Android용 얼굴 인식 가이드

MediaPipe 얼굴 감지기 작업을 사용하면 이미지 또는 동영상에서 얼굴을 감지할 수 있습니다. 이때 이 작업을 사용하여 프레임 내에서 얼굴과 얼굴 특징을 찾을 수 있습니다. 이 작업에서는 단일 이미지 또는 연속된 연속된 이미지에서 작동하는 ML (머신러닝) 모델 이미지 스트림입니다. 이 작업은 다음과 함께 얼굴 위치를 출력합니다. 얼굴의 주요 포인트: 왼쪽 눈, 오른쪽 눈, 코끝, 입, 왼쪽 눈의 이주 및 있습니다.

이 안내에서 설명하는 코드 샘플은 의 GitHub Google Cloud의 기능, 모델 및 구성 옵션에 대해서는 개요를 참조하세요.

코드 예

얼굴 감지기를 간단하게 구현한 MediaPipe 태스크 코드 예시 Android용 앱인데요. 이 예에서는 실제 Android 기기의 카메라를 사용하여 연속 동영상 스트림에서 얼굴을 감지합니다. 또한 앱은 기기 갤러리의 이미지와 동영상 속 얼굴을 감지할 수 있습니다.

이 앱을 자체 Android 앱의 시작점으로 사용하거나 참조할 수 있습니다. 기존 앱을 수정할 때 얼굴 감지기 예시 코드는 GitHub

코드 다운로드

다음 안내에서는 예시의 로컬 사본을 만드는 방법을 보여줍니다. git 명령줄 도구를 사용하여 코드를 실행합니다.

<ph type="x-smartling-placeholder">

예시 코드를 다운로드하려면 다음 안내를 따르세요.

  1. 다음 명령어를 사용하여 git 저장소를 클론합니다. 
    git clone https://github.com/google-ai-edge/mediapipe-samples
  2. 원하는 경우 스파스 체크아웃을 사용하도록 git 인스턴스를 구성합니다. 따라서 얼굴 감지기 예시 앱의 파일만 있습니다. 
    cd mediapipe
git sparse-checkout init --cone
git sparse-checkout set examples/face_detector/android

예시 코드의 로컬 버전을 만든 후 프로젝트를 가져올 수 있습니다. Android 스튜디오로 이동하여 앱을 실행합니다. 지침은 다음을 확인하세요. Android 설정 가이드

주요 구성요소

다음 파일에는 이 얼굴 인식 예에서 중요한 코드가 포함되어 있습니다. 애플리케이션:

  • FaceDetectorHelper.kt 얼굴 인식기를 초기화하고 모델과 위임을 처리합니다. 선택합니다.
  • CameraFragment.kt 기기 카메라를 처리하고 이미지 및 동영상 입력 데이터를 처리합니다.
  • GalleryFragment.kt: OverlayView와 상호작용하여 출력 이미지 또는 동영상을 표시합니다.
  • OverlayView.kt - 감지된 얼굴의 경계 상자가 있는 디스플레이를 구현합니다.

설정

이 섹션에서는 개발 환경을 설정하는 주요 단계를 설명하고 코드 프로젝트를 살펴보겠습니다. 일반적인 정보 다음과 같은 MediaPipe 작업을 사용하기 위한 개발 환경 설정 자세한 내용은 Android 설정 가이드

<ph type="x-smartling-placeholder">

종속 항목

얼굴 인식기 작업에서는 com.google.mediapipe:tasks-vision를 사용합니다. 있습니다. Android 앱의 build.gradle 파일에 이 종속 항목을 추가합니다.

dependencies {
    implementation 'com.google.mediapipe:tasks-vision:latest.release'
}

모델

MediaPipe 얼굴 감지기 작업에는 다음과 호환되는 학습된 모델 번들이 필요합니다. 확인할 수 있습니다 얼굴 감지기에 사용할 수 있는 학습된 모델에 대한 자세한 내용은 작업 개요 모델 섹션을 참조하세요.

모델을 선택 및 다운로드하여 프로젝트 디렉터리에 저장합니다.

<dev-project-root>/src/main/assets

ModelAssetPath 매개변수 내에 모델의 경로를 지정합니다. 예시 코드 모델이 FaceDetectorHelper.kt에 정의되어 있습니다. 파일:

val modelName = "face_detection_short_range.tflite"
baseOptionsBuilder.setModelAssetPath(modelName)

할 일 만들기

MediaPipe 얼굴 감지기 작업은 createFromOptions() 함수를 사용하여 태스크에 맞추는 것입니다. createFromOptions() 함수는 구성 값을 허용합니다. 있습니다. 구성 옵션에 대한 자세한 내용은 다음을 참조하세요. 구성 옵션.

얼굴 인식기는 정지 이미지, 동영상 파일, 라이브 동영상 스트림 해당하는 실행 모드를 지정해야 합니다. 데이터 유형을 입력해야 합니다 해당하는 탭을 선택합니다. 데이터 유형을 입력하여 작업을 만들고 추론을 실행하는 방법을 알아봅니다.

이미지

val baseOptionsBuilder = BaseOptions.builder().setModelAssetPath(modelName)
val baseOptions = baseOptionBuilder.build()

val optionsBuilder =
    FaceDetector.FaceDetectorOptions.builder()
        .setBaseOptions(baseOptionsBuilder.build())
        .setMinDetectionConfidence(threshold)
        .setRunningMode(RunningMode.IMAGE)

val options = optionsBuilder.build()

FaceDetector =
    FaceDetector.createFromOptions(context, options)

동영상

val baseOptionsBuilder = BaseOptions.builder().setModelAssetPath(modelName)
val baseOptions = baseOptionBuilder.build()

val optionsBuilder =
    FaceDetector.FaceDetectorOptions.builder()
        .setBaseOptions(baseOptionsBuilder.build())
        .setMinDetectionConfidence(threshold)
        .setRunningMode(RunningMode.VIDEO)

val options = optionsBuilder.build()

FaceDetector =
    FaceDetector.createFromOptions(context, options)

실시간 스트림

val baseOptionsBuilder = BaseOptions.builder().setModelAssetPath(modelName)
val baseOptions = baseOptionBuilder.build()

val optionsBuilder =
    FaceDetector.FaceDetectorOptions.builder()
        .setBaseOptions(baseOptionsBuilder.build())
        .setMinDetectionConfidence(threshold)
        .setResultListener(this::returnLivestreamResult)
        .setErrorListener(this::returnLivestreamError)
        .setRunningMode(RunningMode.LIVE_STREAM)

val options = optionsBuilder.build()

FaceDetector =
    FaceDetector.createFromOptions(context, options)

얼굴 인식기 예시 코드 구현을 통해 사용자는 처리 모드입니다 이 접근 방식은 작업 생성 코드를 더 복잡하게 만들고 이 사용 사례에 적합하지 않을 수 있습니다. 이 코드는 setupFaceDetector() 함수를 FaceDetectorHelper.kt 파일에서 참조됩니다.

구성 옵션

이 작업에는 Android 앱을 위한 다음과 같은 구성 옵션이 있습니다.

옵션 이름 설명 값 범위 기본값
runningMode 작업의 실행 모드를 설정합니다. 세 가지 모드:

IMAGE: 단일 이미지 입력 모드입니다.

동영상: 동영상의 디코딩된 프레임 모드입니다.

LIVE_STREAM: 입력의 라이브 스트림 모드 데이터를 수집할 수 있습니다. 이 모드에서는 resultListener가 결과를 수신하도록 리스너를 설정하기 위해 호출 있습니다.		 {IMAGE, VIDEO, LIVE_STREAM} IMAGE
minDetectionConfidence 성공으로 간주되기 위한 얼굴 인식의 최소 신뢰도 점수입니다. Float [0,1] 0.5
minSuppressionThreshold 얼굴 인식이 겹치는 것으로 간주하기 위한 최소 비최대 억제 기준점입니다. Float [0,1] 0.3
resultListener 감지 결과를 수신하도록 결과 리스너를 설정합니다. 얼굴 감지기가 라이브 스트림에 있을 때 비동기식으로 있습니다. 달리기 모드가 LIVE_STREAM로 설정된 경우에만 사용할 수 있습니다. N/A Not set
errorListener 선택적 오류 리스너를 설정합니다. N/A Not set

데이터 준비

얼굴 인식기는 이미지, 동영상 파일, 라이브 동영상 스트림에서 작동합니다. 작업 크기 조절, 회전, 값 등 데이터 입력 전처리를 처리합니다. 정규화를 사용합니다.

다음 코드는 처리를 위해 데이터를 전달하는 방법을 보여줍니다. 이러한 샘플에는 이미지, 동영상 파일, 라이브 스트림 등의 데이터를 처리하는 방법에 관한 동영상 스트림

이미지

import com.google.mediapipe.framework.image.BitmapImageBuilder
import com.google.mediapipe.framework.image.MPImage

// Convert the input Bitmap object to an MPImage object to run inference
val mpImage = BitmapImageBuilder(image).build()

동영상

import com.google.mediapipe.framework.image.BitmapImageBuilder
import com.google.mediapipe.framework.image.MPImage

val argb8888Frame =
    if (frame.config == Bitmap.Config.ARGB_8888) frame
    else frame.copy(Bitmap.Config.ARGB_8888, false)

// Convert the input Bitmap object to an MPImage object to run inference
val mpImage = BitmapImageBuilder(argb8888Frame).build()

실시간 스트림

import com.google.mediapipe.framework.image.BitmapImageBuilder
import com.google.mediapipe.framework.image.MPImage

// Convert the input Bitmap object to an MPImage object to run inference
val mpImage = BitmapImageBuilder(rotatedBitmap).build()

얼굴 인식기 예시 코드에서 데이터 준비는 FaceDetectorHelper.kt 드림 파일에서 참조됩니다.

작업 실행

작업 중인 데이터의 유형에 따라 faceDetector.detect...() 메서드를 호출합니다. 사용 개별 이미지의 경우 detect() 동영상 파일의 프레임에 대해 detectForVideo() 및 동영상 스트림의 경우 detectAsync()입니다. 보안 침해에서 탐지를 수행할 때 별도의 스레드에서 감지를 실행하여 사용자 인터페이스 스레드를 차단할 수 있습니다.

다음 코드 샘플은 얼굴 감지기를 실행하는 방법에 대한 간단한 예를 보여줍니다. 두 가지 옵션이 있습니다.

이미지

val result = faceDetector.detect(mpImage)

동영상

val timestampMs = i * inferenceIntervalMs

faceDetector.detectForVideo(mpImage, timestampMs)
    .let { detectionResult ->
        resultList.add(detectionResult)
    }

실시간 스트림

val mpImage = BitmapImageBuilder(rotatedBitmap).build()
val frameTime = SystemClock.uptimeMillis()

faceDetector.detectAsync(mpImage, frameTime)

다음에 유의하세요.

  • 동영상 모드 또는 라이브 스트림 모드에서 실행하는 경우 얼굴 감지기 작업에 입력 프레임의 타임스탬프를 제공합니다.
  • 이미지 또는 동영상 모드에서 실행하는 경우 얼굴 인식기 작업 입력 이미지 처리가 완료될 때까지 현재 스레드를 차단하거나 있습니다. 사용자 인터페이스가 차단되는 것을 방지하려면 백그라운드 스레드에 한합니다.
  • 라이브 스트림 모드에서 실행하면 얼굴 감지기 작업이 반환됩니다. 현재 스레드를 차단하지 않습니다. 그러면 감지 결과를 수신 대기하는 리스너가 입력 프레임에 연결됩니다. 얼굴 감지기 작업 시 감지 함수가 호출되는 경우 다른 프레임을 처리 중인 경우 작업은 새 입력 프레임을 무시합니다.

얼굴 인식기 예시 코드: detect, detectForVideo, detectAsync 함수는 FaceDetectorHelper.kt 파일에서 참조됩니다.

결과 처리 및 표시

얼굴 감지기는 각 감지마다 FaceDetectorResult 객체를 반환합니다. 실행할 수 있습니다 결과 객체에는 인식된 얼굴에 대한 경계 상자와 인식된 각 얼굴의 신뢰도 점수입니다.

다음은 이 작업의 출력 데이터 예시를 보여줍니다.

FaceDetectionResult:
  Detections:
    Detection #0:
      BoundingBox:
        origin_x: 126
        origin_y: 100
        width: 463
        height: 463
      Categories:
        Category #0:
          index: 0
          score: 0.9729152917861938
      NormalizedKeypoints:
        NormalizedKeypoint #0:
          x: 0.18298381567001343
          y: 0.2961040139198303
        NormalizedKeypoint #1:
          x: 0.3302789330482483
          y: 0.29289937019348145
        ... (6 keypoints for each face)
    Detection #1:
      BoundingBox:
        origin_x: 616
        origin_y: 193
        width: 430
        height: 430
      Categories:
        Category #0:
          index: 0
          score: 0.9251380562782288
      NormalizedKeypoints:
        NormalizedKeypoint #0:
          x: 0.6151331663131714
          y: 0.3713381886482239
        NormalizedKeypoint #1:
          x: 0.7460576295852661
          y: 0.38825345039367676
        ... (6 keypoints for each face)

다음 이미지는 작업 출력을 시각화한 것입니다.

경계 상자가 없는 이미지의 경우 원본 이미지를 참고하세요.

얼굴 인식기 예시 코드는 자세히 알아보려면 OverlayView 드림 클래스를 참조하세요.