Android पर एमएल किट की मदद से चीज़ों का पता लगाएं और उन्हें ट्रैक करें

ML Kit का इस्तेमाल करके, वीडियो के अलग-अलग फ़्रेम में मौजूद ऑब्जेक्ट का पता लगाया जा सकता है और उन्हें ट्रैक किया जा सकता है.

ML Kit को कोई इमेज देने पर, वह इमेज में मौजूद ज़्यादा से ज़्यादा पांच ऑब्जेक्ट का पता लगाता है. साथ ही, इमेज में हर ऑब्जेक्ट की पोज़िशन का भी पता लगाता है. वीडियो स्ट्रीम में ऑब्जेक्ट का पता लगाते समय, हर ऑब्जेक्ट का एक यूनीक आईडी होता है. इसका इस्तेमाल करके, ऑब्जेक्ट को एक फ़्रेम से दूसरे फ़्रेम तक ट्रैक किया जा सकता है. आपके पास ऑब्जेक्ट को मोटे तौर पर कैटगरी में बांटने की सुविधा चालू करने का विकल्प भी है. इससे ऑब्जेक्ट को बड़ी कैटगरी के ब्यौरे के साथ लेबल किया जाता है.

इसे आज़माएं

• इस एपीआई के इस्तेमाल का उदाहरण देखने के लिए, सैंपल के तौर पर मिले ऐप्लिकेशन को आज़माएं.
• इस एपीआई को पूरी तरह से लागू करने के लिए, मटीरियल डिज़ाइन showcase app देखें.

शुरू करने से पहले

1. प्रोजेक्ट-लेवल की build.gradle फ़ाइल में, buildscript और allprojects, दोनों सेक्शन में Google की Maven रिपॉज़िटरी को शामिल करना न भूलें.
2. अपने मॉड्यूल की ऐप्लिकेशन-लेवल की gradle फ़ाइल में, ML Kit की Android लाइब्रेरी के लिए डिपेंडेंसी जोड़ें. आम तौर पर, यह फ़ाइल app/build.gradle होती है:

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

1. ऑब्जेक्ट डिटेक्टर को कॉन्फ़िगर करना

ऑब्जेक्ट का पता लगाने और उन्हें ट्रैक करने के लिए, पहले ObjectDetector का एक इंस्टेंस बनाएं. इसके बाद, डिटेक्टर की उन सेटिंग के बारे में बताएं जिन्हें आपको डिफ़ॉल्ट सेटिंग से बदलना है. हालांकि, ऐसा करना ज़रूरी नहीं है.

1. ObjectDetectorOptions ऑब्जेक्ट की मदद से, अपनी ज़रूरत के हिसाब से ऑब्जेक्ट डिटेक्टर को कॉन्फ़िगर करें. इन सेटिंग को बदला जा सकता है:

   ऑब्जेक्ट डिटेक्टर की सेटिंग
   डिटेक्शन मोड	STREAM_MODE (डिफ़ॉल्ट) | SINGLE_IMAGE_MODE STREAM_MODE (डिफ़ॉल्ट) में, ऑब्जेक्ट का पता लगाने की सुविधा कम इंतज़ार के समय के साथ काम करती है. हालांकि, डिटेक्टर को पहली बार इस्तेमाल करने पर, हो सकता है कि आपको अधूरे नतीजे मिलें. जैसे, बाउंडिंग बॉक्स या कैटगरी लेबल की जानकारी न होना. साथ ही, STREAM_MODE में, डिटेक्टर ऑब्जेक्ट को ट्रैकिंग आईडी असाइन करता है. इनका इस्तेमाल करके, सभी फ़्रेम में ऑब्जेक्ट को ट्रैक किया जा सकता है. इस मोड का इस्तेमाल तब करें, जब आपको ऑब्जेक्ट ट्रैक करने हों या जब इंतज़ार का समय कम रखना ज़रूरी हो. जैसे, रीयल टाइम में वीडियो स्ट्रीम प्रोसेस करते समय. SINGLE_IMAGE_MODE में, ऑब्जेक्ट का पता लगाने की सुविधा, ऑब्जेक्ट के बाउंडिंग बॉक्स का पता लगाने के बाद नतीजा दिखाती है. अगर आपने कैटगरी तय करने की सुविधा भी चालू की है, तो बाउंडिंग बॉक्स और कैटगरी लेबल, दोनों उपलब्ध होने के बाद ही नतीजा दिखेगा. इस वजह से, गड़बड़ी का पता लगाने में ज़्यादा समय लग सकता है. साथ ही, SINGLE_IMAGE_MODE में ट्रैकिंग आईडी असाइन नहीं किए जाते. इस मोड का इस्तेमाल तब करें, जब इंतज़ार का समय मायने न रखता हो और आपको अधूरे नतीजे न चाहिए हों.
   एक से ज़्यादा ऑब्जेक्ट का पता लगाना और उन्हें ट्रैक करना	false (डिफ़ॉल्ट) | true यह तय करें कि आपको ज़्यादा से ज़्यादा पांच ऑब्जेक्ट का पता लगाना है और उन्हें ट्रैक करना है या सिर्फ़ सबसे अहम ऑब्जेक्ट (डिफ़ॉल्ट) को.
   ऑब्जेक्ट को अलग-अलग कैटगरी में बांटना	false (डिफ़ॉल्ट) | true पता लगाए गए ऑब्जेक्ट को सामान्य कैटगरी में बांटना है या नहीं. ऑब्जेक्ट डिटेक्टर चालू होने पर, ऑब्जेक्ट को इन कैटगरी में बांटा जाता है: फ़ैशन से जुड़े सामान, खाने-पीने की चीज़ें, घर का सामान, जगहें, और पौधे.

   ऑब्जेक्ट का पता लगाने की सुविधा और उसे ट्रैक करने वाले एपीआई को इन दो मुख्य इस्तेमाल के उदाहरणों के लिए ऑप्टिमाइज़ किया गया है:

   • कैमरे के व्यूफ़ाइंडर में मौजूद सबसे अहम ऑब्जेक्ट का लाइव पता लगाना और उसे ट्रैक करना.
   • किसी स्टैटिक इमेज में मौजूद कई ऑब्जेक्ट का पता लगाना.

   इन कामों के लिए, एपीआई को कॉन्फ़िगर करने के लिए:

   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. ObjectDetector का इंस्टेंस पाएं:

   Kotlin

   val objectDetector = ObjectDetection.getClient(options)

   Java

   ObjectDetector objectDetector = ObjectDetection.getClient(options);

2. इनपुट इमेज तैयार करना

ऑब्जेक्ट का पता लगाने की सुविधा, सीधे तौर पर Bitmap, NV21 ByteBuffer या YUV_420_888 media.Image से काम करती है. अगर आपके पास इनमें से किसी एक सोर्स का सीधा ऐक्सेस है, तो हमारा सुझाव है कि आप उन सोर्स से InputImage बनाएं. अगर आपने अन्य सोर्स से InputImage बनाया है, तो हम आपके लिए कन्वर्ज़न को इंटरनल तौर पर हैंडल करेंगे. हालांकि, यह कम असरदार हो सकता है.

किसी क्रम में मौजूद वीडियो या इमेज के हर फ़्रेम के लिए, यह तरीका अपनाएं:

InputImage ऑब्जेक्ट को अलग-अलग सोर्स से बनाया जा सकता है. हर सोर्स के बारे में यहां बताया गया है.

media.Image का इस्तेमाल करके

media.Image ऑब्जेक्ट से InputImage ऑब्जेक्ट बनाने के लिए, media.Image ऑब्जेक्ट और इमेज के रोटेशन को InputImage.fromMediaImage() में पास करें. जैसे, किसी डिवाइस के कैमरे से इमेज कैप्चर करते समय.

अगर CameraX लाइब्रेरी का इस्तेमाल किया जाता है, तो OnImageCapturedListener और ImageAnalysis.Analyzer क्लास, आपके लिए रोटेशन वैल्यू का हिसाब लगाती हैं.

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
          // ...
        }
    }
}

अगर ऐसी कैमरा लाइब्रेरी का इस्तेमाल नहीं किया जाता है जो आपको इमेज के रोटेशन की डिग्री देती है, तो डिवाइस के रोटेशन की डिग्री और डिवाइस में कैमरा सेंसर के ओरिएंटेशन से इसका हिसाब लगाया जा सकता है:

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;
}

इसके बाद, media.Image ऑब्जेक्ट और रोटेशन डिग्री की वैल्यू को InputImage.fromMediaImage() में पास करें:

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

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

फ़ाइल यूआरआई का इस्तेमाल करना

फ़ाइल यूआरआई से InputImage ऑब्जेक्ट बनाने के लिए, ऐप्लिकेशन कॉन्टेक्स्ट और फ़ाइल यूआरआई को InputImage.fromFilePath() में पास करें. यह तब काम आता है, जब ACTION_GET_CONTENT इंटेंट का इस्तेमाल करके, उपयोगकर्ता को उसके गैलरी ऐप्लिकेशन से कोई इमेज चुनने के लिए कहा जाता है.

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();
}

ByteBuffer या ByteArray का इस्तेमाल करना

ByteBuffer या ByteArray से InputImage ऑब्जेक्ट बनाने के लिए, पहले इमेज के रोटेशन की डिग्री का हिसाब लगाएं. इसके बारे में, media.Image इनपुट के लिए पहले बताया गया है. इसके बाद, बफ़र या कलेक्शन के साथ InputImage ऑब्जेक्ट बनाएं. साथ ही, इमेज की ऊंचाई, चौड़ाई, कलर एन्कोडिंग फ़ॉर्मैट, और रोटेशन डिग्री भी जोड़ें:

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 का इस्तेमाल करके

Bitmap ऑब्जेक्ट से InputImage ऑब्जेक्ट बनाने के लिए, यह एलान करें:

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

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

इमेज को Bitmap ऑब्जेक्ट और रोटेशन डिग्री के साथ दिखाया जाता है.

3. इमेज को प्रोसेस करना

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
                // ...
            }
        });

4. पहचाने गए ऑब्जेक्ट के बारे में जानकारी पाना

अगर process() को किया गया कॉल सफल होता है, तो DetectedObject की सूची को सक्सेस लिसनर को पास कर दिया जाता है.

हर DetectedObject में ये प्रॉपर्टी शामिल होती हैं:

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();
    }
}

उपयोगकर्ताओं को बेहतरीन अनुभव देना

उपयोगकर्ता को बेहतर अनुभव देने के लिए, अपने ऐप्लिकेशन में इन दिशा-निर्देशों का पालन करें:

• ऑब्जेक्ट का पता लगाने की सुविधा की सफलता, ऑब्जेक्ट की विज़ुअल जटिलता पर निर्भर करती है. जिन ऑब्जेक्ट में विज़ुअल फ़ीचर कम होते हैं उन्हें पहचानने के लिए, इमेज का ज़्यादा हिस्सा लेना पड़ सकता है. आपको उपयोगकर्ताओं को इनपुट कैप्चर करने के बारे में जानकारी देनी चाहिए. इससे उन्हें उन ऑब्जेक्ट का पता लगाने में मदद मिलेगी जिन्हें वे पहचानना चाहते हैं.
• क्लासिफ़िकेशन का इस्तेमाल करते समय, अगर आपको ऐसे ऑब्जेक्ट का पता लगाना है जो काम करने वाली कैटगरी में साफ़ तौर पर नहीं आते हैं, तो अनजान ऑब्जेक्ट के लिए खास हैंडलिंग लागू करें.

इसके अलावा, ML Kit मटीरियल डिज़ाइन शोकेस ऐप्लिकेशन और मटीरियल डिज़ाइन के मशीन लर्निंग की मदद से काम करने वाली सुविधाओं के पैटर्न कलेक्शन को देखें.