Android-এ ML Kit-এর মাধ্যমে অবজেক্ট শনাক্ত ও ট্র্যাক করা

আপনি ML Kit ব্যবহার করে পরপর ভিডিও ফ্রেমে অবজেক্ট শনাক্ত ও ট্র্যাক করতে পারবেন।

আপনি ML Kit-এ কোনও ছবি দিলে, এটি ছবিতে থাকা সর্বাধিক পাঁচটি অবজেক্ট এবং ছবির মধ্যে প্রতিটি অবজেক্টের অবস্থান শনাক্ত করে। ভিডিও স্ট্রিমে অবজেক্ট শনাক্ত করার সময়, প্রতিটি অবজেক্টের একটি অনন্য আইডি থাকে যা আপনি ফ্রেম থেকে ফ্রেমে অবজেক্ট ট্র্যাক করতে ব্যবহার করতে পারেন। এছাড়াও, আপনি ঐচ্ছিকভাবে কোর্স অবজেক্ট ক্লাসিফিকেশন চালু করতে পারেন, যা বিস্তৃত বিভাগের বিবরণ সহ অবজেক্ট লেবেল করে।

এই API একটি আনবান্ডেল লাইব্রেরি ব্যবহার করে যা ব্যবহারের আগে ডাউনলোড করতে হবে। আরও তথ্যের জন্য এই গাইড দেখুন।

এটি ব্যবহার করে দেখুন

• এই API-এর ব্যবহারিক উদাহরণ দেখতে স্যাম্পেল অ্যাপ ব্যবহার করে দেখুন।
• এই API-এর এন্ড-টু-এন্ড প্রয়োগের জন্য Material Design শোকেস অ্যাপ দেখুন।

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।

1. আপনার প্রোজেক্ট-লেভেল build.gradle ফাইলে, আপনার buildscript এবং allprojects উভয় বিভাগেই Google-এর Maven রিপোজিটরি অন্তর্ভুক্ত করতে ভুলবেন না।
2. আপনার মডিউলের অ্যাপ-লেভেল গ্রেডেল ফাইলে ML Kit Android লাইব্রেরির জন্য ডিপেন্ডেন্সি যোগ করুন, যা সাধারণত app/build.gradle:

   dependencies {
     // ...
   
     implementation 'com.google.mlkit:object-detection:17.0.2'
   
   }

১. অবজেক্ট ডিটেক্টর কনফিগার করা

অবজেক্ট শনাক্ত ও ট্র্যাক করতে, প্রথমে ObjectDetector-এর একটি ইনস্ট্যান্স তৈরি করুন এবং বিকল্প হিসেবে, ডিফল্ট থেকে আপনি পরিবর্তন করতে চান এমন কোনও ডিটেক্টর সেটিংস নির্দিষ্ট করুন।

1. ObjectDetectorOptions অবজেক্টের সাহায্যে আপনার ব্যবহারের ক্ষেত্রে অবজেক্ট ডিটেক্টর কনফিগার করুন। আপনি নিম্নলিখিত সেটিংস পরিবর্তন করতে পারবেন:

   অবজেক্ট ডিটেক্টর সেটিংস
   শনাক্তকরণ মোড	STREAM_MODE (ডিফল্ট) | SINGLE_IMAGE_MODE STREAM_MODE (ডিফল্ট) মোডে, অবজেক্ট ডিটেক্টর কম লেটেন্সি সহ রান করে তবে ডিটেক্টর প্রথম কয়েকবার ইনভোক করার সময় অসম্পূর্ণ ফলাফল (যেমন, অনির্দিষ্ট বাউন্ডিং বক্স বা বিভাগ লেবেল) দিতে পারে। এছাড়াও, STREAM_MODE-এ, ডিটেক্টর অবজেক্টে ট্র্যাকিং আইডি অ্যাসাইন করে, যা আপনি ফ্রেম জুড়ে অবজেক্ট ট্র্যাক করতে ব্যবহার করতে পারবেন। আপনি যখন অবজেক্ট ট্র্যাক করতে চান অথবা কম লেটেন্সি গুরুত্বপূর্ণ, যেমন রিয়েল-টাইমে ভিডিও স্ট্রিম প্রসেস করার সময়, তখন এই মোড ব্যবহার করুন। SINGLE_IMAGE_MODE-এ, অবজেক্টের বাউন্ডিং বক্স নির্ধারণ করার পরে অবজেক্ট ডিটেক্টর ফলাফল রিটার্ন করে। আপনি শ্রেণীবিভাগও চালু করলে, বাউন্ডিং বক্স ও বিভাগ লেবেল, দুটিই উপলভ্য হওয়ার পরে ফলাফল রিটার্ন করে। এর ফলে, শনাক্তকরণে সম্ভাব্য লেটেন্সি বেশি হয়। এছাড়াও, SINGLE_IMAGE_MODE-এ ট্র্যাকিং আইডি অ্যাসাইন করা হয় না। লেটেন্সি খুব গুরুত্বপূর্ণ না হলে এবং আংশিক ফলাফল নিয়ে কাজ করতে না চাইলে এই মোড ব্যবহার করুন।
   একাধিক অবজেক্ট শনাক্ত ও ট্র্যাক করা	false (ডিফল্ট) | true সর্বাধিক পাঁচটি অবজেক্ট শনাক্ত ও ট্র্যাক করা হবে নাকি শুধুমাত্র সবচেয়ে গুরুত্বপূর্ণ অবজেক্ট (ডিফল্ট)।
   অবজেক্ট শ্রেণীবদ্ধ করা	false (ডিফল্ট) | true শনাক্ত করা জিনিসকে মোটা দাগের বিভাগে ভাগ করা হবে কিনা। চালু করা হলে, অবজেক্ট ডিটেক্টর অবজেক্টগুলিকে নিম্নলিখিত বিভাগে শ্রেণীবদ্ধ করে: ফ্যাশন আইটেম, খাবার, গৃহস্থালীর জিনিসপত্র, জায়গা ও গাছপালা।

   এই দুটি মূল সম্ভাব্য পরিস্থিতির জন্য অবজেক্ট ডিটেকশন ও ট্র্যাকিং API অপ্টিমাইজ করা হয়েছে:

   • ক্যামেরা ভিউফাইন্ডারে সবচেয়ে স্পষ্ট অবজেক্টের লাইভ শনাক্তকরণ ও ট্র্যাকিং।
   • স্ট্যাটিক ছবি থেকে একাধিক অবজেক্ট শনাক্ত করা।

   এইসব ব্যবহারের ক্ষেত্রে API কনফিগার করতে:

   Kotlin

   // Live detection and tracking
   val options = ObjectDetectorOptions.Builder()
           .setDetectorMode(ObjectDetectorOptions.STREAM_MODE)
           .enableClassification()  // Optional
           .build()
   
   // Multiple object detection in static images
   val options = ObjectDetectorOptions.Builder()
           .setDetectorMode(ObjectDetectorOptions.SINGLE_IMAGE_MODE)
           .enableMultipleObjects()
           .enableClassification()  // Optional
           .build()

   Java

   // Live detection and tracking
   ObjectDetectorOptions options =
           new ObjectDetectorOptions.Builder()
                   .setDetectorMode(ObjectDetectorOptions.STREAM_MODE)
                   .enableClassification()  // Optional
                   .build();
   
   // Multiple object detection in static images
   ObjectDetectorOptions options =
           new ObjectDetectorOptions.Builder()
                   .setDetectorMode(ObjectDetectorOptions.SINGLE_IMAGE_MODE)
                   .enableMultipleObjects()
                   .enableClassification()  // Optional
                   .build();

2. ObjectDetector-এর একটি ইনস্ট্যান্স পান:

   Kotlin

   val objectDetector = ObjectDetection.getClient(options)

   Java

   ObjectDetector objectDetector = ObjectDetection.getClient(options);

২. ইনপুট ছবি প্রস্তুত করা

অবজেক্ট শনাক্ত ও ট্র্যাক করতে, ObjectDetector ইনস্ট্যান্সের process() পদ্ধতিতে ছবি পাস করুন।

অবজেক্ট ডিটেক্টর সরাসরি Bitmap, NV21 ByteBuffer বা YUV_420_888 media.Image থেকে রান করে। এইসব সোর্স থেকে InputImage তৈরি করা সাজেস্ট করা হয় যদি আপনার কোনও একটিতে সরাসরি অ্যাক্সেস থাকে। আপনি অন্য সোর্স থেকে InputImage তৈরি করলে, আমরা আপনার জন্য ইন্টার্নালি কনভার্সন ম্যানেজ করব এবং এটি কম কার্যকর হতে পারে।

ক্রম অনুযায়ী ভিডিও বা ছবির প্রতিটি ফ্রেমের জন্য, নিম্নলিখিত কাজগুলি করুন:

আপনি বিভিন্ন সোর্স থেকে InputImage অবজেক্ট তৈরি করতে পারবেন, প্রতিটি নিচে 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 বর্ণনা করা পদ্ধতি অনুযায়ী 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 ঘোষণাটি 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।

৩. ছবি প্রসেস করা

process() পদ্ধতিতে ছবি পাস করুন:

Kotlin

objectDetector.process(image)
    .addOnSuccessListener { detectedObjects ->
        // Task completed successfully
        // ...
    }
    .addOnFailureListener { e ->
        // Task failed with an exception
        // ...
    }

Java

objectDetector.process(image)
    .addOnSuccessListener(
        new OnSuccessListener<List<DetectedObject>>() {
            @Override
            public void onSuccess(List<DetectedObject> detectedObjects) {
                // Task completed successfully
                // ...
            }
        })
    .addOnFailureListener(
        new OnFailureListener() {
            @Override
            public void onFailure(@NonNull Exception e) {
                // Task failed with an exception
                // ...
            }
        });

মনে রাখবেন: আপনি CameraX API ব্যবহার করলে, এটি ব্যবহার করা হয়ে গেলে ImageProxy বন্ধ করতে ভুলবেন না, যেমন, process পদ্ধতি থেকে পাওয়া Task-এ OnCompleteListener যোগ করে। উদাহরণের জন্য কুইকস্টার্ট স্যাম্পেল অ্যাপে VisionProcessorBase ক্লাস দেখুন।

৪. শনাক্ত করা অবজেক্ট সম্পর্কে তথ্য পাওয়া

process()-এ কল করা সফল হলে, DetectedObject-এর একটি তালিকা সাকসেস লিসেনারে পাস করা হয়।

মনে রাখবেন: স্ট্রিমিং মোডে, প্রথম অবজেক্ট শনাক্ত করার আগে, ডিভাইস পারফর্ম্যান্সের উপর নির্ভর করে, অবজেক্ট ডিটেক্টরকে ৩০টি বা তার বেশি ফ্রেম প্রসেস করতে হতে পারে।

প্রতিটি DetectedObject-তে নিম্নলিখিত প্রপার্টি থাকে:

বাউন্ডিং বক্স	একটি Rect যা ছবিতে অবজেক্টের অবস্থান নির্দেশ করে।
ট্র্যাকিং আইডি	একটি পূর্ণসংখ্যা যা একাধিক ছবি জুড়ে অবজেক্টকে শনাক্ত করে। Null in SINGLE_IMAGE_MODE.
লেবেল	লেবেলের বিবরণ লেবেলের টেক্সট বিবরণ। এটি PredefinedCategory-এ সংজ্ঞায়িত স্ট্রিং ধ্রুবকগুলির মধ্যে একটি হবে। লেবেল ইন্ডেক্স শ্রেণীবিন্যাসকারী দ্বারা কাজ করে এমন সব লেবেলের মধ্যে লেবেলের ইন্ডেক্স। এটি PredefinedCategory-এ সংজ্ঞায়িত ইনটিজার কনস্ট্যান্টের মধ্যে একটি হবে। লেবেলের ব্যাপারে আত্মবিশ্বাস অবজেক্টের শ্রেণীবিভাগের কনফিডেন্স ভ্যালু।

Kotlin

for (detectedObject in detectedObjects) {
    val boundingBox = detectedObject.boundingBox
    val trackingId = detectedObject.trackingId
    for (label in detectedObject.labels) {
        val text = label.text
        if (PredefinedCategory.FOOD == text) {
            ...
        }
        val index = label.index
        if (PredefinedCategory.FOOD_INDEX == index) {
            ...
        }
        val confidence = label.confidence
    }
}

Java

// The list of detected objects contains one item if multiple
// object detection wasn't enabled.
for (DetectedObject detectedObject : detectedObjects) {
    Rect boundingBox = detectedObject.getBoundingBox();
    Integer trackingId = detectedObject.getTrackingId();
    for (Label label : detectedObject.getLabels()) {
        String text = label.getText();
        if (PredefinedCategory.FOOD.equals(text)) {
            ...
        }
        int index = label.getIndex();
        if (PredefinedCategory.FOOD_INDEX == index) {
            ...
        }
        float confidence = label.getConfidence();
    }
}

ব্যবহারকারীর দুর্দান্ত অভিজ্ঞতা নিশ্চিত করা

ব্যবহারকারীর সেরা অভিজ্ঞতার জন্য, আপনার অ্যাপে এইসব নির্দেশিকা অনুসরণ করুন:

• অবজেক্টের ভিজ্যুয়াল জটিলতার উপর নির্ভর করে অবজেক্ট ডিটেকশন সফল হয়। শনাক্ত করার জন্য, অল্প সংখ্যক ভিজ্যুয়াল ফিচার সহ অবজেক্টকে ছবির একটি বড় অংশ জুড়ে থাকতে হতে পারে। আপনি যে ধরনের অবজেক্ট শনাক্ত করতে চান, সেগুলির সাথে ভালভাবে কাজ করে এমন ইনপুট ক্যাপচার করার বিষয়ে ব্যবহারকারীদের নির্দেশিকা প্রদান করা উচিত।
• আপনি শ্রেণীবিভাগ ব্যবহার করার সময়, যদি এমন অবজেক্ট শনাক্ত করতে চান যা স্পষ্টভাবে সাপোর্ট করা বিভাগে পড়ে না, তাহলে অজানা অবজেক্টের জন্য বিশেষ হ্যান্ডেলিং প্রয়োগ করুন।

এছাড়াও, ML Kit Material Design শোকেস অ্যাপ এবং Material Design মেশিন লার্নিং-পাওয়ার্ড ফিচারের প্যাটার্ন সংগ্রহ দেখুন।

পারফর্ম্যান্স উন্নত করা হচ্ছে

আপনি যদি রিয়েল-টাইম অ্যাপ্লিকেশনে অবজেক্ট শনাক্তকরণ ব্যবহার করতে চান, তাহলে সেরা ফ্রেমরেট পেতে এইসব নির্দেশিকা অনুসরণ করুন:

• আপনি রিয়েল-টাইম অ্যাপ্লিকেশনে স্ট্রিমিং মোড ব্যবহার করলে, একাধিক অবজেক্ট শনাক্তকরণ ব্যবহার করবেন না, কারণ বেশিরভাগ ডিভাইস পর্যাপ্ত ফ্রেমরেট তৈরি করতে পারবে না।

• প্রয়োজন না হলে ক্লাসিফিকেশন বন্ধ করে দিন।

• আপনি Camera বা camera2 API ব্যবহার করলে, ডিটেক্টরে কল থ্রটল করুন। ডিটেক্টর চলাকালীন নতুন ভিডিও ফ্রেম উপলভ্য হলে, ফ্রেমটি ড্রপ করুন। উদাহরণ হিসেবে কুইকস্টার্ট স্যাম্পেল অ্যাপে VisionProcessorBase ক্লাস দেখুন।
• আপনি CameraX API ব্যবহার করলে, ব্যাকপ্রেশার স্ট্র্যাটেজি যাতে ডিফল্ট ভ্যালুতে সেট করা থাকে তা নিশ্চিত করুন ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST. এটি নিশ্চিত করে যে বিশ্লেষণের জন্য একবারে শুধুমাত্র একটি ছবি ডেলিভার করা হবে। বিশ্লেষক ব্যস্ত থাকাকালীন আরও ছবি তৈরি হলে, সেগুলি অটোমেটিক বাদ দেওয়া হবে এবং ডেলিভারির জন্য সারিতে রাখা হবে না। ImageProxy.close() কল করে বিশ্লেষণ করা ছবি বন্ধ করে দিলে, পরবর্তী লেটেস্ট ছবি ডেলিভার করা হবে।
• ইনপুট ছবিতে গ্রাফিক্স ওভারলে করতে আপনি যদি ডিটেক্টরের আউটপুট ব্যবহার করেন, তাহলে প্রথমে ML Kit থেকে ফলাফল পান, তারপরে ছবি রেন্ডার করুন এবং একটি ধাপে ওভারলে করুন। প্রতিটি ইনপুট ফ্রেমের জন্য এটি ডিসপ্লে সারফেসে একবারই রেন্ডার করে। উদাহরণ হিসেবে কুইকস্টার্ট স্যাম্পেল অ্যাপে CameraSourcePreview এবং GraphicOverlay ক্লাস দেখুন।
• আপনি Camera2 API ব্যবহার করলে, ImageFormat.YUV_420_888 ফর্ম্যাটে ছবি ক্যাপচার করুন। আপনি পুরনো Camera API ব্যবহার করলে, ImageFormat.NV21 ফর্ম্যাটে ছবি ক্যাপচার করুন।