在 iOS 上使用 ML Kit 偵測及追蹤物件

您可以使用 ML Kit 偵測並追蹤連續影格中的物件。

將圖片傳送至 ML Kit 時，ML Kit 會偵測圖片中最多五個物件，以及圖片中每個物件的位置。偵測影片串流中的物件時，每個物件都有專屬 ID，可用來追蹤影格之間的物件。您也可以選擇啟用概略的物件分類，為具有廣泛類別說明的物件加上標籤。

注意：ML Kit iOS API 只能在 64 位元裝置上執行。如果您建構的應用程式支援 32 位元版本，請先檢查裝置架構，再使用這個 API。

立即體驗

• 使用範例應用程式，查看這個 API 的使用範例。
• 如需這個 API 的端對端實作，請參閱 Material Design 展示應用程式。

事前準備

1. 在 Podfile 中加入下列 ML Kit pod：

   pod 'GoogleMLKit/ObjectDetection', '3.2.0'
   

2. 安裝或更新專案的 Pod 後，請使用其 .xcworkspace 開啟 Xcode 專案。Xcode 12.4 以上版本支援 ML Kit。

1. 設定物件偵測工具

如要偵測及追蹤物件，請先建立 ObjectDetector 的執行個體，並視需要指定您要從預設值變更的任何偵測工具設定。

1. 依據 ObjectDetectorOptions 物件設定用途的物件偵測工具。您可以變更下列設定：

   物件偵測器設定
   偵測模式	.stream (預設) | .singleImage 在串流模式 (預設) 中，物件偵測工具會以極短的延遲時間執行，但可能會在前幾次叫用偵測工具中產生不完整的結果，例如未指定的定界框或類別。此外，在串流模式下，偵測工具會為物件指派追蹤 ID，方便您跨影格追蹤物件。當您想追蹤物件或需要低延遲時間時 (例如處理影片串流時)，請使用這個模式。 在單一圖片模式中，物件偵測工具會在判定物件的定界框後傳回結果。如果您同時啟用分類功能，系統會在同時提供定界框和類別標籤之後傳回結果。因此，偵測延遲時間可能較長。此外，如果採用單一圖片模式，系統不會指派追蹤 ID。如果延遲時間不是關鍵，而您不想處理部分結果，請使用這個模式。
   偵測並追蹤多個物件	false (預設) | true 偵測及追蹤最多五個物件，或是只追蹤最顯眼的物件 (預設)。
   將物件分類	false (預設) | true 是否將偵測到的物件分為粗略類別。 啟用之後，物件偵測工具會將物件分為下列類別：時尚商品、美食、居家用品、地點和植物。

   物件偵測和追蹤 API 已針對以下兩項核心用途進行最佳化：

   • 即時偵測及追蹤相機觀景窗中最顯眼的物件。
   • 偵測靜態圖片中的多個物件。

   針對這些用途設定 API：

Swift

// Live detection and tracking
let options = ObjectDetectorOptions()
options.shouldEnableClassification = true

// Multiple object detection in static images
let options = ObjectDetectorOptions()
options.detectorMode = .singleImage
options.shouldEnableMultipleObjects = true
options.shouldEnableClassification = true

Objective-C

// Live detection and tracking
MLKObjectDetectorOptions *options = [[MLKObjectDetectorOptions alloc] init];
options.shouldEnableClassification = YES;

// Multiple object detection in static images
MLKObjectDetectorOptions *options = [[MLKOptions alloc] init];
options.detectorMode = MLKObjectDetectorModeSingleImage;
options.shouldEnableMultipleObjects = YES;
options.shouldEnableClassification = YES;

1. 取得 ObjectDetector 的執行個體：

Swift

let objectDetector = ObjectDetector.objectDetector()

// Or, to change the default settings:
let objectDetector = ObjectDetector.objectDetector(options: options)

Objective-C

MLKObjectDetector *objectDetector = [MLKObjectDetector objectDetector];

// Or, to change the default settings:
MLKObjectDetector *objectDetector = [MLKObjectDetector objectDetectorWithOptions:options];

2. 準備輸入圖片

如要偵測及追蹤物件，請對每個影片圖片或畫面執行下列操作。如果啟用串流模式，您必須從 CMSampleBuffer 建立 VisionImage 物件。

使用 UIImage 或 CMSampleBuffer 建立 VisionImage 物件。

如果您使用 UIImage，請按照下列步驟操作：

• 使用 UIImage 建立 VisionImage 物件。請務必指定正確的 .orientation。

  Swift

  let image = VisionImage(image: UIImage)
  visionImage.orientation = image.imageOrientation

  Objective-C

  MLKVisionImage *visionImage = [[MLKVisionImage alloc] initWithImage:image];
  visionImage.orientation = image.imageOrientation;

如果您使用 CMSampleBuffer，請按照下列步驟操作：

• 指定 CMSampleBuffer 中包含的圖片資料方向。

  如何取得圖像方向：

  Swift

  func imageOrientation(
    deviceOrientation: UIDeviceOrientation,
    cameraPosition: AVCaptureDevice.Position
  ) -> UIImage.Orientation {
    switch deviceOrientation {
    case .portrait:
      return cameraPosition == .front ? .leftMirrored : .right
    case .landscapeLeft:
      return cameraPosition == .front ? .downMirrored : .up
    case .portraitUpsideDown:
      return cameraPosition == .front ? .rightMirrored : .left
    case .landscapeRight:
      return cameraPosition == .front ? .upMirrored : .down
    case .faceDown, .faceUp, .unknown:
      return .up
    }
  }
        

  Objective-C

  - (UIImageOrientation)
    imageOrientationFromDeviceOrientation:(UIDeviceOrientation)deviceOrientation
                           cameraPosition:(AVCaptureDevicePosition)cameraPosition {
    switch (deviceOrientation) {
      case UIDeviceOrientationPortrait:
        return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationLeftMirrored
                                                              : UIImageOrientationRight;
  
      case UIDeviceOrientationLandscapeLeft:
        return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationDownMirrored
                                                              : UIImageOrientationUp;
      case UIDeviceOrientationPortraitUpsideDown:
        return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationRightMirrored
                                                              : UIImageOrientationLeft;
      case UIDeviceOrientationLandscapeRight:
        return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationUpMirrored
                                                              : UIImageOrientationDown;
      case UIDeviceOrientationUnknown:
      case UIDeviceOrientationFaceUp:
      case UIDeviceOrientationFaceDown:
        return UIImageOrientationUp;
    }
  }
        

• 使用 CMSampleBuffer 物件和方向建立 VisionImage 物件：

  Swift

  let image = VisionImage(buffer: sampleBuffer)
  image.orientation = imageOrientation(
    deviceOrientation: UIDevice.current.orientation,
    cameraPosition: cameraPosition)

  Objective-C

   MLKVisionImage *image = [[MLKVisionImage alloc] initWithBuffer:sampleBuffer];
   image.orientation =
     [self imageOrientationFromDeviceOrientation:UIDevice.currentDevice.orientation
                                  cameraPosition:cameraPosition];

3. 處理圖片

將 VisionImage 傳遞至物件偵測工具的其中一個影像處理方法。您可以使用非同步 process(image:) 方法或同步 results() 方法。

如要以非同步的方式偵測物件：

Swift

objectDetector.process(image) { objects, error in
  guard error == nil else {
    // Error.
    return
  }
  guard !objects.isEmpty else {
    // No objects detected.
    return
  }

  // Success. Get object info here.
  // ...
}

Objective-C

[objectDetector processImage:image
                  completion:^(NSArray * _Nullable objects,
                               NSError * _Nullable error) {
                    if (error == nil) {
                      return;
                    }
                    if (objects.count == 0) {
                      // No objects detected.
                      return;
                    }

                    // Success. Get object info here.
                  }];

如要同步偵測物件：

Swift

var objects: [Object]
do {
  objects = try objectDetector.results(in: image)
} catch let error {
  print("Failed to detect object with error: \(error.localizedDescription).")
  return
}
guard !objects.isEmpty else {
  print("Object detector returned no results.")
  return
}

// Success. Get object info here.

Objective-C

NSError *error;
NSArray *objects = [objectDetector resultsInImage:image error:&error];
if (error == nil) {
  return;
}
if (objects.count == 0) {
  // No objects detected.
  return;
}

// Success. Get object info here.

4. 取得偵測到的物件相關資訊

如果呼叫圖片處理工具成功，視呼叫非同步或同步方法而定，系統會將 Object 的清單傳遞至完成的處理常式，或傳回清單。

注意： 在串流模式下，物件偵測工具可能需要處理 30 個以上的影格，視裝置效能而定，才能偵測到第一個物件。

每個 Object 都包含下列屬性：

frame	CGRect：表示物件在圖片中的位置。
trackingID	用於識別不同圖片中物件的整數，或在單一圖片模式下識別「nil」。
labels	說明偵測工具傳回的物件的標籤陣列。如果偵測工具選項 shouldEnableClassification 設為 false，則屬性為空白。

Swift

// objects contains one item if multiple object detection wasn't enabled.
for object in objects {
  let frame = object.frame
  let trackingID = object.trackingID

  // If classification was enabled:
  let description = object.labels.enumerated().map { (index, label) in
    "Label \(index): \(label.text), \(label.confidence)"
    }.joined(separator:"\n")

}

Objective-C

// The list of detected objects contains one item if multiple
// object detection wasn't enabled.
for (MLKObject *object in objects) {
  CGRect frame = object.frame;
  NSNumber *trackingID = object.trackingID;
  for (MLKObjectLabel *label in object.labels) {
    NSString *labelString = [NSString stringWithFormat: @"%@, %f, %lu",
      label.text, label.confidence, (unsigned long)label.index];
    ...
  }
}

提升可用性和效能

為獲得最佳使用者體驗，請在應用程式中遵循下列規範：

• 物件偵測成功取決於物件的視覺複雜度。含有少量視覺特徵的物件可能需要較大的部分才能偵測出來。您應該為使用者提供相關指引，說明如何擷取適用於要偵測的物件種類的輸入內容。
• 使用分類時，如要偵測未完全符合支援類別的物件，請針對未知物件採用特殊處理方式。

此外，您也可以查看「採用機器學習技術的功能的模式」集合。

在即時應用程式中使用串流模式時，請按照下列指南來達到最佳影格速率：

• 請勿在串流模式下使用多個物件偵測功能，因為大多數裝置無法產生足夠的影格速率。
• 停用分類功能 (如果不再需要的話)。
• 如要處理影片畫面，請使用偵測工具的 results(in:) 同步 API。從 AVCaptureVideoDataOutputSampleBufferDelegate 的 captureOutput(_, didOutput:from:) 函式呼叫此方法，即可同步取得指定影片畫面的結果。將 AVCaptureVideoDataOutput 的 alwaysDiscardsLateVideoFrames 保留為 true，藉此調節對偵測工具的呼叫次數。如果在偵測工具執行期間提供新的影片畫面，該影格將遭到捨棄。
• 如果您使用偵測工具的輸出內容將輸入圖片上的圖形重疊，請先從 ML Kit 取得結果，然後再在單一步驟算繪影像和重疊。這樣一來，您只會在每個已處理的輸入影格轉譯一次螢幕介面。如需範例，請參閱 ML Kit 快速入門導覽課程範例中的 updatePreviewOverlayViewWithLastFrame。