Questa pagina è stata tradotta dall'API Cloud Translation.

Rilevamento dei volti con ML Kit su Android

Puoi usare il Kit ML per rilevare i volti nelle immagini e nei video.

Funzionalità	Non in bundle	In bundle
Implementazione	Il modello viene scaricato dinamicamente tramite Google Play Services.	Il modello è collegato in modo statico alla tua app al momento della creazione.
Dimensioni app	Aumento di circa 800 kB.	Aumento di circa 6,9 MB.
Tempo di inizializzazione	Potrebbe essere necessario attendere il download del modello prima del primo utilizzo.	Il modello è disponibile immediatamente

Prova

Prova l'app di esempio per un esempio di utilizzo di questa API.
Prova il codice autonomamente con il codelab.

Prima di iniziare

Questa API richiede il livello API 19 o successivo per Android. Assicurati che il file di build dell'app utilizzi un valore minSdkVersion pari o superiore a 19.

Nel file build.gradle a livello di progetto, assicurati di includere il repository Maven di Google nelle sezioni buildscript e allprojects.

Aggiungi le dipendenze per le librerie Android di ML Kit al file Gradle a livello di app del modulo, che in genere è app/build.gradle. Scegli una delle seguenti dipendenze in base alle tue esigenze:

Per raggruppare il modello con l'app:

dependencies {
  // ...
  // Use this dependency to bundle the model with your app
  implementation 'com.google.mlkit:face-detection:16.1.5'
}

Per l'utilizzo del modello in Google Play Services:

dependencies {
  // ...
  // Use this dependency to use the dynamically downloaded model in Google Play Services
  implementation 'com.google.android.gms:play-services-mlkit-face-detection:17.1.0'
}

Se scegli di utilizzare il modello in Google Play Services, puoi configurare la tua app per scaricarlo automaticamente sul dispositivo dopo l'installazione dal Play Store. Per farlo, aggiungi la seguente dichiarazione al file AndroidManifest.xml della tua app:
```
<application ...>
      ...
      <meta-data
          android:name="com.google.mlkit.vision.DEPENDENCIES"
          android:value="face" >
      
</application>
```
Puoi anche controllare esplicitamente la disponibilità del modello e richiedere il download tramite l'API ModuleInstallClient di Google Play Services.

Se non abiliti i download del modello al momento dell'installazione o non richiedi il download esplicito, il modello verrà scaricato la prima volta che esegui il rilevatore. Le richieste effettuate prima del completamento del download non generano risultati.

Linee guida sull'immagine di input

Per il riconoscimento del volto, devi usare un'immagine di dimensioni di almeno 480x360 pixel. Affinché il ML Kit possa rilevare con precisione i volti, le immagini di input devono contenere volti rappresentati da dati sufficienti relativi ai pixel. In generale, ogni volto che vuoi rilevare in un'immagine deve essere di almeno 100x100 pixel. Se vuoi rilevare i contorni dei volti, il kit ML richiede un input con una risoluzione maggiore: ogni volto deve essere di almeno 200 x 200 pixel.

Se rilevi i volti in un'applicazione in tempo reale, potresti anche prendere in considerazione le dimensioni complessive delle immagini di input. Le immagini più piccole possono essere elaborate più velocemente, quindi per ridurre la latenza, acquisisci le immagini a risoluzioni inferiori, ma tieni presente i requisiti di accuratezza sopra riportati e assicurati che il volto del soggetto occupi la maggior parte dell'immagine possibile. Consulta anche i suggerimenti per migliorare le prestazioni in tempo reale.

Anche la messa a fuoco delle immagini può avere un impatto negativo sulla precisione. Se non ottieni risultati accettabili, chiedi all'utente di recuperare l'immagine.

L'orientamento di un volto rispetto alla fotocamera può anche influire sulle caratteristiche del viso da rilevare dal Kit ML. Consulta la pagina Concetti sul rilevamento dei volti.

1. Configurare il rilevatore del volto

Prima di applicare il rilevamento dei volti a un'immagine, se vuoi modificare le impostazioni predefinite del rilevatore del volto, specifica quelle con un oggetto FaceDetectorOptions. Puoi modificare le seguenti impostazioni:

Impostazioni
`setPerformanceMode`	`PERFORMANCE_MODE_FAST` (valore predefinito) \| `PERFORMANCE_MODE_ACCURATE` Favorisci la velocità o la precisione quando rileva i volti.
`setLandmarkMode`	`LANDMARK_MODE_NONE` (valore predefinito) \| `LANDMARK_MODE_ALL` L'eventualità di provare a identificare dei "punti di riferimento" per il viso: occhi, orecchie, naso, guance, bocca e così via.
`setContourMode`	`CONTOUR_MODE_NONE` (valore predefinito) \| `CONTOUR_MODE_ALL` Se rilevare i contorni delle caratteristiche del viso. I contorni vengono rilevati solo per il volto più in evidenza in un'immagine.
`setClassificationMode`	`CLASSIFICATION_MODE_NONE` (valore predefinito) \| `CLASSIFICATION_MODE_ALL` Indica se classificare o meno i volti in categorie come "Sorriso" e "Occhi aperti".
`setMinFaceSize`	`float` (valore predefinito: `0.1f`) Consente di impostare la dimensione del viso più piccola, espressa come rapporto tra la larghezza della testa e la larghezza dell'immagine.
`enableTracking`	`false` (valore predefinito) \| `true` Indica se assegnare o meno un volto a un ID, che può essere utilizzato per tenere traccia dei volti nelle immagini. Tieni presente che quando viene attivato il rilevamento del contorno, viene rilevato un solo volto, quindi il monitoraggio del volto non produce risultati utili. Per questo motivo e per migliorare la velocità di rilevamento, non attivare sia il rilevamento dei contorni che il monitoraggio dei volti.

Ad esempio:

Kotlin

// High-accuracy landmark detection and face classification
val highAccuracyOpts = FaceDetectorOptions.Builder()
        .setPerformanceMode(FaceDetectorOptions.PERFORMANCE_MODE_ACCURATE)
        .setLandmarkMode(FaceDetectorOptions.LANDMARK_MODE_ALL)
        .setClassificationMode(FaceDetectorOptions.CLASSIFICATION_MODE_ALL)
        .build()

// Real-time contour detection
val realTimeOpts = FaceDetectorOptions.Builder()
        .setContourMode(FaceDetectorOptions.CONTOUR_MODE_ALL)
        .build()FaceDetectionActivity.kt

Java

// High-accuracy landmark detection and face classification
FaceDetectorOptions highAccuracyOpts =
        new FaceDetectorOptions.Builder()
                .setPerformanceMode(FaceDetectorOptions.PERFORMANCE_MODE_ACCURATE)
                .setLandmarkMode(FaceDetectorOptions.LANDMARK_MODE_ALL)
                .setClassificationMode(FaceDetectorOptions.CLASSIFICATION_MODE_ALL)
                .build();

// Real-time contour detection
FaceDetectorOptions realTimeOpts =
        new FaceDetectorOptions.Builder()
                .setContourMode(FaceDetectorOptions.CONTOUR_MODE_ALL)
                .build();FaceDetectionActivity.java

2. Prepara l'immagine di input

Per rilevare i volti in un'immagine, crea un oggetto InputImage da un array Bitmap, media.Image, ByteBuffer, byte o da un file sul dispositivo. Quindi, trasmetti l'oggetto InputImage al metodo process di FaceDetector.

Per il rilevamento dei volti, devi utilizzare un'immagine con dimensioni di almeno 480 x 360 pixel. Se rilevi i volti in tempo reale, l'acquisizione di frame con una risoluzione minima può aiutare a ridurre la latenza.

Puoi creare un oggetto InputImage da origini diverse, ciascuna descritta di seguito.

Con un `media.Image`

Per creare un oggetto InputImage da un oggetto media.Image, ad esempio quando acquisisci un'immagine dalla fotocamera di un dispositivo, passa l'oggetto media.Image e la rotazione dell'immagine a InputImage.fromMediaImage().

Se utilizzi la libreria CameraX, le classi OnImageCapturedListener e ImageAnalysis.Analyzer calcolano il valore di rotazione per te.

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
          // ...
        }
    }
}

Se non utilizzi una libreria di videocamere che ti dà il grado di rotazione dell'immagine, puoi calcolarla in base al grado di rotazione e all'orientamento del sensore della videocamera all'interno del dispositivo:

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
}MLKitVisionImage.kt

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;
}

Quindi, trasmetti l'oggetto media.Image e il valore del grado di rotazione a InputImage.fromMediaImage():

Kotlin

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

Java

InputImage image = InputImage.fromMediaImage(mediaImage, rotation);

Utilizzo di un URI del file

Per creare un oggetto InputImage da un URI del file, trasmetti il contesto dell'app e l'URI del file a InputImage.fromFilePath(). Ciò è utile quando utilizzi un intent ACTION_GET_CONTENT per chiedere all'utente di selezionare un'immagine dalla sua app della galleria.

Kotlin

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

Java

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

`ByteBuffer` o `ByteArray` in uso

Per creare un oggetto InputImage da un elemento ByteBuffer o ByteArray, devi prima calcolare il grado di rotazione delle immagini come descritto in precedenza per l'input media.Image. Quindi, crea l'oggetto InputImage con il buffer o l'array, insieme all'altezza, alla larghezza, al formato di codifica a colori e al grado di rotazione dell'immagine:

Kotlin

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

Java

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

Con un `Bitmap`

Per creare un oggetto InputImage da un oggetto Bitmap, dichiara la seguente dichiarazione:

Kotlin

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

Java

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

L'immagine è rappresentata da un oggetto Bitmap insieme a gradi di rotazione.

3. Ottieni un'istanza di FaceDetector

Kotlin

val detector = FaceDetection.getClient(options)
// Or, to use the default option:
// val detector = FaceDetection.getClient();FaceDetectionActivity.kt

Java

FaceDetector detector = FaceDetection.getClient(options);
// Or use the default options:
// FaceDetector detector = FaceDetection.getClient();FaceDetectionActivity.java

4. Elabora l'immagine

Passa l'immagine al metodo process:

Kotlin

val result = detector.process(image)
        .addOnSuccessListener { faces ->
            // Task completed successfully
            // ...
        }
        .addOnFailureListener { e ->
            // Task failed with an exception
            // ...
        }FaceDetectionActivity.kt

Java

Task<List<Face>> result =
        detector.process(image)
                .addOnSuccessListener(
                        new OnSuccessListener<List<Face>>() {
                            @Override
                            public void onSuccess(List<Face> faces) {
                                // Task completed successfully
                                // ...
                            }
                        })
                .addOnFailureListener(
                        new OnFailureListener() {
                            @Override
                            public void onFailure(@NonNull Exception e) {
                                // Task failed with an exception
                                // ...
                            }
                        });FaceDetectionActivity.java

Nota: se utilizzi l'API CameraX, assicurati di chiudere ImageProxy al termine dell'utilizzo, ad esempio aggiungendo un elemento OnCompleteListener al metodo Task restituito dal metodo process. Per un esempio, consulta la classe VisionProcessorBase nell'app di esempio della guida rapida.

5. Visualizzare le informazioni sui volti rilevati

Se l'operazione di rilevamento dei volti ha esito positivo, un elenco di oggetti Face viene passato all'ascoltatore che riesce. Ogni oggetto Face rappresenta un volto rilevato nell'immagine. Per ogni volto, puoi trovare le coordinate di delimitazione dell'immagine di input, nonché qualsiasi altra informazione configurata per il rilevatore del volto. Ad esempio:

Kotlin

for (face in faces) {
    val bounds = face.boundingBox
    val rotY = face.headEulerAngleY // Head is rotated to the right rotY degrees
    val rotZ = face.headEulerAngleZ // Head is tilted sideways rotZ degrees

    // If landmark detection was enabled (mouth, ears, eyes, cheeks, and
    // nose available):
    val leftEar = face.getLandmark(FaceLandmark.LEFT_EAR)
    leftEar?.let {
        val leftEarPos = leftEar.position
    }

    // If contour detection was enabled:
    val leftEyeContour = face.getContour(FaceContour.LEFT_EYE)?.points
    val upperLipBottomContour = face.getContour(FaceContour.UPPER_LIP_BOTTOM)?.points

    // If classification was enabled:
    if (face.smilingProbability != null) {
        val smileProb = face.smilingProbability
    }
    if (face.rightEyeOpenProbability != null) {
        val rightEyeOpenProb = face.rightEyeOpenProbability
    }

    // If face tracking was enabled:
    if (face.trackingId != null) {
        val id = face.trackingId
    }
}FaceDetectionActivity.kt

Java

for (Face face : faces) {
    Rect bounds = face.getBoundingBox();
    float rotY = face.getHeadEulerAngleY();  // Head is rotated to the right rotY degrees
    float rotZ = face.getHeadEulerAngleZ();  // Head is tilted sideways rotZ degrees

    // If landmark detection was enabled (mouth, ears, eyes, cheeks, and
    // nose available):
    FaceLandmark leftEar = face.getLandmark(FaceLandmark.LEFT_EAR);
    if (leftEar != null) {
        PointF leftEarPos = leftEar.getPosition();
    }

    // If contour detection was enabled:
    List<PointF> leftEyeContour =
            face.getContour(FaceContour.LEFT_EYE).getPoints();
    List<PointF> upperLipBottomContour =
            face.getContour(FaceContour.UPPER_LIP_BOTTOM).getPoints();

    // If classification was enabled:
    if (face.getSmilingProbability() != null) {
        float smileProb = face.getSmilingProbability();
    }
    if (face.getRightEyeOpenProbability() != null) {
        float rightEyeOpenProb = face.getRightEyeOpenProbability();
    }

    // If face tracking was enabled:
    if (face.getTrackingId() != null) {
        int id = face.getTrackingId();
    }
}FaceDetectionActivity.java

Esempio di contorni del volto

Se hai attivato il rilevamento dei contorni del volto, riceverai un elenco di punti per ogni caratteristica del viso rilevata. Questi punti rappresentano la forma della caratteristica. Consulta i concetti relativi al rilevamento dei volti per ulteriori dettagli sulla rappresentazione dei contorni.

L'immagine seguente illustra come questi punti vengono mappati su un volto, fai clic sull'immagine per ingrandirla:

esempio di mesh di contorno del volto rilevato

Rilevamento dei volti in tempo reale

Se vuoi usare il rilevamento dei volti in un'applicazione in tempo reale, segui queste linee guida per ottenere le migliori frequenze fotogrammi:

Configura il rilevatore del volto affinché utilizzi il rilevamento o la classificazione del contorno del volto e il rilevamento dei punti di riferimento, ma non entrambi:

Rilevamento del contorno
Rilevamento del punto di riferimento
Classificazione
Rilevamento e classificazione del punto di riferimento
Rilevamento del profilo e del punto di riferimento
Classificazione e rilevamento del profilo
Rilevamento del contorno e classificazione del punto di riferimento
Attiva la modalità FAST (attiva per impostazione predefinita).
Valuta la possibilità di acquisire immagini a una risoluzione inferiore. Tuttavia, tieni anche presente i requisiti per le dimensioni delle immagini di questa API.

Se utilizzi l'API Camera o camera2, limita le chiamate al rilevatore. Se è disponibile un nuovo frame video mentre il rilevatore è in esecuzione, elimina il frame. Per un esempio, consulta la classe VisionProcessorBase nell'app di esempio della guida rapida.

Se utilizzi l'API CameraX, assicurati che il valore predefinito della strategia di contropressione sia impostato su ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST. Ciò garantisce che venga pubblicata una sola immagine alla volta per l'analisi. Se vengono generate altre immagini quando l'analizzatore è occupato, le immagini verranno eliminate automaticamente e non verranno messe in coda per la pubblicazione. Dopo aver chiuso l'immagine analizzata, chiamando ImageProxy.close(), verrà pubblicata l'ultima immagine più recente.

Se utilizzi l'output del rilevatore per sovrapporre la grafica sull'immagine di input, ottieni prima il risultato dal ML Kit, quindi visualizza l'immagine e l'overlay in un solo passaggio. Viene visualizzato sulla superficie di visualizzazione una sola volta per ogni frame di input. Per un esempio, consulta le classi CameraSourcePreview e GraphicOverlay nell'app di esempio della guida rapida.

Se utilizzi l'API Camera2, acquisisci le immagini nel formato ImageFormat.YUV_420_888. Se utilizzi la precedente API Camera, acquisisci le immagini nel formato ImageFormat.NV21.

Rilevamento dei volti con ML Kit su Android

Prova

Prima di iniziare

Linee guida sull'immagine di input

1. Configurare il rilevatore del volto

Kotlin

Java

2. Prepara l'immagine di input

Con un media.Image

Kotlin

Java

Kotlin

Java

Kotlin

Java

Utilizzo di un URI del file

Kotlin

Java

ByteBuffer o ByteArray in uso

Kotlin

Java

Con un Bitmap

Kotlin

Java

3. Ottieni un'istanza di FaceDetector

Kotlin

Java

4. Elabora l'immagine

Kotlin

Java

5. Visualizzare le informazioni sui volti rilevati

Kotlin

Java

Esempio di contorni del volto

Rilevamento dei volti in tempo reale

Con un `media.Image`

`ByteBuffer` o `ByteArray` in uso

Con un `Bitmap`