Wykrywanie pozycji za pomocą ML Kit na iOS

ML Kit udostępnia 2 zoptymalizowane pakiety SDK do wykrywania pozycji.

Wypróbuj

• Wypróbuj przykładową aplikację, aby: zobaczysz przykład użycia tego interfejsu API.

Zanim zaczniesz

1. W pliku Podfile umieść te pody ML Kit:

   # If you want to use the base implementation:
   pod 'GoogleMLKit/PoseDetection', '3.2.0'
   
   # If you want to use the accurate implementation:
   pod 'GoogleMLKit/PoseDetectionAccurate', '3.2.0'
   

2. Po zainstalowaniu lub zaktualizowaniu podów projektu otwórz projekt Xcode za pomocą zasobu xcworkspace. ML Kit jest obsługiwany w Xcode w wersji 13.2.1 lub nowszej.

1. Tworzenie instancji maszyny wirtualnej PoseDetector

Aby wykryć pozę na zdjęciu, najpierw utwórz instancję PoseDetector i opcjonalnie określić ustawienia wzorca do wykrywania treści.

Opcje: PoseDetector

Tryb wykrywania

PoseDetector działa w 2 trybach wykrywania. Wybierz ten, który pasuje do Twojego przypadku użycia.

stream (domyślnie)

Wykrywanie pozycji najpierw wykryje ważnej osoby na zdjęciu, a następnie uruchomić wykrywanie pozycji. W kolejnych klatkach etap wykrywania osoby nie zostanie przeprowadzony, zasłonięty lub nie jest już wykrywany z wysokim poziomem ufności. Wykrywanie pozycji będzie starać się wyśledzić najbardziej widoczną osobę i użyć jej ubrań wnioskowania. Pozwala to zmniejszyć czas oczekiwania i płynnie wykrywanie. Używaj tego trybu, gdy: chcą wykrywać pozy w strumieniu wideo.

singleImage

Czujnik pozycji wykryje osobę i wykona pozycję wykrywaniem zagrożeń. Krok wykrywania osoby będzie wykonywany dla każdego obrazu, więc opóźnienie będzie będzie wyższy i nie będzie można śledzić osób. Używaj tego trybu podczas używania pozycji obrazów statycznych lub miejsc, w których śledzenie nie jest pożądane.

Określ opcje wykrywania pozycji:

// Base pose detector with streaming, when depending on the PoseDetection SDK
let options = PoseDetectorOptions()
options.detectorMode = .stream

// Accurate pose detector on static images, when depending on the
// PoseDetectionAccurate SDK
let options = AccuratePoseDetectorOptions()
options.detectorMode = .singleImage

// Base pose detector with streaming, when depending on the PoseDetection SDK
MLKPoseDetectorOptions *options = [[MLKPoseDetectorOptions alloc] init];
options.detectorMode = MLKPoseDetectorModeStream;

// Accurate pose detector on static images, when depending on the
// PoseDetectionAccurate SDK
MLKAccuratePoseDetectorOptions *options =
    [[MLKAccuratePoseDetectorOptions alloc] init];
options.detectorMode = MLKPoseDetectorModeSingleImage;

Na koniec pobierz instancję PoseDetector. Prześlij określone opcje:

let poseDetector = PoseDetector.poseDetector(options: options)

MLKPoseDetector *poseDetector =
    [MLKPoseDetector poseDetectorWithOptions:options];

2. Przygotowywanie obrazu wejściowego

Aby wykrywać pozycje, wykonaj te czynności w przypadku każdego zdjęcia lub każdej klatki filmu. Jeśli masz włączony tryb strumieniowania, musisz utworzyć obiekty VisionImage z CMSampleBuffer.

Utwórz obiekt VisionImage za pomocą UIImage lub CMSampleBuffer.

Jeśli używasz UIImage, wykonaj te czynności:

• Utwórz obiekt VisionImage za pomocą UIImage. Pamiętaj, by określić prawidłowy .orientation.

  Swift

  let image = VisionImage(image: UIImage)
  visionImage.orientation = image.imageOrientation

  Objective-C

  MLKVisionImage *visionImage = [[MLKVisionImage alloc] initWithImage:image];
  visionImage.orientation = image.imageOrientation;

Jeśli używasz CMSampleBuffer, wykonaj te czynności:

• Określ orientację danych zdjęć zawartych w pliku CMSampleBuffer

  Aby sprawdzić orientację obrazu:

  Swift

  func imageOrientation(
    deviceOrientation: UIDeviceOrientation,
    cameraPosition: AVCaptureDevice.Position
  ) -> UIImage.Orientation {
    switch deviceOrientation {
    case .portrait:
      return cameraPosition == .front ? .leftMirrored : .right
    case .landscapeLeft:
      return cameraPosition == .front ? .downMirrored : .up
    case .portraitUpsideDown:
      return cameraPosition == .front ? .rightMirrored : .left
    case .landscapeRight:
      return cameraPosition == .front ? .upMirrored : .down
    case .faceDown, .faceUp, .unknown:
      return .up
    }
  }
        

  Objective-C

  - (UIImageOrientation)
    imageOrientationFromDeviceOrientation:(UIDeviceOrientation)deviceOrientation
                           cameraPosition:(AVCaptureDevicePosition)cameraPosition {
    switch (deviceOrientation) {
      case UIDeviceOrientationPortrait:
        return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationLeftMirrored
                                                              : UIImageOrientationRight;
  
      case UIDeviceOrientationLandscapeLeft:
        return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationDownMirrored
                                                              : UIImageOrientationUp;
      case UIDeviceOrientationPortraitUpsideDown:
        return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationRightMirrored
                                                              : UIImageOrientationLeft;
      case UIDeviceOrientationLandscapeRight:
        return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationUpMirrored
                                                              : UIImageOrientationDown;
      case UIDeviceOrientationUnknown:
      case UIDeviceOrientationFaceUp:
      case UIDeviceOrientationFaceDown:
        return UIImageOrientationUp;
    }
  }
        

• Utwórz obiekt VisionImage za pomocą CMSampleBuffer obiekt i orientacja:

  Swift

  let image = VisionImage(buffer: sampleBuffer)
  image.orientation = imageOrientation(
    deviceOrientation: UIDevice.current.orientation,
    cameraPosition: cameraPosition)

  Objective-C

   MLKVisionImage *image = [[MLKVisionImage alloc] initWithBuffer:sampleBuffer];
   image.orientation =
     [self imageOrientationFromDeviceOrientation:UIDevice.currentDevice.orientation
                                  cameraPosition:cameraPosition];

3. Przetwarzanie zdjęcia

Przekaż VisionImage do jednej z metod przetwarzania obrazu przez detektor pozycji. Możesz używać asynchronicznej metody process(image:) lub synchronicznej results().

Aby synchronicznie wykrywać obiekty:

var results: [Pose]
do {
  results = try poseDetector.results(in: image)
} catch let error {
  print("Failed to detect pose with error: \(error.localizedDescription).")
  return
}
guard let detectedPoses = results, !detectedPoses.isEmpty else {
  print("Pose detector returned no results.")
  return
}

// Success. Get pose landmarks here.

NSError *error;
NSArray *poses = [poseDetector resultsInImage:image error:&error];
if (error != nil) {
  // Error.
  return;
}
if (poses.count == 0) {
  // No pose detected.
  return;
}

// Success. Get pose landmarks here.

Aby asynchronicznie wykrywać obiekty:

poseDetector.process(image) { detectedPoses, error in
  guard error == nil else {
    // Error.
    return
  }
  guard !detectedPoses.isEmpty else {
    // No pose detected.
    return
  }

  // Success. Get pose landmarks here.
}

[poseDetector processImage:image
                completion:^(NSArray * _Nullable poses,
                             NSError * _Nullable error) {
                    if (error != nil) {
                      // Error.
                      return;
                    }
                    if (poses.count == 0) {
                      // No pose detected.
                      return;
                    }

                    // Success. Get pose landmarks here.
                  }];

4. Uzyskaj informacje o wykrytej pozycji

Jeśli ktoś wykryje osobę na zdjęciu, interfejs API do wykrywania pozycji przekazuje tablica obiektów Pose do modułu obsługi uzupełniania lub zwraca tablicę, w zależności od tego, czy została wywołana metoda asynchroniczna czy synchroniczna.

Jeśli dana osoba nie była na zdjęciu w całości, model przypisuje brakujące współrzędne punktów końcowych poza ramką, powodując Wartości InFrameConfidence.

Jeśli nie wykryto żadnej osoby, tablica jest pusta.

for pose in detectedPoses {
  let leftAnkleLandmark = pose.landmark(ofType: .leftAnkle)
  if leftAnkleLandmark.inFrameLikelihood > 0.5 {
    let position = leftAnkleLandmark.position
  }
}

for (MLKPose *pose in detectedPoses) {
  MLKPoseLandmark *leftAnkleLandmark =
      [pose landmarkOfType:MLKPoseLandmarkTypeLeftAnkle];
  if (leftAnkleLandmark.inFrameLikelihood > 0.5) {
    MLKVision3DPoint *position = leftAnkleLandmark.position;
  }
}

Wskazówki dotyczące poprawy skuteczności

Jakość obrazu zależy od jakości obrazu wejściowego:

• Aby ML Kit mógł precyzyjnie wykryć pozę, osoba na zdjęciu powinna być jest reprezentowana przez wystarczającą ilość danych pikseli; aby uzyskać najlepszą skuteczność, obiekt powinien mieć rozmiar co najmniej 256 x 256 pikseli.
• Jeśli wykryjesz pozę w aplikacji działającej w czasie rzeczywistym, ogólne wymiary obrazów wejściowych. Mniejsze obrazy mogą być przetwarzane szybciej. Aby zmniejszyć opóźnienie, można robić zdjęcia w niższej rozdzielczości, pamiętaj o powyższych wymaganiach dotyczących rozwiązania problemu i upewnij się, że obiekt zajmuje jak najwięcej elementów.
• Słaba ostrość obrazu również może mieć wpływ na dokładność. Jeśli nie uzyskasz akceptowalnych wyników, poproś użytkownika o ponowne zrobienie zdjęcia.

Jeśli chcesz korzystać z wykrywania pozycji w aplikacjach w czasie rzeczywistym, postępuj zgodnie z tymi wskazówkami, aby uzyskać najlepszą liczbę klatek na sekundę:

• Użyj podstawowego pakietu SDK PoseDetection i trybu wykrywania stream.
• Rozważ robienie zdjęć w niższej rozdzielczości. Pamiętaj jednak o wymaganiach tego interfejsu API dotyczących wymiarów zdjęć.
• Do przetwarzania klatek wideo używaj synchronicznego interfejsu API results(in:) detektora. Wywołaj tę metodę z klasy AVCaptureVideoDataOutputSampleBufferDelegate Funkcja captureOutput(_, didOutput:from:) służy do synchronicznego pobierania wyników dotyczących danej klatki filmu. Aby ograniczyć wywołania do detektora, w atrybucie AVCaptureVideoDataOutput ustaw wartość alwaysDiscardsLateVideoFrames na wartość true (prawda). Jeśli dostępna będzie nowa klatka wideo, gdy działa detektor, zostanie usunięta.
• Jeśli używasz danych wyjściowych detektora do nakładania grafiki na obraz wejściowy, najpierw pobierz wynik z ML Kit, a następnie wyrenderuj obraz i nakładkę w jednym kroku. Dzięki temu renderowanie na powierzchni wyświetlania będzie odbywać się tylko raz na każdą przetworzoną klatkę wejściową. Zobacz previewOverlayView i MLKDetectionOverlayView w aplikacji z funkcją prezentacji.

Dalsze kroki

• Aby dowiedzieć się, jak używać punktów orientacyjnych do klasyfikowania póz, przeczytaj Wskazówki dotyczące klasyfikacji pozycji.
• Przykład użycia tego interfejsu API znajdziesz w krótkim wprowadzeniu do korzystania z ML Kit na GitHubie.