Detectar poses com o Kit de ML no iOS

O Kit de ML oferece dois SDKs otimizados para detecção de poses.

Faça um teste

• Teste o app de exemplo para conferir um exemplo de uso dessa API.

Antes de começar

1. Inclua os seguintes pods do Kit de ML no seu Podfile:

   # If you want to use the base implementation:
   pod 'GoogleMLKit/PoseDetection', '8.0.0'
   
   # If you want to use the accurate implementation:
   pod 'GoogleMLKit/PoseDetectionAccurate', '8.0.0'
   

2. Depois de instalar ou atualizar os pods do seu projeto, abra o projeto do Xcode usando o xcworkspace. O Kit de ML é compatível com a versão 13.2.1 ou mais recente do Xcode.

1. Criar uma instância de PoseDetector

Para detectar uma pose em uma imagem, primeiro crie uma instância de PoseDetector e, opcionalmente, especifique as configurações do detector.

Opções de PoseDetector

Modo de detecção

O PoseDetector opera em dois modos de detecção. Escolha o que corresponde ao seu caso de uso.

stream (padrão)

O detector de poses primeiro detecta a pessoa mais proeminente na imagem e, em seguida, executa a detecção de poses. Nos frames subsequentes, a etapa de detecção de pessoas não será realizada, a menos que a pessoa fique obscurecida ou não seja mais detectada com alta confiança. O detector de poses tentará rastrear a pessoa mais proeminente e retornar a pose dela em cada inferência. Isso reduz a latência e suaviza a detecção. Use esse modo quando quiser detectar poses em um stream de vídeo.

singleImage

O detector de poses detecta uma pessoa e, em seguida, executa a detecção de poses. A etapa de detecção de pessoas será executada para cada imagem, portanto, a latência será maior e não haverá rastreamento de pessoas. Use esse modo ao usar a detecção de poses em imagens estáticas ou quando o rastreamento não for desejado.

Especifique as opções do detector de poses:

// 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;

Por fim, receba uma instância de PoseDetector. Transmita as opções especificadas:

let poseDetector = PoseDetector.poseDetector(options: options)

MLKPoseDetector *poseDetector =
    [MLKPoseDetector poseDetectorWithOptions:options];

2. Preparar a imagem de entrada

Para detectar poses, siga as etapas abaixo para cada imagem ou frame de vídeo. Se você tiver ativado o modo de stream, precisará criar objetos VisionImage a partir de CMSampleBuffer.

Crie um VisionImage objeto usando um UIImage ou um CMSampleBuffer.

Se você usar um UIImage, siga estas etapas:

• Crie um VisionImage objeto com o UIImage. Especifique o .orientation correto.

  Swift

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

  Objective-C

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

Se você usar um CMSampleBuffer, siga estas etapas:

• Especifique a orientação dos dados da imagem contidos no CMSampleBuffer.

  Para ver a orientação da imagem:

  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;
    }
  }
        

• Crie um VisionImage objeto usando o CMSampleBuffer objeto e a orientação:

  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. Processar a imagem

Transmita o VisionImage para um dos métodos de processamento de imagens do detector de poses. Você pode usar o método assíncrono process(image:) ou o método síncrono results().

Para detectar objetos de modo síncrono:

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.

Para detectar objetos de modo assíncrono:

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. Receber informações sobre a pose detectada

Se uma pessoa for detectada na imagem, a API de detecção de poses transmitirá uma matriz de objetos Pose para o gerenciador de conclusão ou retornará a matriz, dependendo se você chamou o método assíncrono ou síncrono.

Se a pessoa não estiver completamente dentro da imagem, o modelo vai atribuir as coordenadas de pontos de referência ausentes fora do frame e dar a elas valores de InFrameConfidence baixos.

Se nenhuma pessoa for detectada, a matriz estará vazia.

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;
  }
}

Dicas para melhorar a performance

A qualidade dos resultados depende da qualidade da imagem de entrada:

• Para que o Kit de ML detecte poses com precisão, a pessoa na imagem precisa ser representada por dados de pixel suficientes. Para melhor performance, o assunto precisa ter pelo menos 256 x 256 pixels.
• Se você estiver fazendo a detecção de poses em um aplicativo em tempo real, considere as dimensões gerais das imagens de entrada. Já que imagens menores podem ser processadas mais rapidamente, para reduzir a latência, capture imagens em resoluções mais baixas, mas tenha em mente os requisitos de resolução acima e garanta que o assunto ocupe o máximo possível da imagem.
• O foco inadequado da imagem também pode afetar a precisão. Se você não conseguir resultados aceitáveis, peça para o usuário recapturar a imagem.

Se você quiser usar a detecção de poses em um aplicativo em tempo real, siga estas diretrizes para conseguir as melhores taxas de frames:

• Use o SDK PoseDetection de base e o modo de detecção stream.
• Considere capturar imagens em uma resolução mais baixa. No entanto, também tenha em mente os requisitos de dimensão da imagem dessa API.
• Para processar frames de vídeo, use a API síncrona results(in:) do detector. Chame esse método da função captureOutput(_, didOutput:from:) do AVCaptureVideoDataOutputSampleBufferDelegate's para receber resultados síncronos do frame de vídeo fornecido. Mantenha AVCaptureVideoDataOutput's alwaysDiscardsLateVideoFrames como verdadeiro para limitar as chamadas ao detector. Se um novo frame de vídeo ficar disponível enquanto o detector estiver em execução, ele será descartado.
• Se você estiver usando a saída do detector para sobrepor elementos gráficos na imagem de entrada, primeiro acesse o resultado do Kit de ML. Em seguida, renderize a imagem e faça a sobreposição de uma só vez. Ao fazer isso, você renderiza a superfície de exibição apenas uma vez para cada frame de entrada processado. Consulte as previewOverlayView e MLKDetectionOverlayView no app de exemplo da demonstração.

Próximas etapas

• Para saber como usar pontos de referência de poses para classificar poses, consulte Dicas de classificação de poses.
• Consulte a amostra do guia de início rápido do kit de ML no GitHub para ver um exemplo desta API em uso.