זיהוי אובייקטים ומעקב אחריהם באמצעות ML Kit ב-Android

אתם יכולים להשתמש ב-ML Kit כדי לזהות אובייקטים ולעקוב אחריהם בפריימים ברצף של וידאו.

כשמעבירים תמונה ל-ML Kit, המערכת מזהה עד חמישה אובייקטים בתמונה יחד עם המיקום של כל אובייקט בתמונה. כשמזהים אובייקטים בווידאו בסטרימינג, לכל אובייקט יש מזהה ייחודי שאפשר להשתמש בו כדי לעקוב אחר האובייקט מפריים לפריים. אפשר גם להפעיל סיווג של אובייקטים גסים, כדי להוסיף תוויות לאובייקטים עם תיאורי קטגוריות רחבים.

ה-API הזה משתמש בספרייה לא מקובצת וצריך להוריד אותה לפני השימוש. לקבלת מידע נוסף, אפשר לעיין במדריך הזה.

אני רוצה לנסות

• אפשר לנסות את האפליקציה לדוגמה כדי לראות דוגמה לשימוש ב-API הזה.
• אפשר להיכנס לאפליקציית Material Design כדי לראות הטמעה מקצה לקצה של ה-API הזה.

לפני שמתחילים

כדי להשתמש ב-API הזה נדרש Android API ברמה 21 ומעלה. יש לוודא שקובץ ה-build של האפליקציה משתמש בערך minSdkVersion של 21 ומעלה.

1. בקובץ build.gradle ברמת הפרויקט, חשוב לכלול את מאגר Maven של Google בקטע buildscript וגם בקטע allprojects.
2. מוסיפים את יחסי התלות של ספריות ML Kit ל-Android לקובץ ההדרגתיות של המודול ברמת האפליקציה, שהוא בדרך כלל app/build.gradle:

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

1. הגדרה של מזהה האובייקטים

כדי לזהות אובייקטים ולעקוב אחריהם, קודם יוצרים מופע של ObjectDetector, ואפשר לציין את הגדרות המזהה שרוצים לשנות מברירת המחדל.

1. מגדירים את מזהה האובייקטים לתרחיש לדוגמה באמצעות אובייקט ObjectDetectorOptions. אפשר לשנות את ההגדרות הבאות:

   הגדרות של מזהה אובייקטים
   מצב זיהוי	STREAM_MODE (ברירת מחדל) | SINGLE_IMAGE_MODE ב-STREAM_MODE (ברירת המחדל), מזהה האובייקטים פועל עם זמן אחזור קצר, אבל יכול להיות שהוא יפיק תוצאות חלקיות (כמו תיבות תוחמות לא צוינו או תוויות של קטגוריות) בהפעלות הראשונות של הגלאי. כמו כן, ב-STREAM_MODE, הגלאי מקצה מזהים לצורכי מעקב לאובייקטים, שבהם אפשר להשתמש כדי לעקוב אחר אובייקטים במסגרות שונות. אפשר להשתמש במצב הזה כשרוצים לעקוב אחרי אובייקטים, או כשחשוב לזמן אחזור קצר, למשל כשמעבדים וידאו סטרימינג בזמן אמת. ב-SINGLE_IMAGE_MODE, מזהה האובייקטים מחזיר את התוצאה לאחר קביעת התיבה התוחמת של האובייקט. אם מפעילים גם את הסיווג, היא מחזירה את התוצאה אחרי שהתיבה התוחמת (bounding box) וגם התווית של הקטגוריה יהיו זמינות. כתוצאה מכך, זמן האחזור לזיהוי עשוי להיות גבוה יותר. כמו כן, ב-SINGLE_IMAGE_MODE לא מוקצים מזהים לצורכי מעקב. כדאי להשתמש במצב הזה אם זמן האחזור אינו קריטי ולא רוצים לטפל בתוצאות חלקיות.
   זיהוי אובייקטים מרובים ומעקב אחריהם	false (ברירת מחדל) | true האם לזהות עד חמישה אובייקטים ולעקוב אחריהם או רק את האובייקט הבולט ביותר (ברירת מחדל).
   סיווג אובייקטים	false (ברירת מחדל) | true האם לסווג אובייקטים שזוהו לקטגוריות גסות או לא. כשהאפשרות הזו מופעלת, מזהה האובייקטים מסווג את האובייקטים לקטגוריות הבאות: מוצרי אופנה, אוכל, מוצרים לבית, מקומות וצמחים.

   ה-API לזיהוי אובייקטים ולמעקב מותאמים במיוחד לשני תרחישי השימוש העיקריים הבאים:

   • זיהוי ומעקב בזמן אמת של העצם הבולט ביותר בעינית המצלמה.
   • זיהוי של אובייקטים מרובים מתמונה סטטית.

   כדי להגדיר את ה-API לתרחישים לדוגמה האלה:

   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. אחזור של מופע של ObjectDetector:

   Kotlin

   val objectDetector = ObjectDetection.getClient(options)

   Java

   ObjectDetector objectDetector = ObjectDetection.getClient(options);

2. הכנת תמונת הקלט

כדי לזהות אובייקטים ולעקוב אחריהם, מעבירים תמונות לשיטה process() של המכונה ObjectDetector.

מזהה האובייקטים פועל ישירות מ-Bitmap, מ-NV21 ByteBuffer או מ-YUV_420_888 media.Image. מומלץ ליצור InputImage מהמקורות האלה אם יש לכם גישה ישירה לאחד מהם. אם אתם יוצרים InputImage ממקורות אחרים, אנחנו נטפל בהמרה באופן פנימי עבורכם, ויכול להיות שהיא תהיה פחות יעילה.

עבור כל פריים של סרטון או תמונה ברצף, יש לבצע את הפעולות הבאות:

ניתן ליצור אובייקט InputImage ממקורות שונים. בהמשך מוסבר על כל אחד מהם.

באמצעות media.Image

כדי ליצור אובייקט InputImage מאובייקט media.Image, למשל כשמצלמים תמונה ממצלמת המכשיר, צריך להעביר את האובייקט media.Image ואת הסיבוב של התמונה אל InputImage.fromMediaImage().

אם משתמשים בספריית CameraX, המחלקות OnImageCapturedListener ו-ImageAnalysis.Analyzer מחשבים את ערך הסיבוב בשבילכם.

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
          // ...
        }
    }
}

אם לא משתמשים בספריית מצלמה כדי לקבל את מידת הסיבוב של התמונה, אפשר לחשב אותה לפי מידת הסיבוב של המכשיר והכיוון של חיישן המצלמה במכשיר:

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;
}

לאחר מכן מעבירים את האובייקט media.Image ואת ערך מעלה הסיבוב ל-InputImage.fromMediaImage():

Kotlin

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

Java

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

שימוש ב-URI של קובץ

כדי ליצור אובייקט InputImage מ-URI של קובץ, מעבירים את ההקשר של האפליקציה ואת ה-URI של הקובץ אל InputImage.fromFilePath(). האפשרות הזו שימושית כשמשתמשים ב-Intent של ACTION_GET_CONTENT כדי לבקש מהמשתמשים לבחור תמונה מאפליקציית הגלריה.

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();
}

באמצעות ByteBuffer או ByteArray

כדי ליצור אובייקט InputImage מ-ByteBuffer או מ-ByteArray, קודם צריך לחשב את מעלות סיבוב התמונה כפי שתואר קודם עבור קלט media.Image. לאחר מכן יוצרים את האובייקט InputImage עם מאגר הנתונים הזמני או המערך, יחד עם הגובה, הרוחב, פורמט קידוד הצבע ומידת הסיבוב של התמונה:

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

באמצעות Bitmap

כדי ליצור אובייקט InputImage מאובייקט Bitmap, צריך להשתמש בהצהרה הבאה:

Kotlin

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

Java

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

התמונה מיוצגת על ידי אובייקט Bitmap יחד עם מעלות סיבוב.

3. עיבוד התמונה

מעבירים את התמונה ל-method 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
                // ...
            }
        });

הערה: אם משתמשים ב-API של CameraX, חשוב לסגור את ה-ImageProxy בסיום השימוש, למשל על ידי הוספת OnCompleteListener ל-Task שמוחזר מ-process. כדי לראות דוגמה, אפשר לעיין בכיתה VisionProcessorBase באפליקציה לדוגמה של המדריך למתחילים.

4. קבלת מידע על האובייקטים שזוהו

אם הקריאה ל-process() מצליחה, רשימה של DetectedObject מועברת ל-listener.

הערה: במצב סטרימינג, יכול להיות שמזהה האובייקטים יצטרך לעבד 30 פריימים או יותר, בהתאם לביצועי המכשיר, לפני שהוא יזהה את האובייקט הראשון.

כל DetectedObject מכיל את המאפיינים הבאים:

תיבה תוחמת	Rect שמציין את מיקום האובייקט בתמונה.
מזהה לצורכי מעקב	מספר שלם שמזהה את האובייקט בתמונות שונות. אפס ב-SINGLE_IMAGE_mode.
Labels (תוויות)	תיאור תווית תיאור הטקסט של התווית. הוא יהיה אחד מקבועים של מחרוזת שהוגדרו ב-PredefinedCategory. אינדקס תווית האינדקס של התווית בין כל התוויות שנתמכות על ידי המסווג. הוא יהיה אחד מהקבועים במספרים השלמים שמוגדרים ב-PredefinedCategory. רמת המהימנות של התווית ערך המהימנות של סיווג האובייקטים.

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();
    }
}

הבטחת חוויית משתמש מעולה

כדי ליהנות מחוויית המשתמש הטובה ביותר, יש לפעול לפי ההנחיות הבאות באפליקציה:

• זיהוי האובייקט מצליח תלוי במורכבות החזותית של האובייקט. כדי שהמערכת תזהה אותם, יכול להיות שאובייקטים שיש להם מעט תכונות חזותיות יצטרכו לתפוס חלק גדול יותר מהתמונה. צריך לספק למשתמשים הנחיות ללכידת קלט שעובד היטב עם סוג האובייקטים שרוצים לזהות.
• כשמשתמשים בסיווג, אם רוצים לזהות אובייקטים שלא מתאימים לקטגוריות הנתמכות, צריך להגדיר טיפול מיוחד באובייקטים לא ידועים.

בנוסף, מומלץ לעיין באפליקציית ML Kit Material Design ובאוסף תבניות לפיצ'רים שמבוססים על למידת מכונה ב-Material Design.

Improving performance

אם אתם רוצים להשתמש בזיהוי אובייקטים באפליקציה בזמן אמת, עליכם לפעול לפי ההנחיות הבאות כדי להשיג את קצבי הפריימים הטובים ביותר:

• כשמשתמשים במצב סטרימינג באפליקציה בזמן אמת, אין להשתמש בזיהוי אובייקטים מרובים, כי רוב המכשירים לא יוכלו ליצור קצבי פריימים מתאימים.

• אם אין לך צורך בסיווג, משביתים את הסיווג.

• אם משתמשים ב-API של Camera או camera2, אפשר לווסת קריאות לגלאי. אם מתפנה פריים חדש של וידאו בזמן שהמזהה פועל, צריך לשחרר אותו. כדי לראות דוגמה, אפשר לעיין בכיתה VisionProcessorBase באפליקציה לדוגמה של המדריך למתחילים.
• אם אתם משתמשים ב-CameraX API, חשוב לוודא ששיטת הלחץ הזמני מוגדרת לערך ברירת המחדל שלה ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST. כך אפשר להבטיח שרק תמונה אחת תוצג לניתוח בכל פעם. אם נוצרות תמונות נוספות כשהניתוח עמוס, הן יושמטו באופן אוטומטי ולא ימתינו בתור למשלוח. לאחר סגירת התמונה שמנותחת על ידי קריאה ל-ImageProxy.close(), תוצג התמונה העדכנית ביותר הבאה.
• אם משתמשים בפלט של הגלאי כדי להציג שכבות גרפיקה על תמונת הקלט, קודם מקבלים את התוצאה מ-ML Kit ואז מבצעים רינדור של התמונה ושכבת-העל בשלב אחד. הפעולה הזו מעבדת את הנתונים על פני השטח של התצוגה פעם אחת בלבד לכל מסגרת קלט. כדי לראות דוגמה, אפשר לעיין בכיתות CameraSourcePreview ו- GraphicOverlay באפליקציה לדוגמה של המדריך למתחילים.
• אם משתמשים ב- Camera2 API, צריך לצלם תמונות בפורמט ImageFormat.YUV_420_888. אם משתמשים בגרסה הישנה של Camera API, צריך לצלם תמונות בפורמט ImageFormat.NV21.