Android-এ ML Kit-এর সাহায্যে ফেস মেশের তথ্য শনাক্ত করুন

আপনি সেলফির মতো ছবি ও ভিডিওতে মুখমণ্ডল শনাক্ত করতে এমএল কিট ব্যবহার করতে পারেন।

ফেস মেশ ডিটেকশন এপিআই
এসডিকে নাম face-mesh-detection
বাস্তবায়ন বিল্ড করার সময় কোড এবং অ্যাসেটগুলো আপনার অ্যাপের সাথে স্ট্যাটিক্যালি লিঙ্ক করা হয়।
অ্যাপের আকারের প্রভাব ~৬.৪ মেগাবাইট
কর্মক্ষমতা অধিকাংশ ডিভাইসে রিয়েল-টাইমে।

চেষ্টা করে দেখুন

  • এই API-টির একটি উদাহরণমূলক ব্যবহার দেখতে নমুনা অ্যাপটি ব্যবহার করে দেখুন।

শুরু করার আগে

  1. আপনার প্রোজেক্ট-স্তরের build.gradle ফাইলে, buildscript এবং allprojects উভয় সেকশনেই গুগলের মেভেন রিপোজিটরি অন্তর্ভুক্ত করা নিশ্চিত করুন।

  2. আপনার মডিউলের অ্যাপ-লেভেল গ্রেডল ফাইলে (যা সাধারণত app/build.gradle হয়) ML Kit ফেস মেশ ডিটেকশন লাইব্রেরির ডিপেন্ডেন্সিটি যোগ করুন।

    dependencies {
 // ...

 implementation 'com.google.mlkit:face-mesh-detection:16.0.0-beta1'
}

ইনপুট ছবির নির্দেশিকা

  1. ডিভাইসের ক্যামেরা থেকে প্রায় ২ মিটার (প্রায় ৭ ফুট) দূরত্বের মধ্যে ছবি তোলা উচিত, যাতে সর্বোত্তম ফেস মেশ রিকগনিশনের জন্য মুখগুলো যথেষ্ট বড় হয়। সাধারণত, মুখ যত বড় হয়, ফেস মেশ রিকগনিশন তত ভালো হয়।

  2. মুখটি ক্যামেরার দিকে ফেরানো থাকতে হবে এবং মুখের অন্তত অর্ধেক অংশ দেখা যেতে হবে। মুখ ও ক্যামেরার মাঝে কোনো বড় বস্তু থাকলে ছবির নির্ভুলতা কমে যেতে পারে।

আপনি যদি কোনো রিয়েল-টাইম অ্যাপ্লিকেশনে মুখমণ্ডল শনাক্ত করতে চান, তবে ইনপুট ইমেজের সামগ্রিক আকারের বিষয়টিও বিবেচনা করা উচিত। ছোট আকারের ছবি দ্রুত প্রসেস করা যায়, তাই কম রেজোলিউশনে ছবি তুললে ল্যাটেন্সি কমে যায়। তবে, উপরে উল্লিখিত নির্ভুলতার শর্তগুলো মনে রাখবেন এবং নিশ্চিত করবেন যেন সাবজেক্টের মুখমণ্ডল ছবির যতটা সম্ভব বেশি অংশ জুড়ে থাকে।

ফেস মেশ ডিটেক্টর কনফিগার করুন

আপনি যদি ফেস মেশ ডিটেক্টরের কোনো ডিফল্ট সেটিং পরিবর্তন করতে চান, তাহলে একটি FaceMeshDetectorOptions অবজেক্টের মাধ্যমে সেই সেটিংগুলো নির্দিষ্ট করুন। আপনি নিম্নলিখিত সেটিংগুলো পরিবর্তন করতে পারেন:

  1. setUseCase

    • BOUNDING_BOX_ONLY : শনাক্ত করা মুখের মেশের জন্য কেবল একটি বাউন্ডিং বক্স প্রদান করে। এটি দ্রুততম ফেস ডিটেক্টর, কিন্তু এর একটি পরিসীমার সীমাবদ্ধতা রয়েছে (মুখগুলো ক্যামেরা থেকে প্রায় ২ মিটার বা প্রায় ৭ ফুটের মধ্যে থাকতে হবে)।

    • FACE_MESH (ডিফল্ট অপশন): একটি বাউন্ডিং বক্স এবং অতিরিক্ত ফেস মেশ তথ্য (৪৬৮টি ৩ডি পয়েন্ট এবং ট্রায়াঙ্গেল তথ্য) প্রদান করে। Pixel 3-তে পরিমাপ অনুযায়ী, BOUNDING_BOX_ONLY ব্যবহারের তুলনায় ল্যাটেন্সি প্রায় ১৫% বৃদ্ধি পায়।

উদাহরণস্বরূপ:

কোটলিন 

val defaultDetector = FaceMeshDetection.getClient(
  FaceMeshDetectorOptions.DEFAULT_OPTIONS)

val boundingBoxDetector = FaceMeshDetection.getClient(
  FaceMeshDetectorOptions.Builder()
    .setUseCase(UseCase.BOUNDING_BOX_ONLY)
    .build()
)

জাভা 

FaceMeshDetector defaultDetector =
        FaceMeshDetection.getClient(
                FaceMeshDetectorOptions.DEFAULT_OPTIONS);

FaceMeshDetector boundingBoxDetector = FaceMeshDetection.getClient(
        new FaceMeshDetectorOptions.Builder()
                .setUseCase(UseCase.BOUNDING_BOX_ONLY)
                .build()
        );

ইনপুট ইমেজ প্রস্তুত করুন

কোনো ছবিতে মুখমণ্ডল শনাক্ত করতে, ডিভাইসের Bitmap , media.Image , ByteBuffer , বাইট অ্যারে বা কোনো ফাইল থেকে একটি InputImage অবজেক্ট তৈরি করুন। এরপর, InputImage অবজেক্টটি FaceDetector এর process মেথডে পাস করুন।

ফেস মেশ ডিটেকশনের জন্য, আপনার কমপক্ষে ৪৮০x৩৬০ পিক্সেল ডাইমেনশনের একটি ইমেজ ব্যবহার করা উচিত। আপনি যদি রিয়েল টাইমে ফেস ডিটেক্ট করেন, তবে এই ন্যূনতম রেজোলিউশনে ফ্রেম ক্যাপচার করলে ল্যাটেন্সি কমাতে সাহায্য হতে পারে।

আপনি বিভিন্ন উৎস থেকে একটি InputImage অবজেক্ট তৈরি করতে পারেন, যার প্রতিটি নিচে ব্যাখ্যা করা হলো।

একটি media.Image ব্যবহার করে।

একটি media.Image অবজেক্ট থেকে InputImage অবজেক্ট তৈরি করতে, যেমন যখন আপনি ডিভাইসের ক্যামেরা থেকে একটি ছবি তোলেন, তখন media.Image অবজেক্টটি এবং ছবিটির রোটেশন InputImage.fromMediaImage() ফাংশনে পাস করুন।

আপনি CameraX লাইব্রেরি ব্যবহার করলে, OnImageCapturedListener এবং ImageAnalysis.Analyzer ক্লাসগুলো আপনার জন্য ঘূর্ণন মান গণনা করে দেয়।

কোটলিন 

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
            // ...
        }
    }
}

জাভা 

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
          // ...
        }
    }
}

যদি আপনি এমন কোনো ক্যামেরা লাইব্রেরি ব্যবহার না করেন যা আপনাকে ছবির ঘূর্ণন মাত্রা জানিয়ে দেয়, তাহলে আপনি ডিভাইসের ঘূর্ণন মাত্রা এবং ডিভাইসের ক্যামেরা সেন্সরের অভিমুখ থেকে এটি গণনা করতে পারেন:

কোটলিন 

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

জাভা 

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;
}

এরপর, media.Image অবজেক্ট এবং ঘূর্ণন ডিগ্রির মানটি InputImage.fromMediaImage() -এ পাস করুন:

কোটলিন 

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

Java

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

একটি ফাইল URI ব্যবহার করে

একটি ফাইল URI থেকে InputImage অবজেক্ট তৈরি করতে, InputImage.fromFilePath() -এ অ্যাপ কনটেক্সট এবং ফাইল URI পাস করুন। এটি তখন কাজে আসে যখন আপনি ACTION_GET_CONTENT ইন্টেন্ট ব্যবহার করে ব্যবহারকারীকে তার গ্যালারি অ্যাপ থেকে একটি ছবি বেছে নিতে বলেন।

কোটলিন 

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 বা ByteArray ব্যবহার করে

একটি ByteBuffer বা ByteArray থেকে InputImage অবজেক্ট তৈরি করতে, প্রথমে media.Image ইনপুটের জন্য পূর্বে বর্ণিত পদ্ধতি অনুযায়ী ছবির ঘূর্ণন মাত্রা গণনা করুন। তারপর, বাফার বা অ্যারেটি ব্যবহার করে ছবির উচ্চতা, প্রস্থ, কালার এনকোডিং ফরম্যাট এবং ঘূর্ণন মাত্রা সহ InputImage অবজেক্টটি তৈরি করুন।

কোটলিন 

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

জাভা 

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

Bitmap ব্যবহার করে

একটি Bitmap অবজেক্ট থেকে InputImage অবজেক্ট তৈরি করতে, নিম্নলিখিত ডিক্লারেশনটি করুন:

কোটলিন 

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

Java

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

ছবিটি ঘূর্ণন মাত্রা সহ একটি Bitmap অবজেক্ট দ্বারা উপস্থাপিত হয়।

ছবিটি প্রক্রিয়া করুন

ছবিটি process মেথডে পাঠান:

কোটলিন 

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

জাভা 

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

শনাক্তকৃত ফেস মেশ সম্পর্কে তথ্য পান

ছবিতে কোনো মুখমণ্ডল শনাক্ত হলে, FaceMesh অবজেক্টের একটি তালিকা সাকসেস লিসেনারে পাঠানো হয়। প্রতিটি FaceMesh ছবিতে শনাক্ত হওয়া একটি মুখমণ্ডলকে নির্দেশ করে। প্রতিটি ফেস মেশের জন্য, আপনি ইনপুট ছবিতে এর বাউন্ডিং কোঅর্ডিনেট পেতে পারেন, সেইসাথে ফেস মেশ ডিটেক্টরকে খুঁজে বের করার জন্য কনফিগার করা অন্য যেকোনো তথ্যও পেতে পারেন।

কোটলিন 

for (faceMesh in faceMeshs) {
    val bounds: Rect = faceMesh.boundingBox()

    // Gets all points
    val faceMeshpoints = faceMesh.allPoints
    for (faceMeshpoint in faceMeshpoints) {
      val index: Int = faceMeshpoints.index()
      val position = faceMeshpoint.position
    }

    // Gets triangle info
    val triangles: List<Triangle<FaceMeshPoint>> = faceMesh.allTriangles
    for (triangle in triangles) {
      // 3 Points connecting to each other and representing a triangle area.
      val connectedPoints = triangle.allPoints()
    }
}

জাভা 

for (FaceMesh faceMesh : faceMeshs) {
    Rect bounds = faceMesh.getBoundingBox();

    // Gets all points
    List<FaceMeshPoint> faceMeshpoints = faceMesh.getAllPoints();
    for (FaceMeshPoint faceMeshpoint : faceMeshpoints) {
        int index = faceMeshpoints.getIndex();
        PointF3D position = faceMeshpoint.getPosition();
    }

    // Gets triangle info
    List<Triangle<FaceMeshPoint>> triangles = faceMesh.getAllTriangles();
    for (Triangle<FaceMeshPoint> triangle : triangles) {
        // 3 Points connecting to each other and representing a triangle area.
        List<FaceMeshPoint> connectedPoints = triangle.getAllPoints();
    }
}