আপনার পছন্দের ভাষায় কন্টেন্ট অনুবাদ করতে Google তার AI প্রযুক্তি ব্যবহার করে। AI-এর মাধ্যমে করা অনুবাদে ভুল থাকতে পারে।

Android-এ ML Kit-এর মাধ্যমে পোজ শনাক্ত করা

ML Kit পোজ শনাক্তকরণের জন্য দুটি অপ্টিমাইজ করা SDK প্রদান করে।

SDK-এর নাম	পোজ-ডিটেকশন	pose-detection-accurate
প্রয়োগ	বিল্ড করার সময় কোড ও অ্যাসেট আপনার অ্যাপের সাথে স্ট্যাটিক্যালি লিঙ্ক করা হয়।	বিল্ড করার সময় কোড ও অ্যাসেট আপনার অ্যাপের সাথে স্ট্যাটিক্যালি লিঙ্ক করা হয়।
অ্যাপের সাইজের প্রভাব (কোড ও অ্যাসেট সহ)	~১০.১এমবি	~১৩.৩ এমবি
পারফর্ম্যান্স	Pixel 3XL: ~৩০ FPS	Pixel 3XL: CPU-এর সাথে ~২৩ FPS, GPU-এর সাথে ~৩০ FPS

এটি ব্যবহার করে দেখুন

এই API-এর ব্যবহারিক উদাহরণ দেখতে স্যাম্পেল অ্যাপ ব্যবহার করে 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।

আপনার প্রোজেক্ট-লেভেল build.gradle ফাইলে, আপনার buildscript এবং allprojects উভয় বিভাগেই Google-এর Maven রিপোজিটরি অন্তর্ভুক্ত করতে ভুলবেন না।
আপনার মডিউলের অ্যাপ-লেভেল গ্রেডেল ফাইলে ML Kit Android লাইব্রেরির জন্য ডিপেন্ডেন্সি যোগ করুন, যা সাধারণত app/build.gradle:
```
dependencies {
  // If you want to use the base sdk
  implementation 'com.google.mlkit:pose-detection:18.0.0-beta5'
  // If you want to use the accurate sdk
  implementation 'com.google.mlkit:pose-detection-accurate:18.0.0-beta5'
}
```

১. `PoseDetector`-এর একটি ইনস্ট্যান্স তৈরি করুন

`PoseDetector` বিকল্প

কোনও ছবিতে পোজ শনাক্ত করতে, প্রথমে PoseDetector-এর একটি ইনস্ট্যান্স তৈরি করুন এবং ঐচ্ছিকভাবে ডিটেক্টর সেটিংস নির্দিষ্ট করুন।

শনাক্তকরণ মোড

PoseDetector দুটি শনাক্তকরণ মোডে কাজ করে। আপনার ব্যবহারের ক্ষেত্রে যেটি প্রযোজ্য সেটিই বেছে নিয়েছেন কিনা দেখুন।

STREAM_MODE (ডিফল্ট): পোজে ডিটেক্টর প্রথমে ছবির সবচেয়ে গুরুত্বপূর্ণ ব্যক্তিকে শনাক্ত করবে এবং তারপর পোজ শনাক্তকরণ রান করবে। পরবর্তী ফ্রেমগুলিতে, ব্যক্তি শনাক্তকরণের ধাপটি পরিচালনা করা হবে না যতক্ষণ না ব্যক্তিটি অস্পষ্ট হয়ে যায় বা উচ্চ আত্মবিশ্বাসের সাথে আর শনাক্ত করা যায় না। পোজ ডিটেক্টর সবচেয়ে বিশিষ্ট ব্যক্তিকে ট্র্যাক করার চেষ্টা করবে এবং প্রতিটি অনুমান থেকে তার পোজ ফিরিয়ে দেবে। এর ফলে লেটেন্সি কমে যায় এবং শনাক্তকরণ আরও মসৃণ হয়। ভিডিও স্ট্রিমে পোজ শনাক্ত করতে চাইলে এই মোড ব্যবহার করুন।
SINGLE_IMAGE_MODE: পোজ ডিটেক্টর কোনও ব্যক্তিকে শনাক্ত করবে এবং তারপর পোজ ডিটেকশন রান করবে। ব্যক্তি শনাক্তকরণ ধাপটি প্রতিটি ছবির জন্য চলবে, তাই লেটেন্সি বেশি হবে এবং কোনও ব্যক্তি-ট্র্যাকিং নেই। স্ট্যাটিক ছবিতে পোজ শনাক্তকরণ ব্যবহার করার সময় অথবা যেখানে ট্র্যাকিংয়ের প্রয়োজন নেই সেখানে এই মোড ব্যবহার করুন।

হার্ডওয়্যার কনফিগারেশন

পারফর্ম্যান্স অপ্টিমাইজ করার জন্য PoseDetector-এ একাধিক হার্ডওয়্যার কনফিগারেশন কাজ করে:

CPU: শুধুমাত্র CPU ব্যবহার করে ডিটেক্টর রান করুন
CPU_GPU: CPU ও GPU, দু'টিই ব্যবহার করে ডিটেক্টর রান করুন

ডিটেক্টর বিকল্প তৈরি করার সময়, হার্ডওয়্যার বেছে নেওয়া কন্ট্রোল করতে, আপনি API setPreferredHardwareConfigs ব্যবহার করতে পারবেন। ডিফল্ট হিসেবে, সব হার্ডওয়্যার কনফিগারেশন পছন্দসই হিসেবে সেট করা থাকে।

ML Kit প্রতিটি কনফিগারেশনের উপলভ্যতা, স্থিতিশীলতা, নির্ভুলতা ও লেটেন্সি বিবেচনা করে দেখবে এবং পছন্দসই কনফিগারেশন থেকে সবচেয়ে ভাল কনফিগারেশনটি বেছে নেবে। পছন্দের কনফিগারেশনের মধ্যে কোনওটিই প্রযোজ্য না হলে, CPU কনফিগারেশন অটোমেটিক ফলব্যাক হিসেবে ব্যবহার করা হবে। ML Kit কোনও অ্যাক্সিলারেশন চালু করার আগে এগুলি চেক করবে এবং সংশ্লিষ্ট প্রস্তুতি নেবে। এটি নন-ব্লকিং উপায়ে করা হবে, তাই এটি সম্ভবত প্রথমবার আপনার ব্যবহারকারী ডিটেক্টর চালালে, এটি CPU ব্যবহার করবে। সব প্রস্তুতি শেষ হয়ে গেলে, নিম্নলিখিত রানগুলিতে সবচেয়ে ভাল কনফিগারেশন ব্যবহার করা হবে।

setPreferredHardwareConfigs-এর উদাহরণ:

ML Kit-কে সেরা কনফিগারেশন বেছে নিতে দিতে, এই API কল করবেন না।
আপনি কোনও অ্যাক্সিলারেশন চালু করতে না চাইলে, শুধু CPU পাস করুন।
GPU ধীরগতির হলেও, আপনি যদি CPU অফলোড করার জন্য GPU ব্যবহার করতে চান, তাহলে শুধুমাত্র CPU_GPU পাস করুন।

পোজ ডিটেক্টর বিকল্প নির্দিষ্ট করুন:

Kotlin

// Base pose detector with streaming frames, when depending on the pose-detection sdk
val options = PoseDetectorOptions.Builder()
    .setDetectorMode(PoseDetectorOptions.STREAM_MODE)
    .build()

// Accurate pose detector on static images, when depending on the pose-detection-accurate sdk
val options = AccuratePoseDetectorOptions.Builder()
    .setDetectorMode(AccuratePoseDetectorOptions.SINGLE_IMAGE_MODE)
    .build()

Java

// Base pose detector with streaming frames, when depending on the pose-detection sdk
PoseDetectorOptions options =
   new PoseDetectorOptions.Builder()
       .setDetectorMode(PoseDetectorOptions.STREAM_MODE)
       .build();

// Accurate pose detector on static images, when depending on the pose-detection-accurate sdk
AccuratePoseDetectorOptions options =
   new AccuratePoseDetectorOptions.Builder()
       .setDetectorMode(AccuratePoseDetectorOptions.SINGLE_IMAGE_MODE)
       .build();

শেষে, PoseDetector-এর একটি ইনস্ট্যান্স তৈরি করুন। আপনার উল্লেখ করা বিকল্পগুলি পাস করুন:

Kotlin

val poseDetector = PoseDetection.getClient(options)

Java

PoseDetector poseDetector = PoseDetection.getClient(options);

২. ইনপুট ছবি প্রস্তুত করুন

কোনও ছবিতে পোজ শনাক্ত করতে, Bitmap, media.Image, ByteBuffer, বাইট অ্যারে বা ডিভাইসে থাকা কোনও ফাইল থেকে InputImage অবজেক্ট তৈরি করুন। তারপর, InputImage অবজেক্টটি PoseDetector-এ পাস করুন।

ভঙ্গি শনাক্তকরণের জন্য, আপনাকে কমপক্ষে ৪৮০x৩৬০ পিক্সেল সাইজের ছবি ব্যবহার করতে হবে। আপনি রিয়েল-টাইমে পোজ শনাক্ত করলে, এই ন্যূনতম রেজোলিউশনে ফ্রেম ক্যাপচার করলে তা লেটেন্সি কমাতে সাহায্য করতে পারে।

আপনি বিভিন্ন সোর্স থেকে InputImage অবজেক্ট তৈরি করতে পারবেন, নিচে প্রতিটি সোর্স সম্পর্কে ব্যাখ্যা করা হয়েছে।

`media.Image` ব্যবহার করা

media.Image অবজেক্ট থেকে InputImage অবজেক্ট তৈরি করতে, যেমন, আপনি যখন ডিভাইসের ক্যামেরা থেকে কোনও ছবি ক্যাপচার করেন, তখন media.Image অবজেক্ট এবং ছবির রোটেশন InputImage.fromMediaImage()-এ পাস করুন।

আপনি CameraX লাইব্রেরি ব্যবহার করলে, 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 রোটেশন ডিগ্রি দেয়, তাহলে আপনি ডিভাইসের রোটেশন 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;
}

তারপর, media.Image অবজেক্ট এবং রোটেশন ডিগ্রির ভ্যালু InputImage.fromMediaImage()-এ পাস করুন:

Kotlin

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

Java

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

ফাইল URI ব্যবহার করে

ফাইল URI থেকে InputImage অবজেক্ট তৈরি করতে, অ্যাপের প্রসঙ্গ এবং ফাইল URI InputImage.fromFilePath()-এ পাস করুন। এটি তখন কাজে লাগে যখন আপনি ACTION_GET_CONTENT ইনটেন্ট ব্যবহার করে ব্যবহারকারীকে তার গ্যালারি অ্যাপ থেকে কোনও ছবি বেছে নেওয়ার জন্য প্রম্পট করেন।

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 অ্যারে সহ InputImage অবজেক্ট তৈরি করুন, এর সাথে ছবির উচ্চতা, প্রস্থ, কালার এনকোডিং ফর্ম্যাট এবং রোটেশন ডিগ্রি যোগ করুন:

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 ঘোষণা করুন:

Kotlin

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

Java

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

ছবিটি Bitmap অবজেক্টের সাথে রোটেশন ডিগ্রির মাধ্যমে দেখানো হয়েছে।

৩. ছবি প্রসেস করা

PoseDetector-এর process পদ্ধতিতে প্রস্তুত করা InputImage অবজেক্ট পাস করুন।

Kotlin

Task<Pose> result = poseDetector.process(image)
       .addOnSuccessListener { results ->
           // Task completed successfully
           // ...
       }
       .addOnFailureListener { e ->
           // Task failed with an exception
           // ...
       }

Java

Task<Pose> result =
        poseDetector.process(image)
                .addOnSuccessListener(
                        new OnSuccessListener<Pose>() {
                            @Override
                            public void onSuccess(Pose pose) {
                                // 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 পোজ সম্পর্কে তথ্য পান

ছবিতে কোনও ব্যক্তিকে শনাক্ত করা হলে, পোজ শনাক্তকরণ API, 33 PoseLandmark সহ একটি Pose অবজেক্ট রিটার্ন করে।

কোনও ব্যক্তি যদি ছবির মধ্যে সম্পূর্ণভাবে না থাকেন, তাহলে মডেলটি ফ্রেমের বাইরে অনুপস্থিত ল্যান্ডমার্কের স্থানাঙ্ক অ্যাসাইন করে এবং তাদের কম InFrameConfidence মান দেয়।

ফ্রেমে কোনও ব্যক্তিকে শনাক্ত করা না গেলে, Pose অবজেক্টে কোনও PoseLandmarks থাকে না।

Kotlin

// Get all PoseLandmarks. If no person was detected, the list will be empty
val allPoseLandmarks = pose.getAllPoseLandmarks()

// Or get specific PoseLandmarks individually. These will all be null if no person
// was detected
val leftShoulder = pose.getPoseLandmark(PoseLandmark.LEFT_SHOULDER)
val rightShoulder = pose.getPoseLandmark(PoseLandmark.RIGHT_SHOULDER)
val leftElbow = pose.getPoseLandmark(PoseLandmark.LEFT_ELBOW)
val rightElbow = pose.getPoseLandmark(PoseLandmark.RIGHT_ELBOW)
val leftWrist = pose.getPoseLandmark(PoseLandmark.LEFT_WRIST)
val rightWrist = pose.getPoseLandmark(PoseLandmark.RIGHT_WRIST)
val leftHip = pose.getPoseLandmark(PoseLandmark.LEFT_HIP)
val rightHip = pose.getPoseLandmark(PoseLandmark.RIGHT_HIP)
val leftKnee = pose.getPoseLandmark(PoseLandmark.LEFT_KNEE)
val rightKnee = pose.getPoseLandmark(PoseLandmark.RIGHT_KNEE)
val leftAnkle = pose.getPoseLandmark(PoseLandmark.LEFT_ANKLE)
val rightAnkle = pose.getPoseLandmark(PoseLandmark.RIGHT_ANKLE)
val leftPinky = pose.getPoseLandmark(PoseLandmark.LEFT_PINKY)
val rightPinky = pose.getPoseLandmark(PoseLandmark.RIGHT_PINKY)
val leftIndex = pose.getPoseLandmark(PoseLandmark.LEFT_INDEX)
val rightIndex = pose.getPoseLandmark(PoseLandmark.RIGHT_INDEX)
val leftThumb = pose.getPoseLandmark(PoseLandmark.LEFT_THUMB)
val rightThumb = pose.getPoseLandmark(PoseLandmark.RIGHT_THUMB)
val leftHeel = pose.getPoseLandmark(PoseLandmark.LEFT_HEEL)
val rightHeel = pose.getPoseLandmark(PoseLandmark.RIGHT_HEEL)
val leftFootIndex = pose.getPoseLandmark(PoseLandmark.LEFT_FOOT_INDEX)
val rightFootIndex = pose.getPoseLandmark(PoseLandmark.RIGHT_FOOT_INDEX)
val nose = pose.getPoseLandmark(PoseLandmark.NOSE)
val leftEyeInner = pose.getPoseLandmark(PoseLandmark.LEFT_EYE_INNER)
val leftEye = pose.getPoseLandmark(PoseLandmark.LEFT_EYE)
val leftEyeOuter = pose.getPoseLandmark(PoseLandmark.LEFT_EYE_OUTER)
val rightEyeInner = pose.getPoseLandmark(PoseLandmark.RIGHT_EYE_INNER)
val rightEye = pose.getPoseLandmark(PoseLandmark.RIGHT_EYE)
val rightEyeOuter = pose.getPoseLandmark(PoseLandmark.RIGHT_EYE_OUTER)
val leftEar = pose.getPoseLandmark(PoseLandmark.LEFT_EAR)
val rightEar = pose.getPoseLandmark(PoseLandmark.RIGHT_EAR)
val leftMouth = pose.getPoseLandmark(PoseLandmark.LEFT_MOUTH)
val rightMouth = pose.getPoseLandmark(PoseLandmark.RIGHT_MOUTH)

Java

// Get all PoseLandmarks. If no person was detected, the list will be empty
List<PoseLandmark> allPoseLandmarks = pose.getAllPoseLandmarks();

// Or get specific PoseLandmarks individually. These will all be null if no person
// was detected
PoseLandmark leftShoulder = pose.getPoseLandmark(PoseLandmark.LEFT_SHOULDER);
PoseLandmark rightShoulder = pose.getPoseLandmark(PoseLandmark.RIGHT_SHOULDER);
PoseLandmark leftElbow = pose.getPoseLandmark(PoseLandmark.LEFT_ELBOW);
PoseLandmark rightElbow = pose.getPoseLandmark(PoseLandmark.RIGHT_ELBOW);
PoseLandmark leftWrist = pose.getPoseLandmark(PoseLandmark.LEFT_WRIST);
PoseLandmark rightWrist = pose.getPoseLandmark(PoseLandmark.RIGHT_WRIST);
PoseLandmark leftHip = pose.getPoseLandmark(PoseLandmark.LEFT_HIP);
PoseLandmark rightHip = pose.getPoseLandmark(PoseLandmark.RIGHT_HIP);
PoseLandmark leftKnee = pose.getPoseLandmark(PoseLandmark.LEFT_KNEE);
PoseLandmark rightKnee = pose.getPoseLandmark(PoseLandmark.RIGHT_KNEE);
PoseLandmark leftAnkle = pose.getPoseLandmark(PoseLandmark.LEFT_ANKLE);
PoseLandmark rightAnkle = pose.getPoseLandmark(PoseLandmark.RIGHT_ANKLE);
PoseLandmark leftPinky = pose.getPoseLandmark(PoseLandmark.LEFT_PINKY);
PoseLandmark rightPinky = pose.getPoseLandmark(PoseLandmark.RIGHT_PINKY);
PoseLandmark leftIndex = pose.getPoseLandmark(PoseLandmark.LEFT_INDEX);
PoseLandmark rightIndex = pose.getPoseLandmark(PoseLandmark.RIGHT_INDEX);
PoseLandmark leftThumb = pose.getPoseLandmark(PoseLandmark.LEFT_THUMB);
PoseLandmark rightThumb = pose.getPoseLandmark(PoseLandmark.RIGHT_THUMB);
PoseLandmark leftHeel = pose.getPoseLandmark(PoseLandmark.LEFT_HEEL);
PoseLandmark rightHeel = pose.getPoseLandmark(PoseLandmark.RIGHT_HEEL);
PoseLandmark leftFootIndex = pose.getPoseLandmark(PoseLandmark.LEFT_FOOT_INDEX);
PoseLandmark rightFootIndex = pose.getPoseLandmark(PoseLandmark.RIGHT_FOOT_INDEX);
PoseLandmark nose = pose.getPoseLandmark(PoseLandmark.NOSE);
PoseLandmark leftEyeInner = pose.getPoseLandmark(PoseLandmark.LEFT_EYE_INNER);
PoseLandmark leftEye = pose.getPoseLandmark(PoseLandmark.LEFT_EYE);
PoseLandmark leftEyeOuter = pose.getPoseLandmark(PoseLandmark.LEFT_EYE_OUTER);
PoseLandmark rightEyeInner = pose.getPoseLandmark(PoseLandmark.RIGHT_EYE_INNER);
PoseLandmark rightEye = pose.getPoseLandmark(PoseLandmark.RIGHT_EYE);
PoseLandmark rightEyeOuter = pose.getPoseLandmark(PoseLandmark.RIGHT_EYE_OUTER);
PoseLandmark leftEar = pose.getPoseLandmark(PoseLandmark.LEFT_EAR);
PoseLandmark rightEar = pose.getPoseLandmark(PoseLandmark.RIGHT_EAR);
PoseLandmark leftMouth = pose.getPoseLandmark(PoseLandmark.LEFT_MOUTH);
PoseLandmark rightMouth = pose.getPoseLandmark(PoseLandmark.RIGHT_MOUTH);

পারফর্ম্যান্স উন্নত করার পরামর্শ

আপনার ফলাফলের কোয়ালিটি ইনপুট ছবির কোয়ালিটির উপর নির্ভর করে:

ML Kit যাতে সঠিকভাবে পোজ শনাক্ত করতে পারে, তার জন্য ছবিতে থাকা ব্যক্তির পর্যাপ্ত পিক্সেল ডেটা থাকতে হবে; সেরা পারফর্ম্যান্সের জন্য, সাবজেক্টের কমপক্ষে ২৫৬x২৫৬ পিক্সেল হতে হবে।
আপনি যদি কোনও রিয়েল-টাইম অ্যাপ্লিকেশনে পোজ শনাক্ত করেন, তাহলে আপনি ইনপুট করা ছবির সামগ্রিক ডাইমেনশনও বিবেচনা করতে পারেন। ছোট ছবি দ্রুত প্রসেস করা যায়, তাই লেটেন্সি কমাতে কম রেজোলিউশনে ছবি তুলুন, তবে উপরে উল্লেখ করা রেজোলিউশন সংক্রান্ত প্রয়োজনীয়তা মাথায় রাখুন এবং নিশ্চিত করুন যে ছবির যতটা সম্ভব বেশি অংশ জুড়ে যেন সাবজেক্ট থাকে।
ইমেজের ফোকাস খারাপ হলেও নির্ভুলতার উপর প্রভাব পড়তে পারে। আপনি গ্রহণযোগ্য ফলাফল না পেলে, ব্যবহারকারীকে ছবিটি আবার ক্যাপচার করতে বলুন।

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

বেস পোজ-ডিটেকশন SDK এবং STREAM_MODE ব্যবহার করুন।
কম রেজোলিউশনে ছবি তোলার কথা বিবেচনা করুন। তবে, এই API-এর ছবির ডাইমেনশন সংক্রান্ত প্রয়োজনীয়তাও মনে রাখবেন।
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. এর ফলে, একবারে বিশ্লেষণের জন্য শুধুমাত্র একটি ছবিই ডেলিভার করা হবে। অ্যানালাইজার ব্যস্ত থাকাকালীন আরও ছবি তৈরি হলে, সেগুলি অটোমেটিক বাদ দেওয়া হবে এবং ডেলিভারির জন্য সঞ্চয় করা হবে না। ImageProxy.close() কল করে বিশ্লেষণ করা ছবি বন্ধ করে দিলে, পরবর্তী লেটেস্ট ছবি ডেলিভার করা হবে।
ইনপুট ইমেজে গ্রাফিক্স ওভারলে করার জন্য আপনি ডিটেক্টরের আউটপুট ব্যবহার করলে, প্রথমে ML Kit থেকে ফলাফল পান, তারপর ইমেজ 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 তুলুন।

পরবর্তী ধাপ

পোজ ক্লাসিফাই করার জন্য পোজ ল্যান্ডমার্ক কীভাবে ব্যবহার করতে হয় তা জানতে, পোজ ক্লাসিফিকেশন সংক্রান্ত পরামর্শ দেখুন।

এটি ব্যবহার করে দেখুন

শুরু করার আগে

১. PoseDetector-এর একটি ইনস্ট্যান্স তৈরি করুন

PoseDetector বিকল্প

শনাক্তকরণ মোড

হার্ডওয়্যার কনফিগারেশন

Kotlin

Java

Kotlin

Java

২. ইনপুট ছবি প্রস্তুত করুন

media.Image ব্যবহার করা

Kotlin

Java

Kotlin

Java

Kotlin

Java

ফাইল URI ব্যবহার করে

Kotlin

Java

ByteBuffer বা ByteArray ব্যবহার করে

Kotlin

Java

Bitmap ব্যবহার করে

Kotlin

Java

৩. ছবি প্রসেস করা

Kotlin

Java

৪. শনাক্ত করা পোজ সম্পর্কে তথ্য পান

Kotlin

Java

পারফর্ম্যান্স উন্নত করার পরামর্শ

পরবর্তী ধাপ

১. `PoseDetector`-এর একটি ইনস্ট্যান্স তৈরি করুন

`PoseDetector` বিকল্প

`media.Image` ব্যবহার করা

`ByteBuffer` বা `ByteArray` ব্যবহার করে

`Bitmap` ব্যবহার করে