Objekte mit ML Kit für Android erkennen und verfolgen

Mit ML Kit können Sie Objekte in aufeinanderfolgenden Videoframes erkennen und verfolgen.

Wenn Sie ein Bild an ML Kit übergeben, werden bis zu fünf Objekte im Bild sowie deren Position im Bild erkannt. Beim Erkennen von Objekten in Videostreams hat jedes Objekt eine eindeutige ID, mit der Sie das Objekt von Frame zu Frame verfolgen können. Sie können auch die grobe Objektklassifizierung aktivieren, bei der Objekte mit allgemeinen Kategoriebeschreibungen gekennzeichnet werden.

Diese API verwendet eine nicht gebündelte Bibliothek, die vor der Verwendung heruntergeladen werden muss. Weitere Informationen finden Sie in diesem Leitfaden.

Ausprobieren

• Probieren Sie die Beispiel-App aus, um ein Beispiel für die Verwendung dieser API zu sehen.
• Eine End-to-End-Implementierung dieser API findest du in der Material Design-Showcase-App.

Hinweis

Für diese API ist Android API-Level 21 oder höher erforderlich. Achten Sie darauf, dass die Build-Datei Ihrer App einen minSdkVersion-Wert von mindestens 21 verwendet.

1. Fügen Sie in der Datei build.gradle auf Projektebene das Maven-Repository von Google in die Abschnitte buildscript und allprojects ein.
2. Fügen Sie die Abhängigkeiten für die ML Kit-Android-Bibliotheken der Gradle-Datei auf App-Ebene Ihres Moduls hinzu, die normalerweise app/build.gradle ist:

   dependencies {
     // ...
   
     implementation 'com.google.mlkit:object-detection:17.0.1'
   
   }
   

1. Objektdetektor konfigurieren

Erstellen Sie zuerst eine Instanz von ObjectDetector und geben Sie optional alle Detektoreinstellungen an, die Sie von der Standardeinstellung ändern möchten, um Objekte zu erkennen und zu verfolgen.

1. Konfigurieren Sie den Objektdetektor für Ihren Anwendungsfall mit einem ObjectDetectorOptions-Objekt. Sie können die folgenden Einstellungen ändern:

   Einstellungen für Objekterkennung
   Erkennungsmodus	STREAM_MODE (Standard) | SINGLE_IMAGE_MODE In STREAM_MODE (Standardeinstellung) wird der Objektdetektor mit niedriger Latenz ausgeführt. Allerdings kann es bei den ersten Aufrufen des Detektors zu unvollständigen Ergebnissen (z. B. nicht angegebene Begrenzungsrahmen oder Kategorielabels) kommen. Außerdem weist der Detektor in STREAM_MODE Objekten Tracking-IDs zu, mit denen Sie Objekte über mehrere Frames hinweg verfolgen können. Verwenden Sie diesen Modus, wenn Sie Objekte erfassen möchten oder eine niedrige Latenz wichtig ist, z. B. wenn Videostreams in Echtzeit verarbeitet werden. Bei SINGLE_IMAGE_MODE gibt der Objektdetektor das Ergebnis zurück, nachdem der Begrenzungsrahmen des Objekts bestimmt wurde. Wenn Sie auch die Klassifizierung aktivieren, wird das Ergebnis zurückgegeben, nachdem der Begrenzungsrahmen und das Kategorielabel verfügbar sind. Infolgedessen kann die Latenz bei der Erkennung höher sein. Außerdem werden in SINGLE_IMAGE_MODE keine Tracking-IDs zugewiesen. Verwenden Sie diesen Modus, wenn die Latenz kein kritischer Faktor ist und Sie sich nicht mit Teilergebnissen befassen möchten.
   Mehrere Objekte erkennen und verfolgen	false (Standard) | true Gibt an, ob bis zu fünf Objekte oder nur das auffälligste Objekt erkannt und verfolgt werden sollen (Standardeinstellung).
   Objekte klassifizieren	false (Standard) | true Gibt an, ob erkannte Objekte groben Kategorien zugeordnet werden sollen. Wenn der Objektdetektor aktiviert ist, werden Objekte in die folgenden Kategorien eingeteilt: Modewaren, Lebensmittel, Haushaltswaren, Orte und Pflanzen.

   Die Object Detection and Tracking API ist für diese beiden Hauptanwendungsfälle optimiert:

   • Live-Erkennung und Nachverfolgung des auffälligsten Objekts im Kamerasucher
   • Erkennung mehrerer Objekte in einem statischen Bild.

   So konfigurieren Sie die API für diese Anwendungsfälle:

   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. Rufen Sie eine Instanz von ObjectDetector ab:

   Kotlin

   val objectDetector = ObjectDetection.getClient(options)

   Java

   ObjectDetector objectDetector = ObjectDetection.getClient(options);

2. Eingabebild vorbereiten

Übergeben Sie Bilder an die Methode process() der ObjectDetector-Instanz, um Objekte zu erkennen und zu verfolgen.

Der Objektdetektor wird direkt von einem Bitmap, NV21-ByteBuffer oder einem YUV_420_888-media.Image ausgeführt. Es wird empfohlen, eine InputImage aus diesen Quellen zu erstellen, wenn Sie direkten Zugriff auf eine von ihnen haben. Wenn Sie eine InputImage aus anderen Quellen erstellen, übernehmen wir die Konvertierung intern für Sie und sie ist möglicherweise weniger effizient.

Gehen Sie für jeden Frame eines Videos oder Bilds in einer Sequenz so vor:

Sie können ein InputImage-Objekt aus verschiedenen Quellen erstellen. Diese werden unten jeweils erläutert.

Mit einem media.Image

Wenn Sie ein InputImage-Objekt aus einem media.Image-Objekt erstellen möchten, z. B. wenn Sie ein Bild mit der Kamera eines Geräts aufnehmen, übergeben Sie das media.Image-Objekt und die Bilddrehung an InputImage.fromMediaImage().

Wenn Sie die CameraX-Bibliothek verwenden, wird der Rotationswert von den Klassen OnImageCapturedListener und ImageAnalysis.Analyzer berechnet.

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
          // ...
        }
    }
}

Wenn Sie keine Kamerabibliothek verwenden, die den Drehgrad des Bildes angibt, können Sie ihn anhand des Gerätedrehungsgrads und der Ausrichtung des Kamerasensors im Gerät berechnen:

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;
}

Übergeben Sie dann das media.Image-Objekt und den Wert für den Rotationsgrad an InputImage.fromMediaImage():

Kotlin

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

Java

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

Datei-URI verwenden

Übergeben Sie den App-Kontext und den Datei-URI an InputImage.fromFilePath(), um ein InputImage-Objekt aus einem Datei-URI zu erstellen. Das ist nützlich, wenn du mit einem ACTION_GET_CONTENT-Intent den Nutzer auffordern möchtest, ein Bild aus seiner Galerie-App auszuwählen.

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();
}

Mithilfe von ByteBuffer oder ByteArray

Zum Erstellen eines InputImage-Objekts aus einem ByteBuffer- oder ByteArray-Objekt müssen Sie zuerst den Grad der Bilddrehung berechnen, wie zuvor für die media.Image-Eingabe beschrieben. Erstellen Sie dann das InputImage-Objekt mit dem Zwischenspeicher oder Array sowie der Höhe, Breite, Farbcodierungsformat und Rotationsgrad des Bildes:

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

Mit einem Bitmap

Mit der folgenden Deklaration kannst du ein InputImage-Objekt aus einem Bitmap-Objekt erstellen:

Kotlin

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

Java

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

Das Bild wird durch ein Bitmap-Objekt zusammen mit Grad der Drehung dargestellt.

3. Bild verarbeiten

Übergeben Sie das Bild an die Methode process():

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
                // ...
            }
        });

Hinweis: Wenn du die CameraX API verwendest, musst du ImageProxy nach der Verwendung schließen. Dazu fügst du dem Task-Objekt, das von der Methode process zurückgegeben wird, ein OnCompleteListener hinzu. Ein Beispiel hierfür finden Sie in der Beispiel-App der Kurzanleitung in der Klasse VisionProcessorBase.

4. Informationen zu erkannten Objekten abrufen

Wenn der Aufruf von process() erfolgreich ist, wird eine Liste der DetectedObject an den Erfolgs-Listener übergeben.

Hinweis: Im Streamingmodus muss der Objektdetektor je nach Geräteleistung möglicherweise 30 oder mehr Frames verarbeiten, bevor das erste Objekt erkannt wird.

Jeder DetectedObject enthält die folgenden Attribute:

Begrenzungsrahmen	Ein Rect, der die Position des Objekts im Bild angibt.
Tracking-ID	Eine Ganzzahl, die das Objekt über Bilder hinweg identifiziert. Nullwert in SINGLE_IMAGE_MODE.
Labels	Labelbeschreibung Die Beschreibung des Labeltexts. Sie ist eine der in PredefinedCategory definierten Stringkonstanten. Label index Der Index des Labels unter allen vom Klassifikator unterstützten Labels. Dies ist eine der in PredefinedCategory definierten Ganzzahlkonstanten. Label-Konfidenz Der Konfidenzwert der Objektklassifizierung.

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();
    }
}

Eine gute User Experience sicherstellen

Halten Sie sich an die folgenden Richtlinien in Ihrer App, um die Nutzererfahrung zu optimieren:

• Die erfolgreiche Objekterkennung hängt von der visuellen Komplexität des Objekts ab. Damit Objekte mit wenigen visuellen Merkmalen erkannt werden können, müssen sie möglicherweise einen größeren Teil des Bildes einnehmen. Sie sollten Nutzern dabei helfen, Eingaben zu erfassen, die für die Art der zu erkennenden Objekte gut funktionieren.
• Wenn Sie bei der Klassifizierung Objekte ermitteln möchten, die nicht ordnungsgemäß in die unterstützten Kategorien fallen, implementieren Sie eine spezielle Behandlung für unbekannte Objekte.

Sehen Sie sich auch die Showcase-App „ML Kit Material Design“ und die Sammlung Muster für durch maschinelles Lernen unterstützte Funktionen von Material Design an.

Leistung erhöhen

Wenn Sie die Objekterkennung in einer Echtzeitanwendung verwenden möchten, beachten Sie die folgenden Richtlinien, um die besten Framerates zu erzielen:

• Wenn Sie den Streamingmodus in einer Echtzeit-App verwenden, sollten Sie die Erkennung mehrerer Objekte nicht verwenden, da die meisten Geräte keine angemessenen Framerates erzeugen können.

• Deaktivieren Sie die Klassifizierung, wenn Sie sie nicht benötigen.

• Wenn Sie die Camera oder camera2 API verwenden, drosseln Sie Aufrufe an den Detektor. Wenn ein neuer Videoframe verfügbar ist, während der Detektor ausgeführt wird, löschen Sie den Frame. Ein Beispiel hierfür finden Sie in der Beispiel-App der Kurzanleitung in der Klasse VisionProcessorBase.
• Wenn Sie die CameraX API verwenden, muss die Rückdruckstrategie auf den Standardwert ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST festgelegt sein. Dadurch wird sichergestellt, dass jeweils nur ein Bild zur Analyse geliefert wird. Werden weitere Bilder erstellt, während das Analysetool ausgelastet ist, werden diese automatisch gelöscht und nicht in die Warteschlange gestellt. Nachdem das zu analysierende Bild durch Aufrufen von ImageProxy.close() geschlossen wurde, wird das jeweils neueste Bild bereitgestellt.
• Wenn Sie die Ausgabe des Detektors verwenden, um Grafiken über das Eingabebild einzublenden, rufen Sie zuerst das Ergebnis aus dem ML Kit ab und rendern Sie dann das Bild und das Overlay in einem einzigen Schritt. Dies wird für jeden Eingabeframe nur einmal auf der Anzeigeoberfläche gerendert. Ein entsprechendes Beispiel finden Sie in der Beispiel-App der Kurzanleitung in den Klassen CameraSourcePreview und GraphicOverlay.
• Wenn du die Camera2 API verwendest, nimm Bilder im ImageFormat.YUV_420_888-Format auf. Wenn du die ältere Camera API verwendest, nimm Bilder im ImageFormat.NV21-Format auf.