সেলফির মতো ছবি এবং ভিডিওতে মুখ শনাক্ত করতে আপনি ML কিট ব্যবহার করতে পারেন।
| ফেস মেশ সনাক্তকরণ API | |
|---|---|
| SDK নাম | face-mesh-detection |
| বাস্তবায়ন | কোড এবং সম্পদগুলি তৈরির সময় আপনার অ্যাপের সাথে স্ট্যাটিক্যালি লিঙ্ক করা থাকে। |
| অ্যাপের আকারের প্রভাব | ~৬.৪ মেগাবাইট |
| কর্মক্ষমতা | বেশিরভাগ ডিভাইসে রিয়েল-টাইম। |
চেষ্টা করে দেখো
- এই API এর একটি উদাহরণ ব্যবহারের জন্য নমুনা অ্যাপটি ব্যবহার করুন।
শুরু করার আগে
আপনার প্রজেক্ট-লেভেল
build.gradleফাইলে, আপনার buildscript এবং allprojects উভয় বিভাগেই Google এর Maven রিপোজিটরি অন্তর্ভুক্ত করতে ভুলবেন না।আপনার মডিউলের অ্যাপ-লেভেল গ্রেডল ফাইলে ML কিট ফেস মেশ ডিটেকশন লাইব্রেরির জন্য নির্ভরতা যোগ করুন, যা সাধারণত
app/build.gradleহয়:dependencies { // ... implementation 'com.google.mlkit:face-mesh-detection:16.0.0-beta1' }
ছবির নির্দেশিকা ইনপুট করুন
ডিভাইস ক্যামেরা থেকে ~২ মিটার (~৭ ফুট) এর মধ্যে ছবি তোলা উচিত, যাতে ফেস মেশ শনাক্তকরণের জন্য মুখগুলি যথেষ্ট বড় হয়। সাধারণভাবে, ফেস যত বড় হবে, ফেস মেশ শনাক্তকরণ তত ভালো হবে।
মুখটি ক্যামেরার দিকে মুখ করে থাকা উচিত যাতে কমপক্ষে অর্ধেক মুখ দৃশ্যমান হয়। মুখ এবং ক্যামেরার মাঝখানে যেকোনো বড় বস্তু থাকলে নির্ভুলতা কম হতে পারে।
যদি আপনি রিয়েল-টাইম অ্যাপ্লিকেশনে মুখ সনাক্ত করতে চান, তাহলে আপনার ইনপুট ছবির সামগ্রিক মাত্রাও বিবেচনা করা উচিত। ছোট ছবিগুলি দ্রুত প্রক্রিয়া করা যায়, তাই কম রেজোলিউশনে ছবি তোলার ফলে লেটেন্সি কমে যায়। তবে, উপরের নির্ভুলতার প্রয়োজনীয়তাগুলি মনে রাখবেন এবং নিশ্চিত করুন যে বিষয়ের মুখটি যতটা সম্ভব ছবির বেশিরভাগ অংশ দখল করে।
ফেস মেশ ডিটেক্টর কনফিগার করুন
যদি আপনি ফেস মেশ ডিটেক্টরের ডিফল্ট সেটিংস পরিবর্তন করতে চান, তাহলে FaceMeshDetectorOptions অবজেক্ট দিয়ে সেই সেটিংস নির্দিষ্ট করুন। আপনি নিম্নলিখিত সেটিংস পরিবর্তন করতে পারেন:
setUseCaseBOUNDING_BOX_ONLY: শুধুমাত্র সনাক্ত করা ফেস মেশের জন্য একটি বাউন্ডিং বক্স প্রদান করে। এটি দ্রুততম ফেস ডিটেক্টর, তবে এর রেঞ্জ সীমাবদ্ধতা রয়েছে (ফেসগুলি ক্যামেরার ~2 মিটার বা ~7 ফুটের মধ্যে থাকতে হবে)।FACE_MESH(ডিফল্ট বিকল্প): একটি বাউন্ডিং বক্স এবং অতিরিক্ত ফেস মেশ তথ্য (৪৬৮টি ৩ডি পয়েন্ট এবং ত্রিভুজ তথ্য) প্রদান করে।BOUNDING_BOX_ONLYব্যবহারের ক্ষেত্রে তুলনা করলে, Pixel 3-তে পরিমাপ করা হিসাবে, ল্যাটেন্সি ~১৫% বৃদ্ধি পায়।
উদাহরণস্বরূপ:
কোটলিন
val defaultDetector = FaceMeshDetection.getClient( FaceMeshDetectorOptions.DEFAULT_OPTIONS) val boundingBoxDetector = FaceMeshDetection.getClient( FaceMeshDetectorOptions.Builder() .setUseCase(UseCase.BOUNDING_BOX_ONLY) .build() )
জাভা
FaceMeshDetector defaultDetector = FaceMeshDetection.getClient( FaceMeshDetectorOptions.DEFAULT_OPTIONS); FaceMeshDetector boundingBoxDetector = FaceMeshDetection.getClient( new FaceMeshDetectorOptions.Builder() .setUseCase(UseCase.BOUNDING_BOX_ONLY) .build() );
ইনপুট ইমেজ প্রস্তুত করুন
একটি ছবিতে মুখ সনাক্ত করতে, Bitmap , media.Image , ByteBuffer , বাইট অ্যারে, অথবা ডিভাইসের একটি ফাইল থেকে একটি InputImage অবজেক্ট তৈরি করুন। তারপর, InputImage অবজেক্টটিকে FaceDetector এর process পদ্ধতিতে পাস করুন।
ফেস মেশ সনাক্তকরণের জন্য, আপনার কমপক্ষে 480x360 পিক্সেলের মাত্রা সহ একটি ছবি ব্যবহার করা উচিত। যদি আপনি রিয়েল টাইমে মুখ সনাক্ত করেন, তাহলে এই ন্যূনতম রেজোলিউশনে ফ্রেম ক্যাপচার করলে লেটেন্সি কমাতে সাহায্য করতে পারে।
আপনি বিভিন্ন উৎস থেকে একটি InputImage অবজেক্ট তৈরি করতে পারেন, প্রতিটি নীচে ব্যাখ্যা করা হয়েছে।
একটি media.Image ব্যবহার করা হচ্ছে। চিত্র
একটি media.Image অবজেক্ট থেকে একটি InputImage অবজেক্ট তৈরি করতে, যেমন যখন আপনি একটি ডিভাইসের ক্যামেরা থেকে একটি ছবি ক্যাপচার করেন, তখন media.Image অবজেক্ট এবং ছবির ঘূর্ণন InputImage.fromMediaImage() এ পাস করুন।
আপনি যদি CameraX লাইব্রেরি ব্যবহার করেন, তাহলে OnImageCapturedListener এবং ImageAnalysis.Analyzer ক্লাসগুলি আপনার জন্য ঘূর্ণন মান গণনা করবে।
কোটলিন
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 // ... } } }
জাভা
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 // ... } } }
যদি আপনি এমন কোনও ক্যামেরা লাইব্রেরি ব্যবহার না করেন যা আপনাকে ছবির ঘূর্ণন ডিগ্রী দেয়, তাহলে আপনি ডিভাইসের ঘূর্ণন ডিগ্রী এবং ডিভাইসে ক্যামেরা সেন্সরের ওরিয়েন্টেশন থেকে এটি গণনা করতে পারেন:
কোটলিন
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 }
জাভা
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 ঘূর্ণন ডিগ্রি মান InputImage.fromMediaImage() এ পাস করুন:
কোটলিন
val image = InputImage.fromMediaImage(mediaImage, rotation)
Java
InputImage image = InputImage.fromMediaImage(mediaImage, rotation);
একটি ফাইল URI ব্যবহার করা হচ্ছে
একটি ফাইল URI থেকে একটি InputImage অবজেক্ট তৈরি করতে, অ্যাপের প্রসঙ্গটি পাস করুন এবং URI ফাইলটি InputImage.fromFilePath() এ দিন। যখন আপনি ACTION_GET_CONTENT ইন্টেন্ট ব্যবহার করে ব্যবহারকারীকে তাদের গ্যালারি অ্যাপ থেকে একটি ছবি নির্বাচন করতে অনুরোধ করেন তখন এটি কার্যকর।
কোটলিন
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(); }
একটি ByteBuffer বা ByteArray ব্যবহার করা
ByteBuffer অথবা ByteArray থেকে InputImage অবজেক্ট তৈরি করতে, প্রথমে media.Image ইনপুটের জন্য পূর্বে বর্ণিত চিত্রের ঘূর্ণন ডিগ্রি গণনা করুন। তারপর, বাফার বা অ্যারে দিয়ে InputImage অবজেক্ট তৈরি করুন, ছবির উচ্চতা, প্রস্থ, রঙ এনকোডিং ফর্ম্যাট এবং ঘূর্ণন ডিগ্রি সহ:
কোটলিন
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 )
জাভা
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 ব্যবহার করা
একটি Bitmap অবজেক্ট থেকে একটি InputImage অবজেক্ট তৈরি করতে, নিম্নলিখিত ঘোষণাটি করুন:
কোটলিন
val image = InputImage.fromBitmap(bitmap, 0)
Java
InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);
ছবিটি ঘূর্ণন ডিগ্রি সহ একটি Bitmap বস্তু দ্বারা উপস্থাপিত হয়।
ছবিটি প্রক্রিয়া করুন
ছবিটি process পদ্ধতিতে পাস করুন:
কোটলিন
val result = detector.process(image) .addOnSuccessListener { result -> // Task completed successfully // … } .addOnFailureListener { e -> // Task failed with an exception // … }
জাভা
Task<List<FaceMesh>> result = detector.process(image) .addOnSuccessListener( new OnSuccessListener<List<FaceMesh>>() { @Override public void onSuccess(List<FaceMesh> result) { // Task completed successfully // … } }) .addOnFailureListener( new OnFailureListener() { @Override Public void onFailure(Exception e) { // Task failed with an exception // … } });
শনাক্ত করা ফেস মেশ সম্পর্কে তথ্য পান
যদি ছবিতে কোনও মুখ সনাক্ত করা হয়, তাহলে FaceMesh অবজেক্টের একটি তালিকা সাকসেস লিসেনারের কাছে পাঠানো হয়। প্রতিটি FaceMesh ছবিতে সনাক্ত করা একটি মুখকে প্রতিনিধিত্ব করে। প্রতিটি ফেস মেশের জন্য, আপনি ইনপুট ছবিতে এর বাউন্ডিং স্থানাঙ্ক পেতে পারেন, সেইসাথে ফেস মেশ ডিটেক্টরটি খুঁজে পেতে আপনি যে কোনও তথ্য কনফিগার করেছেন।
কোটলিন
for (faceMesh in faceMeshs) { val bounds: Rect = faceMesh.boundingBox() // Gets all points val faceMeshpoints = faceMesh.allPoints for (faceMeshpoint in faceMeshpoints) { val index: Int = faceMeshpoints.index() val position = faceMeshpoint.position } // Gets triangle info val triangles: List<Triangle<FaceMeshPoint>> = faceMesh.allTriangles for (triangle in triangles) { // 3 Points connecting to each other and representing a triangle area. val connectedPoints = triangle.allPoints() } }
জাভা
for (FaceMesh faceMesh : faceMeshs) { Rect bounds = faceMesh.getBoundingBox(); // Gets all points List<FaceMeshPoint> faceMeshpoints = faceMesh.getAllPoints(); for (FaceMeshPoint faceMeshpoint : faceMeshpoints) { int index = faceMeshpoints.getIndex(); PointF3D position = faceMeshpoint.getPosition(); } // Gets triangle info List<Triangle<FaceMeshPoint>> triangles = faceMesh.getAllTriangles(); for (Triangle<FaceMeshPoint> triangle : triangles) { // 3 Points connecting to each other and representing a triangle area. List<FaceMeshPoint> connectedPoints = triangle.getAllPoints(); } }
অন্য কিছু উল্লেখ না করা থাকলে, এই পৃষ্ঠার কন্টেন্ট Creative Commons Attribution 4.0 License-এর অধীনে এবং কোডের নমুনাগুলি Apache 2.0 License-এর অধীনে লাইসেন্স প্রাপ্ত। আরও জানতে, Google Developers সাইট নীতি দেখুন। Java হল Oracle এবং/অথবা তার অ্যাফিলিয়েট সংস্থার রেজিস্টার্ড ট্রেডমার্ক।
2025-10-29 UTC-তে শেষবার আপডেট করা হয়েছে।