Guía de detección de rostro para iOS

La tarea Detector de rostros te permite detectar rostros en una imagen o un video. Puedes usar esta tarea para ubicar rostros y rasgos faciales dentro de un fotograma. En esta tarea, se usa un modelo de aprendizaje automático (AA) que funciona con imágenes individuales o una transmisión continua de imágenes. La tarea muestra las ubicaciones de los rostros, junto con los siguientes puntos clave faciales: ojo izquierdo, ojo derecho, punta de la nariz, boca, tragión del ojo izquierdo y tragión del ojo derecho.

La muestra de código que se describe en estas instrucciones está disponible en GitHub. Puedes ver esta tarea en acción en esta demostración web. Para obtener más información sobre las funciones, los modelos y las opciones de configuración de esta tarea, consulta la Descripción general.

Ejemplo de código

El código de ejemplo de MediaPipe Tasks es una implementación simple de una app de detección de rostros para iOS. En el ejemplo, se usa la cámara de un dispositivo Android físico para detectar rostros en una transmisión de video por Internet continua. La app también puede detectar rostros en imágenes y videos de la galería del dispositivo.

Puedes usarla como punto de partida para tu propia app para iOS o consultarla cuando modifiques una app existente. El código de ejemplo del detector de rostros se encuentra alojado en GitHub.

Descarga el código

En las siguientes instrucciones, se muestra cómo crear una copia local del código de ejemplo con la herramienta de línea de comandos git.

Para descargar el código de ejemplo, haz lo siguiente:

  1. Usa el siguiente comando para clonar el repositorio de Git:

    git clone https://github.com/google-ai-edge/mediapipe-samples
    
  2. De manera opcional, configura tu instancia de Git para que use un proceso de confirmación de compra disperso, de modo que solo tengas los archivos para la app de ejemplo del detector de rostros:

    cd mediapipe
    git sparse-checkout init --cone
    git sparse-checkout set examples/face_detector/ios/
    

Después de crear una versión local del código de ejemplo, puedes instalar la biblioteca de tareas de MediaPipe, abrir el proyecto con Xcode y ejecutar la app. Para obtener instrucciones, consulta la Guía de configuración para iOS.

Componentes clave

Los siguientes archivos contienen el código fundamental para la aplicación de ejemplo del detector de rostros:

  • FaceDetectorService.swift: inicializa el detector, maneja la selección del modelo y ejecuta la inferencia sobre los datos de entrada.
  • CameraViewController: Implementa la IU para el modo de entrada del feed de la cámara en vivo y visualiza los resultados de la detección.
  • MediaLibraryViewController.swift: Implementa la IU para el modo de entrada de archivos de imagen estática y video, y visualiza los resultados de la detección.

Configuración

En esta sección, se describen los pasos clave para configurar tu entorno de desarrollo y los proyectos de código a fin de usar Face Detector. Si quieres obtener información general sobre cómo configurar tu entorno de desarrollo para usar tareas de MediaPipe, incluidos los requisitos de la versión de la plataforma, consulta la Guía de configuración para iOS.

Dependencias

El detector de rostros usa la biblioteca MediaPipeTasksVision, que se debe instalar con CocoaPods. La biblioteca es compatible con las apps de Swift y Objective-C, y no requiere ninguna configuración adicional específica de un lenguaje.

Si quieres obtener instrucciones para instalar CocoaPods en macOS, consulta la guía de instalación de CocoaPods. Si quieres obtener instrucciones para crear un Podfile con los Pods necesarios para tu app, consulta Usa CocoaPods.

Agrega el pod de MediaPipeTasksVision a Podfile con el siguiente código:

target 'MyFaceDetectorApp' do
  use_frameworks!
  pod 'MediaPipeTasksVision'
end

Si la app incluye objetivos de prueba de unidades, consulta la Guía de configuración para iOS y obtén información adicional sobre la configuración de tu Podfile.

Modelo

La tarea del detector de rostros de MediaPipe requiere un modelo entrenado que sea compatible con esta tarea. Si quieres obtener más información sobre los modelos entrenados disponibles para el detector de rostros, consulta la sección Modelos de la descripción general de la tarea.

Selecciona y descarga un modelo, y agrégalo al directorio de tu proyecto con Xcode. Para obtener instrucciones sobre cómo agregar archivos al proyecto de Xcode, consulta Cómo administrar archivos y carpetas en tu proyecto de Xcode.

Usa la propiedad BaseOptions.modelAssetPath para especificar la ruta de acceso al modelo en tu paquete de aplicación. Para ver un ejemplo de código, consulta la siguiente sección.

Crea la tarea

Puedes llamar a uno de sus inicializadores para crear la tarea Detector de rostros. El inicializador FaceDetector(options:) acepta valores para las opciones de configuración.

Si no necesitas que se inicialice un detector de rostros con opciones de configuración personalizadas, puedes usar el inicializador FaceDetector(modelPath:) para crear un detector de rostros con las opciones predeterminadas. Para obtener más información sobre las opciones de configuración, consulta Descripción general de la configuración.

La tarea Detector de rostro admite 3 tipos de datos de entrada: imágenes fijas, archivos de video y transmisiones de video en vivo. De forma predeterminada, FaceDetector(modelPath:) inicializa una tarea para imágenes estáticas. Si deseas que tu tarea se inicialice para procesar archivos de video o transmisiones de video en vivo, usa FaceDetector(options:) para especificar el modo de ejecución de video o transmisión en vivo. El modo de transmisión en vivo también requiere la opción de configuración adicional faceDetectorLiveStreamDelegate, que permite que el detector de rostros entregue los resultados de la detección de rostro al delegado de forma asíncrona.

Elige la pestaña correspondiente a tu modo de ejecución para ver cómo crear la tarea y ejecutar la inferencia.

Swift

De imagen

import MediaPipeTasksVision

let modelPath = Bundle.main.path(forResource: "model",
                                      ofType: "tflite")

let options = FaceDetectorOptions()
options.baseOptions.modelAssetPath = modelPath
options.runningMode = .image

let faceDetector = try FaceDetector(options: options)
    

Video

import MediaPipeTasksVision

let modelPath = Bundle.main.path(forResource: "model",
                                      ofType: "tflite")

let options = FaceDetectorOptions()
options.baseOptions.modelAssetPath = modelPath
options.runningMode = .video

let faceDetector = try FaceDetector(options: options)
    

Transmisión en vivo

import MediaPipeTasksVision

// Class that conforms to the `FaceDetectorLiveStreamDelegate` protocol and
// implements the method that the face detector calls once it finishes
// detecting faces in each input frame.
class FaceDetectorResultProcessor: NSObject, FaceDetectorLiveStreamDelegate {

  func faceDetector(
    _ faceDetector: FaceDetector,
    didFinishDetection result: FaceDetectorResult?,
    timestampInMilliseconds: Int,
    error: Error?) {

    // Process the face detection result or errors here.

  }
}

let modelPath = Bundle.main.path(
  forResource: "model",
  ofType: "tflite")

let options = FaceDetectorOptions()
options.baseOptions.modelAssetPath = modelPath
options.runningMode = .liveStream

// Assign an object of the class to the `faceDetectorLiveStreamDelegate`
// property.
let processor = FaceDetectorResultProcessor()
options.faceDetectorLiveStreamDelegate = processor

let faceDetector = try FaceDetector(options: options)
    

Objective‑C

De imagen

@import MediaPipeTasksVision;

NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model"
                                                      ofType:@"tflite"];

MPPFaceDetectorOptions *options = [[MPPFaceDetectorOptions alloc] init];
options.baseOptions.modelAssetPath = modelPath;
options.runningMode = MPPRunningModeImage;

MPPFaceDetector *faceDetector =
      [[MPPFaceDetector alloc] initWithOptions:options error:nil];
    

Video

@import MediaPipeTasksVision;

NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model"
                                                      ofType:@"tflite"];

MPPFaceDetectorOptions *options = [[MPPFaceDetectorOptions alloc] init];
options.baseOptions.modelAssetPath = modelPath;
options.runningMode = MPPRunningModeVideo;

MPPFaceDetector *faceDetector =
      [[MPPFaceDetector alloc] initWithOptions:options error:nil];
    

Transmisión en vivo

@import MediaPipeTasksVision;

// Class that conforms to the `MPPFaceDetectorLiveStreamDelegate` protocol
// and implements the method that the face detector calls once it finishes
// detecting faces in each input frame.

@interface APPFaceDetectorResultProcessor : NSObject 

@end

@implementation APPFaceDetectorResultProcessor

-   (void)faceDetector:(MPPFaceDetector *)faceDetector
    didFinishDetectionWithResult:(MPPFaceDetectorResult *)faceDetectorResult
         timestampInMilliseconds:(NSInteger)timestampInMilliseconds
                           error:(NSError *)error {

    // Process the face detector result or errors here.

}

@end

NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model"
                                                      ofType:@"tflite"];

MPPFaceDetectorOptions *options = [[MPPFaceDetectorOptions alloc] init];
options.baseOptions.modelAssetPath = modelPath;
options.runningMode = MPPRunningModeLiveStream;

// Assign an object of the class to the `faceDetectorLiveStreamDelegate`
// property.
APPFaceDetectorResultProcessor *processor = [APPFaceDetectorResultProcessor new];
options.faceDetectorLiveStreamDelegate = processor;

MPPFaceDetector *faceDetector =
      [[MPPFaceDetector alloc] initWithOptions:options error:nil];
    

Nota: Si usas los modos de video o de transmisión en vivo, el detector de rostros usa el seguimiento para evitar que se active el modelo de detección en cada fotograma, lo que ayuda a reducir la latencia.

Opciones de configuración

Esta tarea incluye las siguientes opciones de configuración para apps para iOS:

Nombre de la opción Descripción Rango de valores Valor predeterminado
runningMode Establece el modo de ejecución para la tarea. Existen tres modos:

IMAGE: El modo para entradas de una sola imagen.

VIDEO: Es el modo para los fotogramas decodificados de un video.

LIVE_STREAM: Es el modo para una transmisión en vivo de datos de entrada, como los que provienen de una cámara. En este modo, se debe llamar a resultListener para configurar un objeto de escucha a fin de recibir resultados de forma asíncrona.
{RunningMode.image, RunningMode.video, RunningMode.liveStream} RunningMode.image
minDetectionConfidence Puntuación de confianza mínima para que se considere exitosa la detección de rostro. Float [0,1] 0.5
minSuppressionThreshold El umbral mínimo de no supresión máxima para que la detección de rostro se considere superpuesto. Float [0,1] 0.3

Configuración de la transmisión en vivo

Cuando el modo de ejecución está configurado para transmitir en vivo, el detector de rostros requiere la opción de configuración adicional faceDetectorLiveStreamDelegate, que permite que el detector de rostros entregue resultados de detección de forma asíncrona. El delegado implementa el método faceDetector(_:didFinishDetection:timestampInMilliseconds:error:), al que el detector de rostros llama después de procesar los resultados de la detección de rostro de cada fotograma.

Nombre de la opción Descripción Rango de valores Valor predeterminado
faceDetectorLiveStreamDelegate Permite que el detector de rostros reciba los resultados de la detección de rostro de forma asíncrona en el modo de transmisión en vivo. La clase cuya instancia se establece en esta propiedad debe implementar el método faceDetector(_:didFinishDetection:timestampInMilliseconds:error:). No aplicable No establecida

Preparar los datos

Debes convertir la imagen o el marco de entrada en un objeto MPImage antes de pasarlo al detector de rostros. MPImage admite diferentes tipos de formatos de imagen de iOS y puede usarlos en cualquier modo de ejecución para la inferencia. Para obtener más información sobre MPImage, consulta la API de MPImage.

Elige un formato de imagen de iOS según tu caso de uso y el modo de ejecución que requiera tu aplicación.MPImage acepta los formatos de imagen de iOS UIImage, CVPixelBuffer y CMSampleBuffer.

UIImage

El formato UIImage es adecuado para los siguientes modos de ejecución:

  • Imágenes: Las imágenes de un paquete de aplicación, una galería de usuario o un sistema de archivos con el formato de imágenes UIImage se pueden convertir en un objeto MPImage.

  • Videos: Usa AVAssetImageGenerator para extraer fotogramas de video al formato CGImage y, luego, convertirlos en imágenes UIImage.

Swift

// Load an image on the user's device as an iOS `UIImage` object.

// Convert the `UIImage` object to a MediaPipe's Image object having the default
// orientation `UIImage.Orientation.up`.
let image = try MPImage(uiImage: image)
    

Objective‑C

// Load an image on the user's device as an iOS `UIImage` object.

// Convert the `UIImage` object to a MediaPipe's Image object having the default
// orientation `UIImageOrientationUp`.
MPImage *image = [[MPPImage alloc] initWithUIImage:image error:nil];
    

En el ejemplo, se inicializa un objeto MPImage con la orientación predeterminada UIImage.Orientation.Up. Puedes inicializar un objeto MPImage con cualquiera de los valores UIImage.Orientation admitidos. El detector de rostros no admite orientaciones duplicadas, como .upMirrored, .downMirrored, .leftMirrored y .rightMirrored.

Para obtener más información sobre UIImage, consulta la documentación de UIImage para desarrolladores de Apple.

CVPixelBuffer

El formato CVPixelBuffer es adecuado para aplicaciones que generan marcos y usan el framework CoreImage de iOS para el procesamiento.

El formato CVPixelBuffer es adecuado para los siguientes modos de ejecución:

  • Imágenes: Las apps que generan imágenes CVPixelBuffer después de procesarlas con el framework CoreImage de iOS se pueden enviar al detector de rostros en el modo de ejecución de imágenes.

  • Videos: Los fotogramas de video se pueden convertir al formato CVPixelBuffer para su procesamiento y, luego, se envían al detector de rostros en el modo de video.

  • Transmisión en vivo: Las apps que usan una cámara de iOS para generar fotogramas se pueden convertir al formato CVPixelBuffer para su procesamiento antes de enviarse al detector de rostros en el modo de transmisión en vivo.

Swift

// Obtain a CVPixelBuffer.

// Convert the `CVPixelBuffer` object to a MediaPipe's Image object having the default
// orientation `UIImage.Orientation.up`.
let image = try MPImage(pixelBuffer: pixelBuffer)
    

Objective‑C

// Obtain a CVPixelBuffer.

// Convert the `CVPixelBuffer` object to a MediaPipe's Image object having the
// default orientation `UIImageOrientationUp`.
MPImage *image = [[MPPImage alloc] initWithUIImage:image error:nil];
    

Para obtener más información sobre CVPixelBuffer, consulta la documentación para desarrolladores de Apple CVPixelBuffer.

CMSampleBuffer

El formato CMSampleBuffer almacena muestras de contenido multimedia de un tipo de medio uniforme y es adecuado para el modo de ejecución de transmisión en vivo. Los fotogramas en tiempo real de las cámaras iOS se entregan de forma asíncrona en formato CMSampleBuffer por AVCaptureVideoDataOutput de iOS.

Swift

// Obtain a CMSampleBuffer.

// Convert the `CMSampleBuffer` object to a MediaPipe's Image object having the default
// orientation `UIImage.Orientation.up`.
let image = try MPImage(sampleBuffer: sampleBuffer)
    

Objective‑C

// Obtain a `CMSampleBuffer`.

// Convert the `CMSampleBuffer` object to a MediaPipe's Image object having the
// default orientation `UIImageOrientationUp`.
MPImage *image = [[MPPImage alloc] initWithSampleBuffer:sampleBuffer error:nil];
    

Para obtener más información sobre CMSampleBuffer, consulta la documentación de CMSampleBuffer para desarrolladores de Apple.

Ejecuta la tarea

Para ejecutar el detector de rostros, usa el método detect() específico del modo de ejecución asignado:

  • Imagen fija: detect(image:)
  • Video: detect(videoFrame:timestampInMilliseconds:)
  • Transmisión en vivo: detectAsync(image:timestampInMilliseconds:)

El detector de rostros muestra los rostros detectados dentro de la imagen o el marco de entrada.

En las siguientes muestras de código, se presentan ejemplos simples de cómo ejecutar el detector de rostros en estos diferentes modos de ejecución:

Swift

De imagen

let result = try faceDetector.detect(image: image)
    

Video

let result = try faceDetector.detect(
  videoFrame: image,
  timestampInMilliseconds: timestamp)
    

Transmisión en vivo

try faceDetector.detectAsync(
  image: image,
  timestampInMilliseconds: timestamp)
    

Objective‑C

De imagen

MPPFaceDetectorResult *result = [faceDetector detectInImage:image
                                                      error:nil];
    

Video

MPPFaceDetectorResult *result = [faceDetector detectInVideoFrame:image
                                         timestampInMilliseconds:timestamp
                                                           error:nil];
    

Transmisión en vivo

BOOL success = [faceDetector detectAsyncInImage:image
                        timestampInMilliseconds:timestamp
                                          error:nil];
    

En el ejemplo de código del detector de rostros, se muestran las implementaciones de cada uno de estos modos con más detalle detect(image:), detect(videoFrame:timestampInMilliseconds:) y detectAsync(image:timestampInMilliseconds:). El código de ejemplo permite que el usuario cambie entre los modos de procesamiento, que pueden no ser necesarios para tu caso de uso.

Ten en cuenta lo siguiente:

  • Cuando ejecutes la app en modo de video o transmisión en vivo, también deberás proporcionar la marca de tiempo del fotograma de entrada para la tarea del detector de rostros.

  • Cuando se ejecuta en modo de imagen o video, la tarea Detector de rostros bloquea el subproceso actual hasta que termina de procesar la imagen o el marco de entrada. Para evitar que se bloquee el subproceso actual, ejecuta el procesamiento en un subproceso en segundo plano con los frameworks de Dispatch o NSOperation de iOS.

  • Cuando se ejecuta en el modo de transmisión en vivo, la tarea Detector de rostros se muestra de inmediato y no bloquea el subproceso actual. Invoca el método faceDetector(_:didFinishDetection:timestampInMilliseconds:error:) con el resultado de la detección de rostro después de procesar cada fotograma de entrada. El detector de rostros invoca este método de forma asíncrona en una cola de envío en serie dedicada. Para mostrar los resultados en la interfaz de usuario, envíalos a la cola principal después de procesarlos. Si se llama a la función detectAsync cuando la tarea Detector de rostro está ocupada procesando otro fotograma, el detector de rostros ignora el nuevo fotograma de entrada.

Cómo controlar y mostrar los resultados

Cuando se ejecuta la inferencia, la tarea Detector de rostros muestra un objeto FaceDetectorResult que contiene los cuadros delimitadores de los rostros detectados y una puntuación de confianza para cada uno de ellos.

A continuación, se muestra un ejemplo de los datos de salida de esta tarea:

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)

En la siguiente imagen, se muestra una visualización del resultado de la tarea:

Si quieres ver la imagen sin cuadros de límite, consulta la imagen original.

En el código de ejemplo del detector de rostros se demuestra cómo mostrar los resultados. Consulta el ejemplo de código para obtener más detalles.