ट्रैक किया जा सकता है. आपके पास ऑब्जेक्ट के मोटे तौर पर क्लासिफ़िकेशन की सुविधा को चालू करने का विकल्प भी होता है. इससे ऑब्जेक्ट को, कैटगरी के मोटे तौर पर दिए गए ब्यौरे के हिसाब से लेबल किया जाता है.

इसे आज़माएं

• इस एपीआई के इस्तेमाल का उदाहरण देखने के लिए, सैंपल ऐप्लिकेशन का इस्तेमाल करें.
• इस एपीआई को पूरी तरह से लागू करने का तरीका जानने के लिए, मटीरियल डिज़ाइन शोकेस ऐप्लिकेशन देखें.

शुरू करने से पहले

1. अपने प्रोजेक्ट-लेवल की build.gradle फ़ाइल में, पक्का करें कि buildscript और allprojects दोनों सेक्शन में, Google की Maven रिपॉज़िटरी शामिल हो.
2. अपने मॉड्यूल की ऐप्लिकेशन-लेवल की Gradle फ़ाइल में, ML Kit की Android लाइब्रेरी के लिए डिपेंडेंसी जोड़ें. आम तौर पर, यह फ़ाइल app/build.gradle होती है:

   dependencies {
     // ...
   
     implementation 'com.google.mlkit:object-detection:17.0.2'
   
   }

1. ऑब्जेक्ट डिटेक्टर को कॉन्फ़िगर करना

ऑब्जेक्ट का पता लगाने और उन्हें ट्रैक करने के लिए, सबसे पहले ObjectDetector का कोई इंस्टेंस बनाएं. इसके अलावा, डिफ़ॉल्ट सेटिंग में बदलाव करने के लिए, डिटेक्टर की सेटिंग तय करें.

1. ObjectDetectorOptions ऑब्जेक्ट की मदद से, अपनी ज़रूरत के हिसाब से ऑब्जेक्ट डिटेक्टर को कॉन्फ़िगर करें. इन सेटिंग में बदलाव किया जा सकता है:

   ऑब्जेक्ट डिटेक्टर की सेटिंग
   डिटेक्शन मोड	STREAM_MODE (डिफ़ॉल्ट) | SINGLE_IMAGE_MODE STREAM_MODE (डिफ़ॉल्ट) में, ऑब्जेक्ट डिटेक्टर कम समय में काम करता है. हालांकि, डिटेक्टर के कुछ शुरुआती इस्तेमाल में, नतीजे पूरे नहीं मिल सकते. जैसे, बाउंडिंग बॉक्स या कैटगरी के लेबल की जानकारी नहीं मिल सकती. इसके अलावा, STREAM_MODE, डिटेक्टर ऑब्जेक्ट को ट्रैकिंग आईडी असाइन करता है. इनका इस्तेमाल करके, अलग-अलग फ़्रेम में ऑब्जेक्ट को ट्रैक किया जा सकता है. इस मोड का इस्तेमाल तब करें, जब आपको ऑब्जेक्ट को ट्रैक करना हो या जब कम समय में नतीजे पाना ज़रूरी हो. जैसे, रीयल टाइम में वीडियो स्ट्रीम को प्रोसेस करते समय. SINGLE_IMAGE_MODE में, ऑब्जेक्ट डिटेक्टर, ऑब्जेक्ट का बाउंडिंग बॉक्स तय होने के बाद नतीजा दिखाता है. अगर क्लासिफ़िकेशन की सुविधा भी चालू की जाती है, तो बाउंडिंग बॉक्स और कैटगरी का लेबल, दोनों उपलब्ध होने के बाद नतीजा मिलता है. इससे, डिटेक्शन में ज़्यादा समय लग सकता है. इसके अलावा, SINGLE_IMAGE_MODE में, ट्रैकिंग आईडी असाइन नहीं किए जाते. इस मोड का इस्तेमाल तब करें, जब कम समय में नतीजे पाना ज़रूरी न हो और आपको आंशिक नतीजों से कोई समस्या न हो.
   एक से ज़्यादा ऑब्जेक्ट का पता लगाना और उन्हें ट्रैक करना	false (डिफ़ॉल्ट) | true पांच ऑब्जेक्ट तक का पता लगाना और उन्हें ट्रैक करना है या सिर्फ़ सबसे अहम ऑब्जेक्ट (डिफ़ॉल्ट).
   ऑब्जेक्ट को कैटगरी में बांटना	false (डिफ़ॉल्ट) | true पता लगाए गए ऑब्जेक्ट को, मोटे तौर पर कैटगरी में बांटना है या नहीं. इस सुविधा को चालू करने पर, ऑब्जेक्ट डिटेक्टर, ऑब्जेक्ट को इन कैटगरी में बांटता है: फ़ैशन के सामान, खाना, घरेलू सामान, जगहें, और पौधे.

   ऑब्जेक्ट का पता लगाने और उन्हें ट्रैक करने वाला एपीआई, इन दो मुख्य इस्तेमाल के उदाहरणों के लिए ऑप्टिमाइज़ किया गया है:

   • कैमरे के व्यूफ़ाइंडर में दिखने वाले सबसे अहम ऑब्जेक्ट का रीयल टाइम में पता लगाना और उसे ट्रैक करना.
   • स्टैटिक इमेज में मौजूद एक से ज़्यादा ऑब्जेक्ट का पता लगाना.

   इन इस्तेमाल के उदाहरणों के लिए, एपीआई को कॉन्फ़िगर करने के लिए:

   Kotlin

   // Live detection and tracking
   val options = ObjectDetectorOptions.Builder()
           .setDetectorMode(ObjectDetectorOptions.STREAM_MODE)
           .enableClassification()  // Optional
           .build()
   
   // Multiple object detection in static images
   val options = ObjectDetectorOptions.Builder()
           .setDetectorMode(ObjectDetectorOptions.SINGLE_IMAGE_MODE)
           .enableMultipleObjects()
           .enableClassification()  // Optional
           .build()

   Java

   // Live detection and tracking
   ObjectDetectorOptions options =
           new ObjectDetectorOptions.Builder()
                   .setDetectorMode(ObjectDetectorOptions.STREAM_MODE)
                   .enableClassification()  // Optional
                   .build();
   
   // Multiple object detection in static images
   ObjectDetectorOptions options =
           new ObjectDetectorOptions.Builder()
                   .setDetectorMode(ObjectDetectorOptions.SINGLE_IMAGE_MODE)
                   .enableMultipleObjects()
                   .enableClassification()  // Optional
                   .build();

2. ObjectDetector का कोई इंस्टेंस पाएं:

   Kotlin

   val objectDetector = ObjectDetection.getClient(options)

   Java

   ObjectDetector objectDetector = ObjectDetection.getClient(options);

2. इनपुट इमेज तैयार करना

ऑब्जेक्ट डिटेक्टर, सीधे तौर पर Bitmap, NV21 ByteBuffer या YUV_420_888 media.Image से काम करता है. अगर आपके पास इनमें से किसी एक का ऐक्सेस है, तो हमारा सुझाव है कि आप इनसे InputImage बनाएं. अगर को किसी दूसरे सोर्स से बनाया जाता है, तो हम आपके लिए इंटरनल तौर पर कन्वर्ज़न को मैनेज करेंगे. हालांकि, यह कम असरदार हो सकता है.InputImage

सीक्वेंस में मौजूद वीडियो या इमेज के हर फ़्रेम के लिए, यह तरीका अपनाएं:

InputImage ऑब्जेक्ट को अलग-अलग सोर्स से बनाया जा सकता है. इनके बारे में यहां बताया गया है.

media.Image का इस्तेमाल करना

InputImage ऑब्जेक्ट से media.Image ऑब्जेक्ट बनाने के लिए, जैसे कि डिवाइस के कैमरे से इमेज कैप्चर करते समय, media.Image ऑब्जेक्ट और इमेज का रोटेशन, InputImage.fromMediaImage() को पास करें.

अगर CameraX लाइब्रेरी का इस्तेमाल किया जाता है, तो OnImageCapturedListener और ImageAnalysis.Analyzer क्लास, आपके लिए रोटेशन वैल्यू का हिसाब लगाती हैं.

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
            // ...
        }
    }
}

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 किसी ऐसी कैमरा लाइब्रेरी का इस्तेमाल नहीं किया जाता है जिससे आपको इमेज का रोटेशन डिग्री मिलता है, तो डिवाइस के रोटेशन डिग्री और डिवाइस में मौजूद कैमरा सेंसर के ओरिएंटेशन से इसका हिसाब लगाया जा सकता है:

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
}
MLKitVisionImage.kt

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() को पास करें:

val image = InputImage.fromMediaImage(mediaImage, rotation)
MLKitVisionImage.kt

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 InputImage.fromFilePath() को पास करें. यह तब काम आता है, जब आप किसी ACTION_GET_CONTENT इंटेंट का इस्तेमाल करके, उपयोगकर्ता को उसकी गैलरी ऐप्लिकेशन से कोई इमेज चुनने के लिए कहते हैं.

val image: InputImage
try {
    image = InputImage.fromFilePath(context, uri)
} catch (e: IOException) {
    e.printStackTrace()
}
MLKitVisionImage.kt

InputImage image;
try {
    image = InputImage.fromFilePath(context, uri);
} catch (IOException e) {
    e.printStackTrace();
}

ByteBuffer या ByteArray का इस्तेमाल करना

InputImage ऑब्जेक्ट बनाने के लिए, सबसे पहले इमेज के रोटेशन डिग्री का हिसाब लगाएं. इसके लिए, media.Image इनपुट के लिए पहले बताए गए तरीके का इस्तेमाल करें.ByteBufferByteArray इसके बाद, बफ़र या ऐरे के साथ-साथ, इमेज की ऊंचाई, चौड़ाई, कलर एन्कोडिंग फ़ॉर्मैट, और रोटेशन डिग्री की मदद से InputImage ऑब्जेक्ट बनाएं:

val image = InputImage.fromByteBuffer(
        byteBuffer,
        /* image width */ 480,
        /* image height */ 360,
        rotationDegrees,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
)
MLKitVisionImage.kt
// Or:
val image = InputImage.fromByteArray(
        byteArray,
        /* image width */ 480,
        /* image height */ 360,
        rotationDegrees,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
)
MLKitVisionImage.kt

InputImage image = InputImage.fromByteBuffer(byteBuffer,
        /* image width */ 480,
        /* image height */ 360,
        rotationDegrees,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
);
MLKitVisionImage.java
// Or:
InputImage image = InputImage.fromByteArray(
        byteArray,
        /* image width */480,
        /* image height */360,
        rotation,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
);
MLKitVisionImage.java

Bitmap का इस्तेमाल करना

Bitmap ऑब्जेक्ट से InputImage ऑब्जेक्ट बनाने के लिए, यह एलान करें:

val image = InputImage.fromBitmap(bitmap, 0)
MLKitVisionImage.kt

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

इमेज को रोटेशन डिग्री के साथ Bitmap ऑब्जेक्ट के तौर पर दिखाया जाता है.

3. इमेज को प्रोसेस करना

objectDetector.process(image)
    .addOnSuccessListener { detectedObjects ->
        // Task completed successfully
        // ...
    }
    .addOnFailureListener { e ->
        // Task failed with an exception
        // ...
    }

objectDetector.process(image)
    .addOnSuccessListener(
        new OnSuccessListener<List<DetectedObject>>() {
            @Override
            public void onSuccess(List<DetectedObject> detectedObjects) {
                // Task completed successfully
                // ...
            }
        })
    .addOnFailureListener(
        new OnFailureListener() {
            @Override
            public void onFailure(@NonNull Exception e) {
                // Task failed with an exception
                // ...
            }
        });

4. पता लगाए गए ऑब्जेक्ट के बारे में जानकारी पाना

अगर process() को कॉल करने पर, कोई गड़बड़ी नहीं होती है, तो सफलता के लिसनर को DetectedObject की सूची पास की जाती है.

हर DetectedObject में ये प्रॉपर्टी शामिल होती हैं:

for (detectedObject in detectedObjects) {
    val boundingBox = detectedObject.boundingBox
    val trackingId = detectedObject.trackingId
    for (label in detectedObject.labels) {
        val text = label.text
        if (PredefinedCategory.FOOD == text) {
            ...
        }
        val index = label.index
        if (PredefinedCategory.FOOD_INDEX == index) {
            ...
        }
        val confidence = label.confidence
    }
}

// The list of detected objects contains one item if multiple
// object detection wasn't enabled.
for (DetectedObject detectedObject : detectedObjects) {
    Rect boundingBox = detectedObject.getBoundingBox();
    Integer trackingId = detectedObject.getTrackingId();
    for (Label label : detectedObject.getLabels()) {
        String text = label.getText();
        if (PredefinedCategory.FOOD.equals(text)) {
            ...
        }
        int index = label.getIndex();
        if (PredefinedCategory.FOOD_INDEX == index) {
            ...
        }
        float confidence = label.getConfidence();
    }
}

बेहतर उपयोगकर्ता अनुभव देना

बेहतर उपयोगकर्ता अनुभव देने के लिए, अपने ऐप्लिकेशन में इन दिशा-निर्देशों का पालन करें:

• ऑब्जेक्ट का पता लगाने की सुविधा, ऑब्जेक्ट की विज़ुअल जटिलता पर निर्भर करती है. विज़ुअल फ़ीचर की कम संख्या वाले ऑब्जेक्ट का पता लगाने के लिए, उन्हें इमेज के बड़े हिस्से में दिखाना पड़ सकता है. आपको उपयोगकर्ताओं को इनपुट कैप्चर करने के बारे में निर्देश देने चाहिए. इससे, उन ऑब्जेक्ट का पता लगाने में मदद मिलेगी जिनका पता लगाना है.
• क्लासिफ़िकेशन का इस्तेमाल करते समय, अगर आपको ऐसे ऑब्जेक्ट का पता लगाना है जो काम करने वाली कैटगरी में शामिल नहीं हैं, तो अज्ञात ऑब्जेक्ट के लिए खास हैंडलिंग लागू करें.

इसके अलावा, ML Kit का मटीरियल डिज़ाइन शोकेस ऐप्लिकेशन और मटीरियल डिज़ाइन मशीन लर्निंग की सुविधा वाले फ़ीचर के पैटर्न कलेक्शन देखें.