ML Kit를 사용하면 연속적인 동영상 프레임에서 객체를 감지하고 추적할 수 있습니다.
이미지를 ML Kit에 전달하면 이미지에서 각 객체의 위치와 함께 최대 5개의 객체를 감지합니다. 동영상 스트림에서 객체를 감지할 때 각 객체에는 프레임 간에 객체를 추적하는 데 사용할 수 있는 고유 ID가 있습니다. 원하는 경우 대략적인 객체 분류를 사용 설정하여 객체에 광범위한 카테고리 설명을 지정할 수도 있습니다.
사용해 보기
- 샘플 앱을 살펴보고 이 API의 사용 예를 확인합니다.
- 이 API를 완전히 구현하려면 머티리얼 디자인 쇼케이스 앱을 참고하세요.
시작하기 전에
- 프로젝트 수준
build.gradle
파일의buildscript
및allprojects
섹션에 Google의 Maven 저장소가 포함되어야 합니다. - 모듈의 앱 수준 Gradle 파일(일반적으로
app/build.gradle
)에 ML Kit Android 라이브러리의 종속 항목을 추가합니다.dependencies { // ... implementation 'com.google.mlkit:object-detection:17.0.1' }
1. 객체 인식기 구성
객체를 감지하고 추적하려면 먼저 ObjectDetector
인스턴스를 만들고 기본값에서 변경할 감지기 설정을 선택적으로 지정합니다.
사용 사례에 대한 객체 감지기를
ObjectDetectorOptions
객체를 사용하여 구성합니다. 다음 설정을 변경할 수 있습니다.객체 감지기 설정 감지 모드 STREAM_MODE
(기본값) |SINGLE_IMAGE_MODE
STREAM_MODE
(기본값)에서는 객체 감지기가 짧은 지연 시간으로 실행되지만, 감지기를 처음 몇 번 호출할 때 경계 상자 또는 카테고리 라벨이 지정되지 않는 등 불완전한 결과가 나올 수 있습니다. 또한STREAM_MODE
에서는 감지기가 객체에 추적 ID를 할당하며, 이 ID를 사용하여 여러 프레임에서 객체를 추적할 수 있습니다. 객체를 추적하려는 경우나 실시간 동영상 스트림을 처리할 때와 같이 짧은 지연 시간이 중요한 경우에 이 모드를 사용하세요.SINGLE_IMAGE_MODE
에서는 객체의 경계 상자가 결정되면 객체 감지기가 결과를 반환합니다. 분류도 사용 설정하면 경계 상자와 카테고리 라벨을 모두 사용할 수 있게 되면 결과가 반환됩니다. 따라서 감지 지연 시간이 길어질 수 있습니다. 또한SINGLE_IMAGE_MODE
에서는 추적 ID가 할당되지 않습니다. 지연 시간이 중요하지 않고 부분적인 결과를 처리하지 않으려는 경우 이 모드를 사용하세요.여러 객체 감지 및 추적 false
(기본값) |true
최대 5개의 객체를 감지하고 추적할지, 아니면 가장 눈에 띄는 객체만 감지하고 추적할지 여부 (기본값)입니다.
객체 분류 false
(기본값) |true
감지된 객체를 대략적인 카테고리로 분류할지 여부입니다. 사용 설정하면 객체 감지기가 객체를 패션 상품, 식품, 가정용품, 장소, 식물 카테고리로 분류합니다.
객체 감지 및 추적 API는 다음과 같은 2가지 핵심 사용 사례에 최적화되어 있습니다.
- 카메라 뷰파인더에서 가장 눈에 띄는 객체의 실시간 감지 및 추적
- 정적 이미지에서 여러 객체를 감지합니다.
이러한 사용 사례에 맞게 API를 구성하는 방법은 다음과 같습니다.
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();
ObjectDetector
의 인스턴스를 가져옵니다.Kotlin
val objectDetector = ObjectDetection.getClient(options)
Java
ObjectDetector objectDetector = ObjectDetection.getClient(options);
2. 입력 이미지 준비
객체를 감지하고 추적하려면 이미지를ObjectDetector
인스턴스의 process()
메서드에 전달합니다.
객체 감지기는 Bitmap
, NV21 ByteBuffer
또는 YUV_420_888 media.Image
에서 직접 실행됩니다. 소스 중 하나에 직접 액세스할 수 있는 경우 이러한 소스에서 InputImage
를 구성하는 것이 좋습니다. 다른 소스에서 InputImage
를 구성하면 내부적으로 변환이 처리되므로 효율성이 떨어질 수 있습니다.
동영상의 각 프레임 또는 연속된 이미지에 대해 다음을 수행합니다.
다양한 소스에서 InputImage
객체를 만들 수 있습니다. 각 소스는 아래에 설명되어 있습니다.
media.Image
사용
기기의 카메라에서 이미지를 캡처할 때와 같이 media.Image
객체에서 InputImage
객체를 만들려면 media.Image
객체 및 이미지 회전을 InputImage.fromMediaImage()
에 전달합니다.
CameraX 라이브러리를 사용하는 경우 OnImageCapturedListener
클래스와 ImageAnalysis.Analyzer
클래스가 회전 값을 자동으로 계산합니다.
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 // ... } } }
이미지 회전 각도를 제공하는 카메라 라이브러리를 사용하지 않는 경우 기기의 카메라 센서 방향과 기기 회전 각도에서 이미지 회전 각도를 계산할 수 있습니다.
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 }
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; }
그런 다음 media.Image
객체 및 회전 각도 값을 InputImage.fromMediaImage()
에 전달합니다.
Kotlin
val image = InputImage.fromMediaImage(mediaImage, rotation)
Java
InputImage image = InputImage.fromMediaImage(mediaImage, rotation);
파일 URI 사용
파일 URI에서 InputImage
객체를 만들려면 앱 컨텍스트 및 파일 URI를 InputImage.fromFilePath()
에 전달합니다. 이 기능은 ACTION_GET_CONTENT
인텐트를 사용하여 사용자에게 갤러리 앱에서 이미지를 선택하라는 메시지를 표시할 때 유용합니다.
Kotlin
val image: InputImage try { image = InputImage.fromFilePath(context, uri) } catch (e: IOException) { e.printStackTrace() }
Java
InputImage image; try { image = InputImage.fromFilePath(context, uri); } catch (IOException e) { e.printStackTrace(); }
ByteBuffer
또는 ByteArray
사용
ByteBuffer
또는 ByteArray
에서 InputImage
객체를 만들려면 앞서 media.Image
입력에서 설명한 대로 이미지 회전 각도를 먼저 계산합니다.
그런 다음 이미지의 높이, 너비, 색상 인코딩 형식, 회전 각도와 함께 버퍼 또는 배열을 사용하여 InputImage
객체를 만듭니다.
Kotlin
val image = InputImage.fromByteBuffer( byteBuffer, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 ) // Or: val image = InputImage.fromByteArray( byteArray, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 )
Java
InputImage image = InputImage.fromByteBuffer(byteBuffer, /* image width */ 480, /* image height */ 360, rotationDegrees, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 ); // Or: InputImage image = InputImage.fromByteArray( byteArray, /* image width */480, /* image height */360, rotation, InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12 );
Bitmap
사용
Bitmap
객체에서 InputImage
객체를 만들려면 다음과 같이 선언합니다.
Kotlin
val image = InputImage.fromBitmap(bitmap, 0)
Java
InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);
이미지는 회전 각도와 함께 Bitmap
객체로 표현됩니다.
3. 이미지 처리
이미지를process()
메서드에 전달합니다.
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 // ... } });
4. 감지된 객체에 대한 정보 가져오기
process()
호출이 성공하면 DetectedObject
목록이 성공 리스너에 전달됩니다.
각 DetectedObject
에는 다음 속성이 포함됩니다.
경계 상자 | 이미지에서 객체의 위치를 나타내는 Rect 입니다. |
||||||
추적 ID | 여러 이미지에서 객체를 식별하는 정수입니다. SINGLE_IMAGE_MODE에서는 Null입니다. | ||||||
라벨 |
|
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(); } }
우수한 사용자 경험 보장
최상의 사용자 환경을 위해 앱에서 다음 가이드라인을 따르세요.
- 객체 감지의 성공 여부는 객체의 시각적 복잡성에 따라 달라집니다. 감지하기 위해서는 시각적 특징이 적은 객체가 이미지의 더 많은 부분을 차지해야 할 수도 있습니다. 감지할 객체 종류에서 잘 작동하는 입력 캡처에 대한 안내를 사용자에게 제공해야 합니다.
- 분류를 사용할 때 지원되는 카테고리로 정확하게 분류되지 않는 객체를 감지하려면 알 수 없는 객체에 대한 특수 처리를 구현합니다.
ML Kit 머티리얼 디자인 쇼케이스 앱 및 머티리얼 디자인의 머신러닝 기반 기능 패턴 모음도 참조하세요.
성능 개선
실시간 애플리케이션에서 객체 감지를 사용하려면 최상의 프레임 속도를 얻으려면 다음 가이드라인을 따르세요.
실시간 애플리케이션에서 스트리밍 모드를 사용할 때는 대부분의 기기에서 적절한 프레임 속도를 생성할 수 없으므로 여러 개의 객체 감지를 사용하지 마세요.
분류가 필요하지 않으면 사용 중지합니다.
Camera
또는camera2
API를 사용하는 경우 감지기 호출을 제한합니다. 인식기가 실행 중일 때 새 동영상 프레임이 제공되는 경우 프레임을 낮춥니다. 관련 예는 빠른 시작 샘플 앱의VisionProcessorBase
클래스를 참고하세요.CameraX
API를 사용하는 경우 백프레셔 전략이 기본값ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST
로 설정되어 있는지 확인합니다. 이렇게 하면 분석을 위해 한 번에 하나의 이미지만 제공됩니다. 분석기가 사용 중일 때 이미지가 추가로 생성되면 이미지가 자동으로 삭제되며 전송 대기열에 추가되지 않습니다. ImageProxy.close()를 호출하여 분석 중인 이미지를 닫으면 다음 최신 이미지가 전송됩니다.- 인식기 출력을 사용하여 입력 이미지에서 그래픽을 오버레이하는 경우 먼저 ML Kit에서 결과를 가져온 후 이미지를 렌더링하고 단일 단계로 오버레이합니다. 이는 각 입력 프레임에 대해 한 번만 디스플레이 표면에 렌더링됩니다. 관련 예는 빠른 시작 샘플 앱에서
CameraSourcePreview
및GraphicOverlay
클래스를 참고하세요. - Camera2 API를 사용할 경우
ImageFormat.YUV_420_888
형식으로 이미지를 캡처합니다. 이전 Camera API를 사용할 경우ImageFormat.NV21
형식으로 이미지를 캡처합니다.