ตรวจจับท่าทางด้วย ML Kit บน iOS

ML Kit มี SDK ที่เพิ่มประสิทธิภาพ 2 รายการสำหรับการตรวจจับท่าทาง

ลองเลย

• ลองใช้แอปตัวอย่างเพื่อ ดูตัวอย่างการใช้ API นี้

ก่อนเริ่มต้น

1. ใส่พ็อด ML Kit ต่อไปนี้ใน Podfile

   # 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. หลังจากติดตั้งหรืออัปเดตพ็อดของโปรเจ็กต์แล้ว ให้เปิดโปรเจ็กต์ Xcode โดยใช้ xcworkspace ทั้งนี้ ML Kit ได้รับการรองรับใน Xcode เวอร์ชัน 13.2.1 ขึ้นไป

1. สร้างอินสแตนซ์ของ PoseDetector

หากต้องการตรวจหาท่าทางในรูปภาพ ให้สร้างอินสแตนซ์ PoseDetector ก่อน และ ระบุการตั้งค่าตัวตรวจจับ (ไม่บังคับ)

PoseDetector ตัวเลือก

โหมดการตรวจจับ

PoseDetector ทำงานในโหมดการตรวจจับ 2 โหมด ตรวจสอบให้แน่ใจว่าคุณเลือกรายการที่ตรงกับ Use Case ของคุณ

stream (ค่าเริ่มต้น)

ตัวตรวจจับท่าทางจะตรวจจับได้บ่อยที่สุดก่อน บุคคลที่มีชื่อเสียงในภาพ แล้วเรียกใช้การตรวจจับท่าทาง ในเฟรมต่อๆ มา จะไม่ดำเนินขั้นตอนการตรวจหาบุคคล เว้นแต่บุคคลนั้นจะ ถูกปิดบังหรือตรวจไม่พบด้วยความมั่นใจสูงอีกต่อไป ตัวตรวจจับท่าทางจะ พยายามติดตามคนที่โดดเด่นที่สุด และแสดงท่าทางของแต่ละคน การอนุมาน ซึ่งจะช่วยลดเวลาในการตอบสนองและทำให้การตรวจจับเป็นไปอย่างราบรื่น ใช้โหมดนี้เมื่อคุณ ต้องการตรวจจับท่าทางในสตรีมวิดีโอ

singleImage

ตัวตรวจจับท่าทางจะตรวจจับบุคคลแล้วทำท่าทาง การตรวจจับ ขั้นตอนการตรวจหาบุคคลจะทำงานสำหรับทุกรูปภาพ ดังนั้นเวลาในการตอบสนองจะ สูงกว่า และไม่มีการติดตามบุคคล ใช้โหมดนี้เมื่อใช้ท่าทาง ในภาพนิ่งหรือในที่ที่ไม่ต้องการการติดตาม

ระบุตัวเลือกสำหรับตัวตรวจจับตำแหน่ง

// 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;

สุดท้าย รับอินสแตนซ์ของ PoseDetector ส่งผ่านตัวเลือกที่คุณระบุ:

let poseDetector = PoseDetector.poseDetector(options: options)

MLKPoseDetector *poseDetector =
    [MLKPoseDetector poseDetectorWithOptions:options];

2. เตรียมรูปภาพอินพุต

ในการตรวจหาท่าทาง ให้ดำเนินการดังต่อไปนี้กับรูปภาพหรือเฟรมของวิดีโอแต่ละรายการ หากเปิดใช้โหมดสตรีม คุณต้องสร้างออบเจ็กต์ VisionImage รายการจาก CMSampleBuffer วินาที

สร้างออบเจ็กต์ VisionImage โดยใช้ UIImage หรือ CMSampleBuffer

หากคุณใช้ UIImage ให้ทำตามขั้นตอนต่อไปนี้

• สร้างออบเจ็กต์ VisionImage ด้วย UIImage ตรวจสอบว่าได้ระบุ .orientation ที่ถูกต้อง

  Swift

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

  Objective-C

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

หากคุณใช้ CMSampleBuffer ให้ทำตามขั้นตอนต่อไปนี้

• ระบุการวางแนวของข้อมูลภาพที่มีอยู่ใน CMSampleBuffer

  วิธีดูการวางแนวรูปภาพ

  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;
    }
  }
        

• สร้างออบเจ็กต์ VisionImage โดยใช้ CMSampleBuffer วัตถุและการวางแนว:

  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. ประมวลผลรูปภาพ

ส่ง VisionImage ไปยังวิธีการประมวลผลรูปภาพของตัวตรวจจับตำแหน่ง คุณสามารถใช้เมธอด process(image:) แบบไม่พร้อมกันหรือเมธอด results() แบบซิงโครนัสก็ได้

วิธีตรวจหาวัตถุพร้อมกัน

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.

วิธีตรวจหาวัตถุแบบไม่พร้อมกัน

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. รับข้อมูลเกี่ยวกับท่าทางที่ตรวจพบ

หากมีการตรวจพบบุคคลในภาพ API การตรวจจับท่าทางจะส่งผ่าน อาร์เรย์ของออบเจ็กต์ Pose ไปยังตัวแฮนเดิลการเสร็จสมบูรณ์หรือแสดงผลอาร์เรย์ ขึ้นอยู่กับว่าคุณเรียกเมธอดแบบอะซิงโครนัสหรือแบบซิงโครนัส

หากบุคคลไม่ได้อยู่ในรูปภาพโดยสมบูรณ์ โมเดลจะกำหนด พิกัดของจุดสังเกตที่ขาดหายไปนอกเฟรม ทำให้พิกัดเหล่านั้นต่ำ ค่า InFrameConfidence

หากตรวจไม่พบบุคคล อาร์เรย์จะว่างเปล่า

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;
  }
}

เคล็ดลับในการปรับปรุงประสิทธิภาพ

คุณภาพของผลลัพธ์จะขึ้นอยู่กับคุณภาพของรูปภาพที่ป้อน ดังนี้

• เพื่อให้ ML Kit ตรวจจับท่าทางได้อย่างแม่นยำ บุคคลในภาพควร แสดงด้วยข้อมูลพิกเซลที่เพียงพอ เพื่อประสิทธิภาพที่ดีที่สุด หัวเรื่องควร ต้องมีขนาดอย่างน้อย 256x256 พิกเซล
• ถ้าตรวจพบการโพสท่าในแอปพลิเคชันแบบเรียลไทม์ คุณอาจต้อง ขนาดโดยรวมของรูปภาพอินพุต ประมวลผลรูปภาพขนาดเล็กได้ เร็วขึ้น ดังนั้นเพื่อลดเวลาในการตอบสนอง ให้จับภาพด้วยความละเอียดที่ต่ำลง ตามข้อกำหนดในการแก้ปัญหาข้างต้น และตรวจสอบว่าหัวเรื่องนั้นเป็นไปตาม ของภาพดังกล่าวให้มากที่สุด
• การโฟกัสของรูปภาพไม่ดีอาจส่งผลต่อความแม่นยำด้วย หากคุณไม่ได้รับผลลัพธ์ ที่ยอมรับได้ ขอให้ผู้ใช้จับภาพอีกครั้ง

หากคุณต้องการใช้การตรวจจับท่าทางในแอปพลิเคชันแบบเรียลไทม์ ให้ทำตามหลักเกณฑ์ต่อไปนี้เพื่อให้ได้อัตราเฟรมที่ดีที่สุด

• ใช้ PoseDetection SDK พื้นฐานและโหมดการตรวจจับ stream
• ลองจับภาพที่ความละเอียดต่ำลง อย่างไรก็ตาม โปรดคำนึงถึงข้อกำหนดเกี่ยวกับขนาดรูปภาพของ API นี้ด้วย
• สำหรับการประมวลผลเฟรมวิดีโอ ให้ใช้ API แบบซิงโครนัสของ results(in:) ในตัวตรวจจับ เรียกใช้เมธอดนี้จากแท็ก AVCaptureVideoDataOutputSampleBufferDelegate ฟังก์ชัน captureOutput(_, didOutput:from:) แสดงแบบซิงโครนัสจากเฟรมวิดีโอที่กำหนด คงค่า alwaysDiscardsLateVideoFrames ของ AVCaptureVideoDataOutput ให้เป็นค่าจริงเพื่อควบคุมการเรียกไปยังตัวตรวจจับ หากเฟรมวิดีโอใหม่พร้อมใช้งานขณะที่ตัวตรวจจับทำงานอยู่ เฟรมดังกล่าวจะหายไป
• หากคุณใช้เอาต์พุตของเครื่องมือตรวจจับเพื่อวางซ้อนกราฟิกบนรูปภาพอินพุต ให้รับผลลัพธ์จาก ML Kit ก่อน จากนั้นจึงแสดงผลรูปภาพและการวางซ้อนในขั้นตอนเดียว การทำเช่นนี้จะทําให้คุณแสดงผลบนพื้นที่แสดงผลเพียงครั้งเดียวสําหรับเฟรมอินพุตที่ประมวลผลแล้วแต่ละเฟรม โปรดดู previewOverlayView และ MLKDetectionOverlayView ในตัวอย่างแอป Showcase

ขั้นตอนถัดไป

• หากต้องการเรียนรู้วิธีใช้จุดสังเกตของการโพสท่าเพื่อแยกท่าต่างๆ โปรดดูเคล็ดลับในการจัดประเภทท่าโพส
• ดูตัวอย่างการเริ่มต้นอย่างรวดเร็ว ML Kit บน GitHub สำหรับตัวอย่าง API นี้ที่ใช้งานอยู่