আপনার পছন্দের ভাষায় কন্টেন্ট অনুবাদ করতে Google তার AI প্রযুক্তি ব্যবহার করে। AI-এর মাধ্যমে করা অনুবাদে ভুল থাকতে পারে।

Android-এ ML Kit-এর মাধ্যমে ফেস মেশ সংক্রান্ত তথ্য শনাক্ত করা

সেলফির মতো ছবি ও ভিডিওতে মুখ শনাক্ত করতে আপনি ML Kit ব্যবহার করতে পারবেন।

Face mesh detection API
SDK-এর নাম	`face-mesh-detection`
প্রয়োগ	বিল্ড করার সময় কোড ও অ্যাসেট আপনার অ্যাপের সাথে স্ট্যাটিক লিঙ্ক করা হয়।
অ্যাপের সাইজের প্রভাব	~৬.৪এমবি
পারফর্ম্যান্স	বেশিরভাগ ডিভাইসে রিয়েল-টাইম।

এটি ব্যবহার করে দেখুন

এই API-এর ব্যবহার সংক্রান্ত উদাহরণ দেখতে, স্যাম্পেল অ্যাপ নিয়ে কাজ করুন।

শুরু করার আগে

এই API-এর জন্য Android API লেভেল ২৩ বা তার পরবর্তী ভার্সন প্রয়োজন। আপনার অ্যাপের বিল্ড ফাইলে minSdkVersion ভ্যালু ২৩ বা তার বেশি আছে কিনা দেখুন।

আপনার প্রোজেক্ট-লেভেল build.gradle ফাইলে, আপনার বিল্ডস্ক্রিপ্ট ও অলপ্রোজেক্ট, দুটি বিভাগেই Google-এর Maven রিপোজিটরি অন্তর্ভুক্ত করতে ভুলবেন না।
আপনার মডিউলের অ্যাপ-লেভেল গ্র্যাডল ফাইলে ML Kit ফেস মেশ শনাক্তকরণ লাইব্রেরির জন্য ডিপেন্ডেন্সি যোগ করুন, যা সাধারণত app/build.gradle:
```
dependencies {
 // ...

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

ইনপুট ছবি সংক্রান্ত নির্দেশিকা

ডিভাইস ক্যামেরা থেকে ~২ মিটার (~৭ ফুট) দূরত্বের মধ্যে ছবি তুলতে হবে, যাতে ফেস মেশ শনাক্তকরণের জন্য মুখগুলি যথেষ্ট বড় হয়। সাধারণভাবে, মুখ যত বড় হবে, ফেস মেশ শনাক্তকরণ তত ভালো হবে।
মুখটি ক্যামেরার দিকে ফেরানো থাকতে হবে এবং অন্তত অর্ধেক মুখ দেখা যেতে হবে। ক্যামেরা ও মুখের মধ্যে কোনও বড় অবজেক্ট থাকলে, তার ফলে কম নির্ভুলতা পাওয়া যেতে পারে।

আপনি যদি রিয়েল-টাইম অ্যাপ্লিকেশনে মুখ শনাক্ত করতে চান, তাহলে আপনাকে ইনপুট ইমেজের সামগ্রিক ডাইমেনশনও বিবেচনা করতে হবে। ছোট ছবিগুলি দ্রুত প্রসেস করা যায়, তাই কম রেজোলিউশনে ছবি ক্যাপচার করলে লেটেন্সি কমে যায়। তবে, উপরে উল্লিখিত নির্ভুলতার প্রয়োজনীয়তা মাথায় রেখো এবং নিশ্চিত করো যে সাবজেক্টের মুখ যেন ছবির যতটা সম্ভব অংশ জুড়ে থাকে।

ফেস মেশ ডিটেক্টর কনফিগার করা

আপনি যদি ফেস মেশ ডিটেক্টরের ডিফল্ট সেটিংসের কোনওটি পরিবর্তন করতে চান, তাহলে FaceMeshDetectorOptions অবজেক্টের সাথে সেইসব সেটিংস নির্দিষ্ট করুন। আপনি নিম্নলিখিত সেটিংস পরিবর্তন করতে পারবেন:

setUseCase
- BOUNDING_BOX_ONLY: শনাক্ত করা ফেস মেশের জন্য শুধুমাত্র বাউন্ডিং বক্স প্রদান করে। এটি হল সবচেয়ে দ্রুত ফেস ডিটেক্টর, তবে এর রেঞ্জ সীমিত(ফেস ক্যামেরা থেকে ~২ মিটার বা ~৭ ফুটের মধ্যে থাকতে হবে)।
- FACE_MESH (ডিফল্ট বিকল্প): একটি বাউন্ডিং বক্স ও অতিরিক্ত ফেস মেশ সংক্রান্ত তথ্য (৪৬৮টি 3D পয়েন্ট ও ত্রিভুজ সংক্রান্ত তথ্য) প্রদান করে। BOUNDING_BOX_ONLY ব্যবহারের ক্ষেত্রে, Pixel 3-এ পরিমাপ করা লেটেন্সি ~১৫% বৃদ্ধি পায়।

যেমন:

Kotlin

val defaultDetector = FaceMeshDetection.getClient(
  FaceMeshDetectorOptions.DEFAULT_OPTIONS)

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

Java

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

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

ইনপুট ছবি প্রস্তুত করুন

কোনও ছবিতে মুখ শনাক্ত করতে, InputImage অবজেক্ট তৈরি করুন যা Bitmap, media.Image, ByteBuffer, বাইট অ্যারে বা ডিভাইসে থাকা কোনও ফাইল থেকে তৈরি করা হয়। তারপর, FaceDetector-এর process পদ্ধতিতে InputImage অবজেক্ট পাস করুন।

ফেস মেশ ডিটেকশনের জন্য, আপনাকে কমপক্ষে ৪৮০x৩৬০ পিক্সেল সাইজের ছবি ব্যবহার করতে হবে। আপনি যদি রিয়েল-টাইমে মুখ শনাক্ত করেন, তাহলে এই ন্যূনতম রেজোলিউশনে ফ্রেম ক্যাপচার করলে লেটেন্সি কমাতে সাহায্য করতে পারে।

আপনি বিভিন্ন সোর্স থেকে InputImage অবজেক্ট তৈরি করতে পারবেন, নিচে প্রতিটি সোর্স সম্পর্কে ব্যাখ্যা করা হয়েছে।

`media.Image` ব্যবহার করে

media.Image অবজেক্ট থেকে InputImage অবজেক্ট তৈরি করতে, যেমন, আপনি কোনও ডিভাইসের ক্যামেরা থেকে ছবি ক্যাপচার করলে, InputImage.fromMediaImage()-এ media.Image অবজেক্ট ও ছবির রোটেশন পাস করুন।

আপনি যদি CameraX লাইব্রেরি ব্যবহার করেন, তাহলে OnImageCapturedListener এবং ImageAnalysis.Analyzer ক্লাস আপনার জন্য রোটেশন ভ্যালু গণনা করে।

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
          // ...
        }
    }
}

আপনি যদি এমন কোনও ক্যামেরা লাইব্রেরি ব্যবহার না করেন যা আপনাকে ছবির ঘূর্ণনের ডিগ্রি দেয়, তাহলে আপনি ডিভাইসের ঘূর্ণনের ডিগ্রি এবং ডিভাইসে ক্যামেরা সেন্সরের ওরিয়েন্টেশন থেকে এটি গণনা করতে পারেন:

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;
}

তারপরে, media.Image অবজেক্ট এবং InputImage.fromMediaImage()-এ রোটেশন ডিগ্রি ভ্যালু পাস করুন:

Kotlin

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

Java

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

ফাইল URI ব্যবহার করা

ফাইল URI থেকে InputImage অবজেক্ট তৈরি করতে, অ্যাপ কনটেক্সট ও ফাইল URI-কে InputImage.fromFilePath()-এ পাস করুন। আপনি যখন ACTION_GET_CONTENT ইনটেন্ট ব্যবহার করে ব্যবহারকারীকে তার গ্যালারি অ্যাপ থেকে ছবি বেছে নিতে প্রম্পট করেন, তখন এটি কাজে লাগে।

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` বা `ByteArray` ব্যবহার করে

ByteBuffer বা ByteArray থেকে InputImage অবজেক্ট তৈরি করতে, প্রথমে media.Image ইনপুটের জন্য আগে যেভাবে বর্ণনা করা হয়েছে সেইভাবে ছবির রোটেশন ডিগ্রি গণনা করুন। তারপর, বাফার বা অ্যারের সাথে InputImage অবজেক্ট তৈরি করুন, সাথে ছবির উচ্চতা, প্রস্থ, কালার এনকোডিং ফর্ম্যাট এবং ঘূর্ণনের ডিগ্রি:

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

`Bitmap` ব্যবহার করে

Bitmap অবজেক্ট থেকে InputImage অবজেক্ট তৈরি করতে, নিম্নলিখিত ঘোষণা করুন:

Kotlin

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

Java

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

ছবিটি Bitmap অবজেক্টের মাধ্যমে উপস্থাপন করা হয়, এর সাথে ঘোরানোর ডিগ্রিও থাকে।

ছবি প্রসেস করুন

process পদ্ধতিতে ছবি পাস করুন:

Kotlin

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

Java

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
                        // …
                    }
                });

শনাক্ত করা ফেস মেশ সম্পর্কে তথ্য পান

ছবিতে কোনও মুখ শনাক্ত করা হলে, FaceMeshটি অবজেক্টের তালিকা সাকসেস লিসেনারে পাস করা হয়। প্রতিটি FaceMesh একটি করে মুখকে বোঝায় যা ছবিতে শনাক্ত করা হয়েছে। প্রতিটি ফেস মেশের জন্য, আপনি ইনপুট ছবিতে এর বাউন্ডিং কোঅর্ডিনেট পেতে পারেন, পাশাপাশি ফেস মেশ ডিটেক্টর খুঁজে পাওয়ার জন্য আপনি কনফিগার করেছেন এমন অন্য কোনও তথ্যও পেতে পারেন।

Kotlin

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()
    }
}

Java

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();
    }
}

এটি ব্যবহার করে দেখুন

শুরু করার আগে

ইনপুট ছবি সংক্রান্ত নির্দেশিকা

ফেস মেশ ডিটেক্টর কনফিগার করা

Kotlin

Java

ইনপুট ছবি প্রস্তুত করুন

media.Image ব্যবহার করে

Kotlin

Java

Kotlin

Java

Kotlin

Java

ফাইল URI ব্যবহার করা

Kotlin

Java

ByteBuffer বা ByteArray ব্যবহার করে

Kotlin

Java

Bitmap ব্যবহার করে

Kotlin

Java

ছবি প্রসেস করুন

Kotlin

Java

শনাক্ত করা ফেস মেশ সম্পর্কে তথ্য পান

Kotlin

Java

`media.Image` ব্যবহার করে

`ByteBuffer` বা `ByteArray` ব্যবহার করে

`Bitmap` ব্যবহার করে