एंड्रॉइड पर एमएल किट के साथ चेहरों का पता लगाएं

आप छवियों और वीडियो में चेहरों का पता लगाने के लिए एमएल किट का उपयोग कर सकते हैं।

शुरू करने से पहले

  1. यदि आपने पहले से नहीं किया है, तो अपने एंड्रॉइड प्रोजेक्ट में फायरबेस जोड़ें
  2. अपने मॉड्यूल (ऐप-स्तर) ग्रैडल फ़ाइल (आमतौर पर app/build.gradle ) में एमएल किट एंड्रॉइड लाइब्रेरीज़ के लिए निर्भरताएं जोड़ें:
    apply plugin: 'com.android.application'
    apply plugin: 'com.google.gms.google-services'
    
    dependencies {
      // ...
    
      implementation 'com.google.firebase:firebase-ml-vision:24.0.3'
      // If you want to detect face contours (landmark detection and classification
      // don't require this additional model):
      implementation 'com.google.firebase:firebase-ml-vision-face-model:20.0.1'
    }
    
  3. वैकल्पिक लेकिन अनुशंसित : प्ले स्टोर से आपका ऐप इंस्टॉल होने के बाद डिवाइस पर एमएल मॉडल को स्वचालित रूप से डाउनलोड करने के लिए अपने ऐप को कॉन्फ़िगर करें।

    ऐसा करने के लिए, अपने ऐप की AndroidManifest.xml फ़ाइल में निम्नलिखित घोषणा जोड़ें:

    <application ...>
      ...
      <meta-data
          android:name="com.google.firebase.ml.vision.DEPENDENCIES"
          android:value="face" />
      <!-- To use multiple models: android:value="face,model2,model3" -->
    </application>
    
    यदि आप इंस्टॉल-टाइम मॉडल डाउनलोड सक्षम नहीं करते हैं, तो पहली बार डिटेक्टर चलाने पर मॉडल डाउनलोड हो जाएगा। डाउनलोड पूरा होने से पहले आपके द्वारा किए गए अनुरोधों का कोई परिणाम नहीं मिलेगा।

इनपुट छवि दिशानिर्देश

चेहरों का सटीक पता लगाने के लिए एमएल किट के लिए, इनपुट छवियों में ऐसे चेहरे होने चाहिए जो पर्याप्त पिक्सेल डेटा द्वारा दर्शाए गए हों। सामान्य तौर पर, प्रत्येक चेहरा जिसे आप किसी छवि में पहचानना चाहते हैं वह कम से कम 100x100 पिक्सेल का होना चाहिए। यदि आप चेहरों की आकृति का पता लगाना चाहते हैं, तो एमएल किट को उच्च रिज़ॉल्यूशन इनपुट की आवश्यकता होती है: प्रत्येक चेहरा कम से कम 200x200 पिक्सेल का होना चाहिए।

यदि आप वास्तविक समय एप्लिकेशन में चेहरों का पता लगा रहे हैं, तो आप इनपुट छवियों के समग्र आयामों पर भी विचार करना चाहेंगे। छोटी छवियों को तेजी से संसाधित किया जा सकता है, इसलिए विलंबता को कम करने के लिए, कम रिज़ॉल्यूशन पर छवियों को कैप्चर करें (उपरोक्त सटीकता आवश्यकताओं को ध्यान में रखते हुए) और सुनिश्चित करें कि विषय का चेहरा जितना संभव हो उतना छवि पर कब्जा कर ले। वास्तविक समय के प्रदर्शन को बेहतर बनाने के लिए युक्तियाँ भी देखें।

खराब छवि फोकस सटीकता को नुकसान पहुंचा सकता है। यदि आपको स्वीकार्य परिणाम नहीं मिल रहे हैं, तो उपयोगकर्ता से छवि पुनः प्राप्त करने के लिए कहें।

कैमरे के सापेक्ष चेहरे का झुकाव एमएल किट द्वारा पहचानी जाने वाली चेहरे की विशेषताओं को भी प्रभावित कर सकता है। फेस डिटेक्शन कॉन्सेप्ट देखें।

1. फेस डिटेक्टर कॉन्फ़िगर करें

किसी छवि पर चेहरा पहचान लागू करने से पहले, यदि आप फेस डिटेक्टर की किसी भी डिफ़ॉल्ट सेटिंग को बदलना चाहते हैं, तो उन सेटिंग्स को FirebaseVisionFaceDetectorOptions ऑब्जेक्ट के साथ निर्दिष्ट करें। आप निम्नलिखित सेटिंग्स बदल सकते हैं:

समायोजन
प्रदर्शन के मोड FAST (डिफ़ॉल्ट) | ACCURATE

चेहरों का पता लगाते समय गति या सटीकता को प्राथमिकता दें।

स्थलों का पता लगाएं NO_LANDMARKS (डिफ़ॉल्ट) | ALL_LANDMARKS

क्या चेहरे के "चिह्नों" को पहचानने का प्रयास करना है: आंखें, कान, नाक, गाल, मुंह, इत्यादि।

आकृतियों का पता लगाएं NO_CONTOURS (डिफ़ॉल्ट) | ALL_CONTOURS

चेहरे की विशेषताओं की रूपरेखा का पता लगाना है या नहीं। किसी छवि में केवल सबसे प्रमुख चेहरे के लिए आकृति का पता लगाया जाता है।

चेहरों को वर्गीकृत करें NO_CLASSIFICATIONS (डिफ़ॉल्ट) | ALL_CLASSIFICATIONS

चेहरों को "मुस्कुराते हुए", और "आँखें खुली" जैसी श्रेणियों में वर्गीकृत किया जाए या नहीं।

न्यूनतम चेहरे का आकार float (डिफ़ॉल्ट: 0.1f )

पहचाने जाने वाले चेहरों का छवि के सापेक्ष न्यूनतम आकार।

फेस ट्रैकिंग सक्षम करें false (डिफ़ॉल्ट) | true

चेहरों को एक आईडी निर्दिष्ट किया जाए या नहीं, जिसका उपयोग छवियों में चेहरों को ट्रैक करने के लिए किया जा सकता है।

ध्यान दें कि जब कंटूर डिटेक्शन सक्षम होता है, तो केवल एक चेहरे का पता लगाया जाता है, इसलिए फेस ट्रैकिंग उपयोगी परिणाम नहीं देती है। इस कारण से, और पहचान की गति में सुधार करने के लिए, समोच्च पहचान और चेहरे की ट्रैकिंग दोनों को सक्षम न करें।

उदाहरण के लिए:

Java

// High-accuracy landmark detection and face classification
FirebaseVisionFaceDetectorOptions highAccuracyOpts =
        new FirebaseVisionFaceDetectorOptions.Builder()
                .setPerformanceMode(FirebaseVisionFaceDetectorOptions.ACCURATE)
                .setLandmarkMode(FirebaseVisionFaceDetectorOptions.ALL_LANDMARKS)
                .setClassificationMode(FirebaseVisionFaceDetectorOptions.ALL_CLASSIFICATIONS)
                .build();

// Real-time contour detection of multiple faces
FirebaseVisionFaceDetectorOptions realTimeOpts =
        new FirebaseVisionFaceDetectorOptions.Builder()
                .setContourMode(FirebaseVisionFaceDetectorOptions.ALL_CONTOURS)
                .build();

Kotlin+KTX

// High-accuracy landmark detection and face classification
val highAccuracyOpts = FirebaseVisionFaceDetectorOptions.Builder()
        .setPerformanceMode(FirebaseVisionFaceDetectorOptions.ACCURATE)
        .setLandmarkMode(FirebaseVisionFaceDetectorOptions.ALL_LANDMARKS)
        .setClassificationMode(FirebaseVisionFaceDetectorOptions.ALL_CLASSIFICATIONS)
        .build()

// Real-time contour detection of multiple faces
val realTimeOpts = FirebaseVisionFaceDetectorOptions.Builder()
        .setContourMode(FirebaseVisionFaceDetectorOptions.ALL_CONTOURS)
        .build()

2. फेस डिटेक्टर चलाएँ

किसी छवि में चेहरों का पता लगाने के लिए, Bitmap , media.Image , ByteBuffer , बाइट सरणी, या डिवाइस पर एक फ़ाइल से एक FirebaseVisionImage ऑब्जेक्ट बनाएं। फिर, FirebaseVisionImage ऑब्जेक्ट को FirebaseVisionFaceDetector की detectInImage विधि में पास करें।

चेहरे की पहचान के लिए, आपको कम से कम 480x360 पिक्सेल आयाम वाली छवि का उपयोग करना चाहिए। यदि आप वास्तविक समय में चेहरों को पहचान रहे हैं, तो इस न्यूनतम रिज़ॉल्यूशन पर फ़्रेम कैप्चर करने से विलंबता को कम करने में मदद मिल सकती है।

  1. अपनी छवि से एक FirebaseVisionImage ऑब्जेक्ट बनाएं।

    • media.Image ऑब्जेक्ट से FirebaseVisionImage ऑब्जेक्ट बनाने के लिए, जैसे किसी डिवाइस के कैमरे से छवि कैप्चर करते समय, media.Image ऑब्जेक्ट और छवि के रोटेशन को FirebaseVisionImage.fromMediaImage() पर पास करें।

      यदि आप कैमराएक्स लाइब्रेरी का उपयोग करते हैं, तो OnImageCapturedListener और ImageAnalysis.Analyzer कक्षाएं आपके लिए रोटेशन मान की गणना करती हैं, इसलिए आपको FirebaseVisionImage.fromMediaImage() कॉल करने से पहले रोटेशन को एमएल किट के ROTATION_ स्थिरांक में से एक में परिवर्तित करने की आवश्यकता है:

      Java

      private class YourAnalyzer implements ImageAnalysis.Analyzer {
      
          private int degreesToFirebaseRotation(int degrees) {
              switch (degrees) {
                  case 0:
                      return FirebaseVisionImageMetadata.ROTATION_0;
                  case 90:
                      return FirebaseVisionImageMetadata.ROTATION_90;
                  case 180:
                      return FirebaseVisionImageMetadata.ROTATION_180;
                  case 270:
                      return FirebaseVisionImageMetadata.ROTATION_270;
                  default:
                      throw new IllegalArgumentException(
                              "Rotation must be 0, 90, 180, or 270.");
              }
          }
      
          @Override
          public void analyze(ImageProxy imageProxy, int degrees) {
              if (imageProxy == null || imageProxy.getImage() == null) {
                  return;
              }
              Image mediaImage = imageProxy.getImage();
              int rotation = degreesToFirebaseRotation(degrees);
              FirebaseVisionImage image =
                      FirebaseVisionImage.fromMediaImage(mediaImage, rotation);
              // Pass image to an ML Kit Vision API
              // ...
          }
      }
      

      Kotlin+KTX

      private class YourImageAnalyzer : ImageAnalysis.Analyzer {
          private fun degreesToFirebaseRotation(degrees: Int): Int = when(degrees) {
              0 -> FirebaseVisionImageMetadata.ROTATION_0
              90 -> FirebaseVisionImageMetadata.ROTATION_90
              180 -> FirebaseVisionImageMetadata.ROTATION_180
              270 -> FirebaseVisionImageMetadata.ROTATION_270
              else -> throw Exception("Rotation must be 0, 90, 180, or 270.")
          }
      
          override fun analyze(imageProxy: ImageProxy?, degrees: Int) {
              val mediaImage = imageProxy?.image
              val imageRotation = degreesToFirebaseRotation(degrees)
              if (mediaImage != null) {
                  val image = FirebaseVisionImage.fromMediaImage(mediaImage, imageRotation)
                  // Pass image to an ML Kit Vision API
                  // ...
              }
          }
      }
      

      यदि आप ऐसी कैमरा लाइब्रेरी का उपयोग नहीं करते हैं जो आपको छवि का रोटेशन देती है, तो आप डिवाइस के रोटेशन और डिवाइस में कैमरा सेंसर के ओरिएंटेशन से इसकी गणना कर सकते हैं:

      Java

      private static final SparseIntArray ORIENTATIONS = new SparseIntArray();
      static {
          ORIENTATIONS.append(Surface.ROTATION_0, 90);
          ORIENTATIONS.append(Surface.ROTATION_90, 0);
          ORIENTATIONS.append(Surface.ROTATION_180, 270);
          ORIENTATIONS.append(Surface.ROTATION_270, 180);
      }
      
      /**
       * 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, Context context)
              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);
      
          // On most devices, the sensor orientation is 90 degrees, but for some
          // devices it is 270 degrees. For devices with a sensor orientation of
          // 270, rotate the image an additional 180 ((270 + 270) % 360) degrees.
          CameraManager cameraManager = (CameraManager) context.getSystemService(CAMERA_SERVICE);
          int sensorOrientation = cameraManager
                  .getCameraCharacteristics(cameraId)
                  .get(CameraCharacteristics.SENSOR_ORIENTATION);
          rotationCompensation = (rotationCompensation + sensorOrientation + 270) % 360;
      
          // Return the corresponding FirebaseVisionImageMetadata rotation value.
          int result;
          switch (rotationCompensation) {
              case 0:
                  result = FirebaseVisionImageMetadata.ROTATION_0;
                  break;
              case 90:
                  result = FirebaseVisionImageMetadata.ROTATION_90;
                  break;
              case 180:
                  result = FirebaseVisionImageMetadata.ROTATION_180;
                  break;
              case 270:
                  result = FirebaseVisionImageMetadata.ROTATION_270;
                  break;
              default:
                  result = FirebaseVisionImageMetadata.ROTATION_0;
                  Log.e(TAG, "Bad rotation value: " + rotationCompensation);
          }
          return result;
      }

      Kotlin+KTX

      private val ORIENTATIONS = SparseIntArray()
      
      init {
          ORIENTATIONS.append(Surface.ROTATION_0, 90)
          ORIENTATIONS.append(Surface.ROTATION_90, 0)
          ORIENTATIONS.append(Surface.ROTATION_180, 270)
          ORIENTATIONS.append(Surface.ROTATION_270, 180)
      }
      /**
       * 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, context: Context): 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)
      
          // On most devices, the sensor orientation is 90 degrees, but for some
          // devices it is 270 degrees. For devices with a sensor orientation of
          // 270, rotate the image an additional 180 ((270 + 270) % 360) degrees.
          val cameraManager = context.getSystemService(CAMERA_SERVICE) as CameraManager
          val sensorOrientation = cameraManager
                  .getCameraCharacteristics(cameraId)
                  .get(CameraCharacteristics.SENSOR_ORIENTATION)!!
          rotationCompensation = (rotationCompensation + sensorOrientation + 270) % 360
      
          // Return the corresponding FirebaseVisionImageMetadata rotation value.
          val result: Int
          when (rotationCompensation) {
              0 -> result = FirebaseVisionImageMetadata.ROTATION_0
              90 -> result = FirebaseVisionImageMetadata.ROTATION_90
              180 -> result = FirebaseVisionImageMetadata.ROTATION_180
              270 -> result = FirebaseVisionImageMetadata.ROTATION_270
              else -> {
                  result = FirebaseVisionImageMetadata.ROTATION_0
                  Log.e(TAG, "Bad rotation value: $rotationCompensation")
              }
          }
          return result
      }

      फिर, media.Image ऑब्जेक्ट और रोटेशन मान को FirebaseVisionImage.fromMediaImage() पर पास करें:

      Java

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

      Kotlin+KTX

      val image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation)
    • फ़ाइल URI से FirebaseVisionImage ऑब्जेक्ट बनाने के लिए, ऐप संदर्भ पास करें और URI को FirebaseVisionImage.fromFilePath() पर फ़ाइल करें। यह तब उपयोगी होता है जब आप उपयोगकर्ता को उनके गैलरी ऐप से एक छवि चुनने के लिए संकेत देने के लिए ACTION_GET_CONTENT इरादे का उपयोग करते हैं।

      Java

      FirebaseVisionImage image;
      try {
          image = FirebaseVisionImage.fromFilePath(context, uri);
      } catch (IOException e) {
          e.printStackTrace();
      }

      Kotlin+KTX

      val image: FirebaseVisionImage
      try {
          image = FirebaseVisionImage.fromFilePath(context, uri)
      } catch (e: IOException) {
          e.printStackTrace()
      }
    • ByteBuffer या बाइट सरणी से FirebaseVisionImage ऑब्जेक्ट बनाने के लिए, पहले media.Image इनपुट के लिए ऊपर बताए अनुसार छवि रोटेशन की गणना करें।

      फिर, एक FirebaseVisionImageMetadata ऑब्जेक्ट बनाएं जिसमें छवि की ऊंचाई, चौड़ाई, रंग एन्कोडिंग प्रारूप और रोटेशन शामिल हो:

      Java

      FirebaseVisionImageMetadata metadata = new FirebaseVisionImageMetadata.Builder()
              .setWidth(480)   // 480x360 is typically sufficient for
              .setHeight(360)  // image recognition
              .setFormat(FirebaseVisionImageMetadata.IMAGE_FORMAT_NV21)
              .setRotation(rotation)
              .build();

      Kotlin+KTX

      val metadata = FirebaseVisionImageMetadata.Builder()
              .setWidth(480) // 480x360 is typically sufficient for
              .setHeight(360) // image recognition
              .setFormat(FirebaseVisionImageMetadata.IMAGE_FORMAT_NV21)
              .setRotation(rotation)
              .build()

      FirebaseVisionImage ऑब्जेक्ट बनाने के लिए बफ़र या सरणी और मेटाडेटा ऑब्जेक्ट का उपयोग करें:

      Java

      FirebaseVisionImage image = FirebaseVisionImage.fromByteBuffer(buffer, metadata);
      // Or: FirebaseVisionImage image = FirebaseVisionImage.fromByteArray(byteArray, metadata);

      Kotlin+KTX

      val image = FirebaseVisionImage.fromByteBuffer(buffer, metadata)
      // Or: val image = FirebaseVisionImage.fromByteArray(byteArray, metadata)
    • Bitmap ऑब्जेक्ट से FirebaseVisionImage ऑब्जेक्ट बनाने के लिए:

      Java

      FirebaseVisionImage image = FirebaseVisionImage.fromBitmap(bitmap);

      Kotlin+KTX

      val image = FirebaseVisionImage.fromBitmap(bitmap)
      Bitmap ऑब्जेक्ट द्वारा दर्शाई गई छवि सीधी होनी चाहिए, जिसमें किसी अतिरिक्त घुमाव की आवश्यकता नहीं है।
  2. FirebaseVisionFaceDetector का एक उदाहरण प्राप्त करें:

    Java

    FirebaseVisionFaceDetector detector = FirebaseVision.getInstance()
            .getVisionFaceDetector(options);

    Kotlin+KTX

    val detector = FirebaseVision.getInstance()
            .getVisionFaceDetector(options)
  3. अंत में, छवि को detectInImage विधि में पास करें:

    Java

    Task<List<FirebaseVisionFace>> result =
            detector.detectInImage(image)
                    .addOnSuccessListener(
                            new OnSuccessListener<List<FirebaseVisionFace>>() {
                                @Override
                                public void onSuccess(List<FirebaseVisionFace> faces) {
                                    // Task completed successfully
                                    // ...
                                }
                            })
                    .addOnFailureListener(
                            new OnFailureListener() {
                                @Override
                                public void onFailure(@NonNull Exception e) {
                                    // Task failed with an exception
                                    // ...
                                }
                            });

    Kotlin+KTX

    val result = detector.detectInImage(image)
            .addOnSuccessListener { faces ->
                // Task completed successfully
                // ...
            }
            .addOnFailureListener { e ->
                // Task failed with an exception
                // ...
            }

3. पहचाने गए चेहरों के बारे में जानकारी प्राप्त करें

यदि चेहरा पहचान ऑपरेशन सफल हो जाता है, तो सफल श्रोता को FirebaseVisionFace ऑब्जेक्ट की एक सूची भेज दी जाएगी। प्रत्येक FirebaseVisionFace ऑब्जेक्ट एक चेहरे का प्रतिनिधित्व करता है जो छवि में पाया गया था। प्रत्येक चेहरे के लिए, आप इनपुट छवि में इसके बाउंडिंग निर्देशांक प्राप्त कर सकते हैं, साथ ही कोई अन्य जानकारी जिसे ढूंढने के लिए आपने फेस डिटेक्टर को कॉन्फ़िगर किया है। उदाहरण के लिए:

Java

for (FirebaseVisionFace face : faces) {
    Rect bounds = face.getBoundingBox();
    float rotY = face.getHeadEulerAngleY();  // Head is rotated to the right rotY degrees
    float rotZ = face.getHeadEulerAngleZ();  // Head is tilted sideways rotZ degrees

    // If landmark detection was enabled (mouth, ears, eyes, cheeks, and
    // nose available):
    FirebaseVisionFaceLandmark leftEar = face.getLandmark(FirebaseVisionFaceLandmark.LEFT_EAR);
    if (leftEar != null) {
        FirebaseVisionPoint leftEarPos = leftEar.getPosition();
    }

    // If contour detection was enabled:
    List<FirebaseVisionPoint> leftEyeContour =
            face.getContour(FirebaseVisionFaceContour.LEFT_EYE).getPoints();
    List<FirebaseVisionPoint> upperLipBottomContour =
            face.getContour(FirebaseVisionFaceContour.UPPER_LIP_BOTTOM).getPoints();

    // If classification was enabled:
    if (face.getSmilingProbability() != FirebaseVisionFace.UNCOMPUTED_PROBABILITY) {
        float smileProb = face.getSmilingProbability();
    }
    if (face.getRightEyeOpenProbability() != FirebaseVisionFace.UNCOMPUTED_PROBABILITY) {
        float rightEyeOpenProb = face.getRightEyeOpenProbability();
    }

    // If face tracking was enabled:
    if (face.getTrackingId() != FirebaseVisionFace.INVALID_ID) {
        int id = face.getTrackingId();
    }
}

Kotlin+KTX

for (face in faces) {
    val bounds = face.boundingBox
    val rotY = face.headEulerAngleY // Head is rotated to the right rotY degrees
    val rotZ = face.headEulerAngleZ // Head is tilted sideways rotZ degrees

    // If landmark detection was enabled (mouth, ears, eyes, cheeks, and
    // nose available):
    val leftEar = face.getLandmark(FirebaseVisionFaceLandmark.LEFT_EAR)
    leftEar?.let {
        val leftEarPos = leftEar.position
    }

    // If contour detection was enabled:
    val leftEyeContour = face.getContour(FirebaseVisionFaceContour.LEFT_EYE).points
    val upperLipBottomContour = face.getContour(FirebaseVisionFaceContour.UPPER_LIP_BOTTOM).points

    // If classification was enabled:
    if (face.smilingProbability != FirebaseVisionFace.UNCOMPUTED_PROBABILITY) {
        val smileProb = face.smilingProbability
    }
    if (face.rightEyeOpenProbability != FirebaseVisionFace.UNCOMPUTED_PROBABILITY) {
        val rightEyeOpenProb = face.rightEyeOpenProbability
    }

    // If face tracking was enabled:
    if (face.trackingId != FirebaseVisionFace.INVALID_ID) {
        val id = face.trackingId
    }
}

चेहरे की आकृति का उदाहरण

जब आपके पास चेहरे की आकृति का पता लगाना सक्षम होता है, तो आपको पहचाने गए चेहरे की प्रत्येक विशेषता के लिए बिंदुओं की एक सूची मिलती है। ये बिंदु फीचर के आकार का प्रतिनिधित्व करते हैं। आकृतियों का प्रतिनिधित्व कैसे किया जाता है, इसके विवरण के लिए फेस डिटेक्शन कॉन्सेप्ट अवलोकन देखें।

निम्नलिखित छवि दर्शाती है कि ये बिंदु किसी चेहरे पर कैसे अंकित होते हैं (बड़ा करने के लिए छवि पर क्लिक करें):

वास्तविक समय में चेहरे का पता लगाना

यदि आप वास्तविक समय एप्लिकेशन में चेहरे का पता लगाने का उपयोग करना चाहते हैं, तो सर्वोत्तम फ्रैमरेट्स प्राप्त करने के लिए इन दिशानिर्देशों का पालन करें:

  • फेस कॉन्टूर डिटेक्शन या वर्गीकरण और लैंडमार्क डिटेक्शन का उपयोग करने के लिए फेस डिटेक्टर को कॉन्फ़िगर करें , लेकिन दोनों का नहीं:

    समोच्च का पता लगाना
    ऐतिहासिक पहचान
    वर्गीकरण
    ऐतिहासिक पहचान और वर्गीकरण
    कंटूर डिटेक्शन और लैंडमार्क डिटेक्शन
    समोच्च का पता लगाना और वर्गीकरण
    समोच्च पहचान, मील का पत्थर पहचान, और वर्गीकरण

  • FAST मोड सक्षम करें (डिफ़ॉल्ट रूप से सक्षम)।

  • कम रिज़ॉल्यूशन पर छवियाँ कैप्चर करने पर विचार करें। हालाँकि, इस एपीआई की छवि आयाम आवश्यकताओं को भी ध्यान में रखें।

  • थ्रॉटल डिटेक्टर को कॉल करता है। यदि डिटेक्टर के चलने के दौरान कोई नया वीडियो फ़्रेम उपलब्ध हो जाता है, तो फ़्रेम को छोड़ दें।
  • यदि आप इनपुट छवि पर ग्राफिक्स को ओवरले करने के लिए डिटेक्टर के आउटपुट का उपयोग कर रहे हैं, तो पहले एमएल किट से परिणाम प्राप्त करें, फिर छवि को प्रस्तुत करें और एक ही चरण में ओवरले करें। ऐसा करने से, आप प्रत्येक इनपुट फ़्रेम के लिए केवल एक बार डिस्प्ले सतह पर रेंडर करते हैं।
  • यदि आप कैमरा2 एपीआई का उपयोग करते हैं, तो ImageFormat.YUV_420_888 प्रारूप में छवियां कैप्चर करें।

    यदि आप पुराने कैमरा एपीआई का उपयोग करते हैं, तो ImageFormat.NV21 प्रारूप में छवियां कैप्चर करें।