您可以使用連續套件,偵測並追蹤連續影格中的物件。
將圖片傳送至 ML Kit 時,這項功能會偵測圖片中最多五個物件,以及圖片中每個物件的位置。偵測影片串流中的物件時,每個物件都有專屬 ID,可用於追蹤構框中的物件。您也可以選擇啟用概略物件分類,並為具有廣泛類別說明的物件加上標籤。
立即體驗
- 如要查看此 API 的範例,請搭配範例應用程式。
- 如需這個 API 的端對端實作方式,請參閱質感設計展示應用程式。
事前準備
- 在專案層級的
build.gradle
檔案中,請務必將 Google 的 Maven 存放區加進buildscript
和allprojects
區段。 - 將 ML Kit Android 程式庫的依附元件新增至模組的應用程式層級 Gradle 檔案,通常為
app/build.gradle
:dependencies { // ... implementation 'com.google.mlkit:object-detection:17.0.0' }
1. 設定物件偵測工具
如要偵測並追蹤物件,請先建立 ObjectDetector
的執行個體,並視需要指定您要從預設值變更的偵測工具設定。
以
ObjectDetectorOptions
物件針對用途設定物件偵測工具。您可以變更下列設定:物件偵測工具設定 偵測模式 STREAM_MODE
(預設) |SINGLE_IMAGE_MODE
在
STREAM_MODE
(預設) 中,物件偵測工具的延遲時間較低,但可能會在偵測工具的最初叫用期間產生不完整的結果 (例如未指定定界框或類別標籤)。另外,在STREAM_MODE
中,偵測工具會將追蹤 ID 指派給物件,以用於追蹤多個頁框的物件。如要追蹤物件或低延遲,例如即時處理影片串流,請使用這個模式。在
SINGLE_IMAGE_MODE
中,物件偵測工具會在判斷物件的定界框後傳回結果。如果同時啟用分類功能,則在定界框與類別標籤兩者均可供使用後,會傳回結果。因此,偵測延遲時間可能較高。此外,系統不會在SINGLE_IMAGE_MODE
中指派追蹤 ID。如果延遲時間並不重要,且您不想處理部分結果,請使用這個模式。偵測及追蹤多個物件 false
(預設) |true
偵測並追蹤最多五個物件,或只偵測最醒目的物件 (預設)。
將物件分類 false
(預設) |true
是否將偵測到的物件歸類為粗略類別。 啟用之後,物件偵測工具會將物件分為以下類別:時尚商品、食品、居家用品、地點和植物。
物件偵測和追蹤 API 已針對以下兩種核心用途進行最佳化:
- 即時在相機觀景窗中偵測和追蹤最醒目的物件。
- 從靜態圖片偵測多個物件。
如要設定這些用途的 API,請按照下列步驟操作:
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();
取得
ObjectDetector
的執行個體:Kotlin
val objectDetector = ObjectDetection.getClient(options)
Java
ObjectDetector objectDetector = ObjectDetection.getClient(options);
2. 準備輸入圖片
如要偵測及追蹤物件,請將圖片傳遞至ObjectDetector
執行個體的 process()
方法。
物件偵測工具會直接從 Bitmap
、NV21 ByteBuffer
或 YUV_420_888 media.Image
執行。如果可直接存取這些來源,建議您從這些來源建構 InputImage
。如果從其他來源建構 InputImage
,系統會內部處理轉換,效率可能較低。
針對序列中的各個影片或圖片畫面,執行下列操作:
您可以從不同來源建立 InputImage
物件,詳情請參閱下文。
使用 media.Image
如要從 media.Image
物件建立 InputImage
物件 (例如從裝置的相機擷取圖片時),請將 media.Image
物件和圖片的旋轉傳遞至 InputImage.fromMediaImage()
。
使用
CameraX 程式庫時,OnImageCapturedListener
和 ImageAnalysis.Analyzer
類別會為你計算旋轉值。
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 // ... } } }
如果未使用相機提供圖片旋轉角度的相機,則可以從裝置的旋轉角度和裝置相機感應器的方向進行計算:
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; }
然後將 media.Image
物件和旋轉角度值傳遞至 InputImage.fromMediaImage()
:
Kotlin
val image = InputImage.fromMediaImage(mediaImage, rotation)
Java
InputImage image = InputImage.fromMediaImage(mediaImage, rotation);
使用檔案 URI
如要從檔案 URI 建立 InputImage
物件,請將應用程式結構定義和檔案 URI 傳遞至 InputImage.fromFilePath()
。如果您使用 ACTION_GET_CONTENT
意圖提示使用者從圖片庫應用程式中選取圖片,這個方法就非常實用。
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
如要從 ByteBuffer
或 ByteArray
建立 InputImage
物件,請先按照之前的 media.Image
輸入值計算圖片旋轉角度。接著,使用緩衝區或陣列建立 InputImage
物件,以及圖片的高度、寬度、顏色編碼格式和旋轉角度:
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
如要從 Bitmap
物件建立 InputImage
物件,請進行以下宣告:
Kotlin
val image = InputImage.fromBitmap(bitmap, 0)
Java
InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);
圖片會以 Bitmap
物件搭配旋轉角度表示。
3. 處理圖片
將圖片傳遞至process()
方法:
Kotlin
objectDetector.process(image) .addOnSuccessListener { detectedObjects -> // Task completed successfully // ... } .addOnFailureListener { e -> // Task failed with an exception // ... }
Java
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. 取得偵測到的物件相關資訊
如果呼叫 process()
成功,系統會將 DetectedObject
清單傳送至成功事件監聽器。
每個 DetectedObject
都包含下列屬性:
定界框 | Rect 表示物件在圖片中的位置。 |
||||||
追蹤 ID | 整數,用於識別各圖片中的物件。以 SINGLE_IMAGE_MODE 傳回空值。 | ||||||
標籤 |
|
Kotlin
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 } }
Java
// 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(); } }
確保良好的使用者體驗
為提供最佳使用者體驗,請遵循下列應用程式準則:
- 成功的物件偵測功能取決於物件的視覺複雜度。如要偵測,少許視覺特徵的物件可能需要佔用較大的圖片。您應針對如何擷取的物件種類,提供擷取用途的引導說明。
- 使用分類功能時,如要偵測未妥善分類於支援類別的物件,請為不明物件實作特殊處理方式。
也請參考 ML Kit Material Design 展示應用程式和質感設計機器學習功能模式集合。
提升效能
如要在即時應用程式中使用物件偵測,請按照下列指南達成最佳影格速率:
在即時應用程式中使用串流模式時,請勿使用多個物件偵測,因為大部分裝置無法產生合適的影格速率。
如果用不到分類,請停用此功能。
- 如果使用
Camera
或camera2
API,請將呼叫傳送至偵測工具。偵測器執行時,如果偵測到新的影片畫面,請捨棄影格。如需範例,請參閱快速入門導覽課程範例應用程式中的VisionProcessorBase
類別。 - 如果您使用
CameraX
API,請務必將背壓策略設為預設值ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST
。這只會傳送一張圖片進行分析。如果分析器忙碌時產生的更多圖片,系統會自動捨棄圖片,且不會排入佇列進行傳送。呼叫 ImageProxy.close() 關閉分析的圖片後,就會傳送下一張最新圖片。 - 如果您使用偵測工具的輸出內容在輸入圖片上疊加圖片,請先透過 ML Kit 取得結果,然後在單一步驟中顯示圖片和疊加層。每個輸入影格只會轉譯到一次顯示途徑。如需範例,請參閱快速入門導覽課程範例應用程式中的
CameraSourcePreview
和GraphicOverlay
類別。 - 如果您使用 Camera2 API,請擷取
ImageFormat.YUV_420_888
格式的圖片。如果您使用舊版 Camera API,請擷取ImageFormat.NV21
格式的圖片。