অ্যান্ড্রয়েডে এমএল কিট দিয়ে বস্তু সনাক্ত করুন এবং ট্র্যাক করুন

ধারাবাহিক ভিডিও ফ্রেমে বস্তু সনাক্ত এবং ট্র্যাক করতে আপনি ML কিট ব্যবহার করতে পারেন।

যখন আপনি একটি ছবি ML Kit-এ পাস করেন, তখন এটি ছবিতে থাকা প্রতিটি বস্তুর অবস্থান সহ পাঁচটি অবজেক্ট সনাক্ত করে। ভিডিও স্ট্রিমগুলিতে অবজেক্ট সনাক্ত করার সময়, প্রতিটি অবজেক্টের একটি অনন্য আইডি থাকে যা আপনি ফ্রেম থেকে ফ্রেমে অবজেক্ট ট্র্যাক করতে ব্যবহার করতে পারেন। আপনি ঐচ্ছিকভাবে মোটা অবজেক্ট শ্রেণীবিভাগও সক্ষম করতে পারেন, যা বিস্তৃত বিভাগের বর্ণনা সহ বস্তুগুলিকে লেবেল করে।

চেষ্টা করে দেখো

• এই API এর একটি উদাহরণ ব্যবহারের জন্য নমুনা অ্যাপটি ব্যবহার করুন।
• এই API-এর এন্ড-টু-এন্ড বাস্তবায়নের জন্য ম্যাটেরিয়াল ডিজাইন শোকেস অ্যাপটি দেখুন।

শুরু করার আগে

1. আপনার প্রজেক্ট-লেভেল build.gradle ফাইলে, আপনার buildscript এবং allprojects উভয় বিভাগেই Google এর Maven রিপোজিটরি অন্তর্ভুক্ত করতে ভুলবেন না।
2. আপনার মডিউলের অ্যাপ-লেভেল গ্রেডল ফাইলে ML কিট অ্যান্ড্রয়েড লাইব্রেরির জন্য নির্ভরতা যোগ করুন, যা সাধারণত app/build.gradle হয়:

   dependencies {
     // ...
   
     implementation 'com.google.mlkit:object-detection:17.0.2'
   
   }

১. অবজেক্ট ডিটেক্টর কনফিগার করুন

বস্তু সনাক্ত এবং ট্র্যাক করতে, প্রথমে ObjectDetector এর একটি উদাহরণ তৈরি করুন এবং ঐচ্ছিকভাবে আপনি ডিফল্ট থেকে পরিবর্তন করতে চান এমন যেকোনো ডিটেক্টর সেটিংস নির্দিষ্ট করুন।

1. আপনার ব্যবহারের ক্ষেত্রে অবজেক্ট ডিটেক্টরকে একটি ObjectDetectorOptions অবজেক্ট দিয়ে কনফিগার করুন। আপনি নিম্নলিখিত সেটিংস পরিবর্তন করতে পারেন:

   অবজেক্ট ডিটেক্টর সেটিংস
   সনাক্তকরণ মোড	STREAM_MODE (ডিফল্ট) | SINGLE_IMAGE_MODE STREAM_MODE (ডিফল্ট) তে, অবজেক্ট ডিটেক্টর কম ল্যাটেন্সিতে চলে, কিন্তু ডিটেক্টরের প্রথম কয়েকটি ইনভোকেশনে অসম্পূর্ণ ফলাফল (যেমন অনির্দিষ্ট বাউন্ডিং বক্স বা ক্যাটাগরি লেবেল) তৈরি করতে পারে। এছাড়াও, STREAM_MODE তে, ডিটেক্টর অবজেক্টগুলিকে ট্র্যাকিং আইডি বরাদ্দ করে, যা আপনি ফ্রেম জুড়ে অবজেক্ট ট্র্যাক করতে ব্যবহার করতে পারেন। যখন আপনি অবজেক্ট ট্র্যাক করতে চান, অথবা যখন কম ল্যাটেন্সি গুরুত্বপূর্ণ হয়, যেমন রিয়েল টাইমে ভিডিও স্ট্রিম প্রক্রিয়াকরণের সময়, তখন এই মোডটি ব্যবহার করুন। SINGLE_IMAGE_MODE তে, অবজেক্ট ডিটেক্টর অবজেক্টের বাউন্ডিং বক্স নির্ধারণের পরে ফলাফল প্রদান করে। যদি আপনি ক্লাসিফিকেশন সক্ষম করেন তবে বাউন্ডিং বক্স এবং ক্যাটাগরি লেবেল উভয়ই উপলব্ধ হওয়ার পরে ফলাফল প্রদান করে। ফলস্বরূপ, সনাক্তকরণের লেটেন্সি সম্ভবত বেশি। এছাড়াও, SINGLE_IMAGE_MODE তে, ট্র্যাকিং আইডি বরাদ্দ করা হয় না। যদি লেটেন্সি গুরুত্বপূর্ণ না হয় এবং আপনি আংশিক ফলাফল মোকাবেলা করতে না চান তবে এই মোডটি ব্যবহার করুন।
   একাধিক বস্তু সনাক্ত করুন এবং ট্র্যাক করুন	false (ডিফল্ট) | true পাঁচটি অবজেক্ট পর্যন্ত সনাক্ত এবং ট্র্যাক করতে হবে নাকি শুধুমাত্র সবচেয়ে বিশিষ্ট অবজেক্ট (ডিফল্ট)।
   বস্তু শ্রেণীবদ্ধ করুন	false (ডিফল্ট) | true সনাক্ত করা বস্তুগুলিকে মোটা শ্রেণীতে শ্রেণীবদ্ধ করা হবে কিনা। সক্রিয় করা হলে, বস্তু সনাক্তকারী বস্তুগুলিকে নিম্নলিখিত শ্রেণীতে শ্রেণীবদ্ধ করে: ফ্যাশন পণ্য, খাদ্য, গৃহস্থালীর জিনিসপত্র, স্থান এবং গাছপালা।

   অবজেক্ট ডিটেকশন এবং ট্র্যাকিং API এই দুটি মূল ব্যবহারের ক্ষেত্রে অপ্টিমাইজ করা হয়েছে:

   • ক্যামেরা ভিউফাইন্ডারে সবচেয়ে বিশিষ্ট বস্তুর লাইভ সনাক্তকরণ এবং ট্র্যাকিং।
   • একটি স্থির চিত্র থেকে একাধিক বস্তু সনাক্তকরণ।

   এই ব্যবহারের ক্ষেত্রে API কনফিগার করতে:

   কোটলিন

   // 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()

   জাভা

   // 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. ObjectDetector এর একটি উদাহরণ পান:

   কোটলিন

   val objectDetector = ObjectDetection.getClient(options)

   জাভা

   ObjectDetector objectDetector = ObjectDetection.getClient(options);

2. ইনপুট ইমেজ প্রস্তুত করুন

অবজেক্ট ডিটেক্টরটি সরাসরি একটি Bitmap , NV21 ByteBuffer অথবা একটি YUV_420_888 media.Image থেকে চলে। Image। যদি আপনার সরাসরি এই উৎসগুলির একটিতে অ্যাক্সেস থাকে তবে এই উৎসগুলি থেকে একটি InputImage তৈরি করার পরামর্শ দেওয়া হয়। যদি আপনি অন্য উৎস থেকে একটি InputImage তৈরি করেন, তাহলে আমরা আপনার জন্য অভ্যন্তরীণভাবে রূপান্তরটি পরিচালনা করব এবং এটি কম কার্যকর হতে পারে।

প্রতিটি ভিডিও বা ছবির ফ্রেমের জন্য, নিম্নলিখিতগুলি করুন:

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।

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
            // ...
        }
    }
}

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:

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

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:

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

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।

val image: InputImage
try {
    image = InputImage.fromFilePath(context, uri)
} catch (e: IOException) {
    e.printStackTrace()
}
MLKitVisionImage.kt

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:

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

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 করা

একটি Bitmap অবজেক্ট থেকে একটি InputImage অবজেক্ট তৈরি করতে, নিম্নলিখিত ঘোষণাটি করুন:

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

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

ছবিটি ঘূর্ণন ডিগ্রি সহ একটি Bitmap বস্তু দ্বারা উপস্থাপিত হয়।

৩. ছবিটি প্রক্রিয়া করুন

objectDetector.process(image)
    .addOnSuccessListener { detectedObjects ->
        // Task completed successfully
        // ...
    }
    .addOnFailureListener { e ->
        // Task failed with an exception
        // ...
    }

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
                // ...
            }
        });

৪. সনাক্ত করা বস্তু সম্পর্কে তথ্য পান

যদি process() এর কল সফল হয়, DetectedObject এর একটি তালিকা success listener এর কাছে পাঠানো হয়।

প্রতিটি DetectedObject নিম্নলিখিত বৈশিষ্ট্য রয়েছে:

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
    }
}

// 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();
    }
}

একটি দুর্দান্ত ব্যবহারকারীর অভিজ্ঞতা নিশ্চিত করা

সেরা ব্যবহারকারীর অভিজ্ঞতার জন্য, আপনার অ্যাপে এই নির্দেশিকাগুলি অনুসরণ করুন:

• বস্তু সনাক্তকরণের সাফল্য বস্তুর দৃশ্যমান জটিলতার উপর নির্ভর করে। সনাক্ত করার জন্য, অল্প সংখ্যক দৃশ্যমান বৈশিষ্ট্যযুক্ত বস্তুগুলিকে ছবির একটি বৃহত্তর অংশ দখল করতে হতে পারে। আপনি যে ধরণের বস্তু সনাক্ত করতে চান তার সাথে ভালভাবে কাজ করে এমন ইনপুট ক্যাপচার করার জন্য ব্যবহারকারীদের নির্দেশিকা প্রদান করা উচিত।
• যখন আপনি শ্রেণীবিভাগ ব্যবহার করেন, যদি আপনি এমন বস্তু সনাক্ত করতে চান যা সমর্থিত বিভাগগুলিতে পরিষ্কারভাবে পড়ে না, তাহলে অজানা বস্তুর জন্য বিশেষ হ্যান্ডলিং বাস্তবায়ন করুন।

এছাড়াও, মেশিন লার্নিং-চালিত বৈশিষ্ট্য সংগ্রহের জন্য ML Kit Material Design শোকেস অ্যাপ এবং Material Design Patterns দেখুন।