Android용 얼굴 인식 가이드

MediaPipe 얼굴 인식기 작업을 사용하면 이미지 또는 동영상에서 얼굴을 감지할 수 있습니다. 이 작업을 사용하여 프레임 내에서 얼굴과 얼굴 특징을 찾을 수 있습니다. 이 작업은 단일 이미지 또는 연속 이미지 스트림으로 작동하는 머신러닝 (ML) 모델을 사용합니다. 작업은 왼쪽 눈, 오른쪽 눈, 코 끝, 입, 왼쪽 눈 이주, 오른쪽 눈 이주와 같은 얼굴의 핵심 포인트와 함께 얼굴 위치를 출력합니다.

이 안내에 설명된 코드 샘플은 GitHub에서 제공됩니다. 이 작업의 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.

코드 예시

MediaPipe 태스크 예시 코드는 Android용 얼굴 인식기 앱을 간단하게 구현한 것입니다. 이 예에서는 실제 Android 기기의 카메라를 사용하여 연속 동영상 스트림에서 얼굴을 감지합니다. 앱은 기기 갤러리의 이미지와 동영상에서 얼굴을 감지할 수도 있습니다.

이 앱을 자체 Android 앱의 시작점으로 사용하거나 기존 앱을 수정할 때 참조할 수 있습니다. 얼굴 인식기 예시 코드는 GitHub에 호스팅됩니다.

코드 다운로드

다음 안내에서는 git 명령줄 도구를 사용하여 예시 코드의 로컬 사본을 만드는 방법을 보여줍니다.

예시 코드를 다운로드하려면 다음 단계를 따르세요.

  1. 다음 명령어를 사용하여 git 저장소를 클론합니다. 
    git clone https://github.com/google-ai-edge/mediapipe-samples
  2. 필요한 경우 희소 결제를 사용하도록 git 인스턴스를 구성하여 얼굴 인식기 예시 앱의 파일만 갖도록 합니다. 
    cd mediapipe
git sparse-checkout init --cone
git sparse-checkout set examples/face_detector/android

예시 코드의 로컬 버전을 만든 후 프로젝트를 Android 스튜디오로 가져와서 앱을 실행할 수 있습니다. 자세한 내용은 Android 설정 가이드를 참고하세요.

주요 구성요소

다음 파일에는 얼굴 인식 예시 애플리케이션을 위한 중요 코드가 포함되어 있습니다.

  • FaceDetectorHelper.kt - 얼굴 감지기를 초기화하고 모델 및 대리자 선택을 처리합니다.
  • 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 설정하고 얼굴 감지기를 사용하도록 프로젝트를 코딩하는 주요 단계를 설명합니다. 플랫폼 버전 요구사항을 포함하여 MediaPipe 작업을 사용하기 위한 개발 환경 설정에 관한 일반적인 정보는 Android 설정 가이드를 참고하세요.

종속 항목

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

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

모델

MediaPipe 얼굴 감지기 작업에는 이 작업과 호환되는 학습된 모델 번들이 필요합니다. 얼굴 인식기에 사용할 수 있는 학습된 모델에 대한 자세한 내용은 모델 섹션 작업 개요를 참조하세요.

모델을 선택 및 다운로드한 후 프로젝트 디렉터리에 저장합니다.

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

ModelAssetPath 매개변수 내에 모델의 경로를 지정합니다. 예시 코드에서 모델은 FaceDetectorHelper.kt 파일에 정의되어 있습니다.

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

할 일 만들기

MediaPipe 얼굴 인식기 작업은 createFromOptions() 함수를 사용하여 작업을 설정합니다. createFromOptions() 함수는 구성 옵션 값을 허용합니다. 구성 옵션에 대한 자세한 내용은 구성 옵션을 참고하세요.

얼굴 인식기는 정지 이미지, 동영상 파일, 라이브 동영상 스트림과 같은 입력 데이터 유형을 지원합니다. 작업을 만들 때 입력 데이터 유형에 해당하는 실행 모드를 지정해야 합니다. 작업을 만들고 추론을 실행하는 방법을 알아보려면 입력 데이터 유형에 해당하는 탭을 선택합니다.

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)

라이브 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 구현에서는 사용자가 처리 모드 간에 전환할 수 있습니다. 이 접근 방식은 작업 생성 코드를 더 복잡하게 만들고 사용 사례에 적합하지 않을 수 있습니다. FaceDetectorHelper.kt 파일의 setupFaceDetector() 함수에서 이 코드를 확인할 수 있습니다.

구성 옵션

이 작업에는 다음과 같은 Android 앱용 구성 옵션이 있습니다.

옵션 이름 설명 값 범위 기본값
runningMode 작업의 실행 모드를 설정합니다. 모드는 세 가지가 있습니다.

IMAGE: 단일 이미지 입력 모드입니다.

VIDEO: 동영상의 디코딩된 프레임에 대한 모드입니다.

LIVE_STREAM: 카메라에서 전송하는 것과 같은 입력 데이터의 실시간 스트림 모드입니다. 이 모드에서는 resultListener를 호출하여 비동기식으로 결과를 수신하도록 리스너를 설정해야 합니다.		 {IMAGE, VIDEO, LIVE_STREAM} IMAGE
minDetectionConfidence 얼굴 인식이 성공한 것으로 간주되는 최소 신뢰도 점수입니다. Float [0,1] 0.5
minSuppressionThreshold 얼굴 인식이 겹치는 것으로 간주되기 위한 최소 비최대 비표시 기준점입니다. Float [0,1] 0.3
resultListener 얼굴 인식기가 라이브 스트림 모드일 때 감지 결과를 비동기식으로 수신하도록 결과 리스너를 설정합니다. 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 스트림과 함께 사용할 수 있습니다. 이 작업은 크기 조절, 회전, 값 정규화를 포함한 데이터 입력 전처리를 처리합니다.

다음 코드는 처리를 위해 데이터를 전달하는 방법을 보여줍니다. 이 샘플에는 이미지, 동영상 파일, 라이브 동영상 스트림의 데이터를 처리하는 방법에 관한 세부정보가 포함되어 있습니다.

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()

라이브 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 파일에서 처리됩니다.

작업 실행

작업 중인 데이터 유형에 따라 해당 데이터 유형에 맞는 faceDetector.detect...() 메서드를 사용합니다. 개별 이미지에는 detect()를, 동영상 파일의 프레임에는 detectForVideo()를, 동영상 스트림의 경우 detectAsync()를 사용합니다. 동영상 스트림에서 감지를 실행할 때는 사용자 인터페이스 스레드가 차단되지 않도록 별도의 스레드에서 감지를 실행해야 합니다.

다음 코드 샘플은 이러한 다양한 데이터 모드에서 얼굴 인식기를 실행하는 방법을 보여주는 간단한 예를 보여줍니다.

이미지

val result = faceDetector.detect(mpImage)

동영상

val timestampMs = i * inferenceIntervalMs

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

라이브 스트림

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

faceDetector.detectAsync(mpImage, frameTime)

다음에 유의하세요.

  • 동영상 모드 또는 라이브 스트림 모드에서 실행하는 경우 입력 프레임의 타임스탬프를 얼굴 인식기 작업에 제공해야 합니다.
  • 이미지 또는 동영상 모드에서 실행하는 경우 얼굴 인식기 작업은 입력 이미지 또는 프레임 처리가 완료될 때까지 현재 스레드를 차단합니다. 사용자 인터페이스가 차단되지 않도록 하려면 백그라운드 스레드에서 처리를 실행합니다.
  • 라이브 스트림 모드에서 실행하면 얼굴 인식기 작업이 즉시 반환되며 현재 스레드를 차단하지 않습니다. 입력 프레임 처리가 완료될 때마다 감지 결과와 함께 결과 리스너를 호출합니다. 얼굴 인식기 작업이 다른 프레임을 처리 중일 때 감지 함수가 호출되면 새 입력 프레임을 무시합니다.

얼굴 인식기 예시 코드에서 detect, detectForVideo, detectAsync 함수는 FaceDetectorHelper.kt 파일에 정의되어 있습니다.

결과 처리 및 표시

얼굴 인식기는 인식을 실행할 때마다 FaceDetectorResult 객체를 반환합니다. 결과 객체에는 인식된 얼굴의 경계 상자와 인식된 각 얼굴의 신뢰도 점수가 포함됩니다.

다음은 이 작업의 출력 데이터 예를 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 참조하세요.

얼굴 인식기 예시 코드는 작업에서 반환된 결과를 표시하는 방법을 보여줍니다. 자세한 내용은 OverlayView 클래스를 참고하세요.