얼굴 감지기 작업을 사용하면 이미지나 동영상에서 얼굴을 감지할 수 있습니다. 이때 이 작업을 사용하여 프레임 내에서 얼굴과 얼굴 특징을 찾을 수 있습니다. 이 작업에서는 단일 이미지 또는 연속 스트림으로 작동하는 머신러닝 (ML) 모델 이미지 컬렉션입니다 작업에서 다음 얼굴 키와 함께 얼굴 위치를 출력합니다. 점: 왼쪽 눈, 오른쪽 눈, 코끝, 입, 왼쪽 눈의 이주, 오른쪽 눈 비극입니다.
이 안내에 설명된 코드 샘플은 GitHub에서 확인할 수 있습니다. 이 작업의 예를 보려면 이 웹 데모를 참고하세요. 자세한 내용은 이 애플리케이션의 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요.
코드 예
얼굴 감지기를 간단하게 구현한 MediaPipe 태스크 코드 예시 되었습니다. 이 예에서는 실제 Android 기기의 카메라를 사용하여 여러 얼굴 동작을 이어서 볼 수 있습니다. 또한 앱은 이미지에서 얼굴을 감지하고 동영상을 볼 수 있습니다.
이 앱을 자체 iOS 앱의 시작점으로 사용하거나 참고할 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.
다음 명령어를 사용하여 git 저장소를 클론합니다.
git clone https://github.com/google-ai-edge/mediapipe-samples
원하는 경우 스파스 체크아웃을 사용하도록 git 인스턴스를 구성하여 다음과 같이 합니다. 얼굴 인식기 예시 앱의 파일에만 적용됩니다.
cd mediapipe git sparse-checkout init --cone git sparse-checkout set examples/face_detector/ios/
예시 코드의 로컬 버전을 생성한 후 MediaPipe 작업 라이브러리에서 Xcode를 사용하여 프로젝트를 열고 앱을 실행합니다. 대상 iOS 설정 가이드를 참조하세요.
주요 구성요소
다음 파일에는 얼굴 감지기 예시에 중요한 코드가 포함되어 있습니다. 애플리케이션:
- FaceDetectorService.swift: 감지기를 초기화하고 모델 선택을 처리하며 입력 데이터에서 추론을 실행합니다.
- CameraViewController: 실시간 카메라 피드 입력 모드의 UI를 구현하고 감지 결과를 시각화합니다.
- MediaLibraryViewController.swift: 정지 이미지 및 동영상 파일 입력 모드의 UI를 구현하고 감지 결과를 시각화합니다.
설정
이 섹션에서는 개발 환경을 설정하는 주요 단계를 설명하고 사용하여 얼굴 감지기를 사용할 수 있습니다. 설정 방법에 대한 일반적인 정보는 MediaPipe 작업을 사용하기 위한 개발 환경(플랫폼 버전 포함) 요구사항에 대한 자세한 내용은 iOS 설정 가이드를 참고하세요.
<ph type="x-smartling-placeholder">종속 항목
얼굴 인식기는 MediaPipeTasksVision
라이브러리를 사용하며 이 라이브러리를 설치해야 합니다.
CocoaPods를 사용하는 것입니다. Swift 및 Objective-C 앱 모두와 호환됩니다.
언어별 추가 설정이 필요하지 않습니다.
macOS에 CocoaPods를 설치하는 방법에 대한 안내는 CocoaPods
설치 가이드를 참조하세요.
필요한 포드로 Podfile
를 만드는 방법에 대한 안내는
자세한 내용은
CocoaPods.
다음 코드를 사용하여 Podfile
에 MediaPipeTasksVision 포드를 추가합니다.
target 'MyFaceDetectorApp' do
use_frameworks!
pod 'MediaPipeTasksVision'
end
앱에 단위 테스트 타겟이 포함된 경우 Android 앱의 설정 가이드
iOS를 참고하세요.
내 Podfile
모델
MediaPipe 얼굴 감지기 작업에는 호환되는 학습된 모델이 필요합니다. 살펴보겠습니다 Cloud Functions에 사용할 수 있는 학습된 모델에 대한 자세한 내용은 Face Detector, 작업 개요를 참조하세요. 모델 섹션을 참조하세요.
모델을 선택 및 다운로드하고 Xcode를 사용하여 프로젝트 디렉터리에 추가합니다. Xcode 프로젝트에 파일을 추가하는 방법에 대한 안내는 관리 Xcode에서 파일 및 폴더 생성 프로젝트의 인스턴스입니다.
BaseOptions.modelAssetPath
속성을 사용하여 모델의 경로를 지정합니다.
합니다 코드 예는 다음 섹션을 참고하세요.
할 일 만들기
이니셜라이저 중 하나를 호출하여 얼굴 감지기 작업을 만들 수 있습니다. 이
FaceDetector(options:)
이니셜라이저는 구성 값을 허용함
있습니다.
맞춤설정된 구성으로 초기화된 얼굴 감지기가 필요하지 않은 경우
FaceDetector(modelPath:)
이니셜라이저를 사용하여
기본 옵션이 있는 얼굴 인식기 구성에 대한 자세한 내용은
옵션은 구성 개요를 참고하세요.
얼굴 인식기 작업은 정지 이미지, 동영상 파일 등 3가지 입력 데이터 유형을 지원합니다.
라이브 동영상 스트림이 포함됩니다 기본적으로 FaceDetector(modelPath:)
는
작업을 할 수 있습니다. 동영상을 처리하도록 작업을 초기화하려는 경우
파일 또는 라이브 동영상 스트림인 경우 FaceDetector(options:)
를 사용하여 동영상을 지정합니다.
라이브 스트림 달리기 모드를
선택할 수 있습니다 라이브 스트림 모드를 사용하려면
faceDetectorLiveStreamDelegate
구성 옵션을 사용하면
얼굴 인식기를 사용하여 얼굴 인식 결과를 대리자에게 비동기식으로 전송합니다.
작업을 만드는 방법을 보려면 실행 모드에 해당하는 탭을 선택하세요. 추론을 실행합니다
Swift
이미지
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)
동영상
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)
라이브 스트림
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
이미지
@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];
동영상
@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];
라이브 스트림
@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];
참고: 동영상 모드나 라이브 스트림 모드를 사용하는 경우 얼굴 인식기에서 추적을 통해 모든 프레임에서 감지 모델이 트리거되는 것을 방지하여 지연 시간을 줄일 수 있습니다
구성 옵션
이 작업에는 iOS 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. |
{RunningMode.image, RunningMode.video, RunningMode.liveStream } |
RunningMode.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 |
라이브 스트림 구성
달리기 모드가 라이브 스트림으로 설정되면 얼굴 감지기에
추가 faceDetectorLiveStreamDelegate
구성 옵션을 사용하면
사용하여 비동기식으로 감지 결과를 제공합니다. 위임자
는
faceDetector(_:didFinishDetection:timestampInMilliseconds:error:)
메서드
얼굴 인식기가 얼굴 인식 결과를 처리한 후
확인할 수 있습니다
옵션 이름 | 설명 | 값 범위 | 기본값 |
---|---|---|---|
faceDetectorLiveStreamDelegate |
얼굴 인식기가 얼굴 인식 결과를 비동기식으로 수신하도록 사용 설정합니다.
라이브 스트림 모드 인스턴스가 이 속성으로 설정된 클래스는
구현하고
faceDetector(_:didFinishDetection:timestampInMilliseconds:error:)
메서드를 사용하여 축소하도록 요청합니다. |
해당 사항 없음 | 설정되지 않음 |
데이터 준비
먼저 입력 이미지 또는 프레임을 MPImage
객체로 변환해야 합니다.
얼굴 감지기로 전달합니다. MPImage
에서는 다양한 유형의 iOS 이미지를 지원합니다.
추론을 위해 모든 실행 모드에서 사용할 수 있습니다. 자세한 내용은
MPImage
에 대한 자세한 내용은
MPImage API
사용 사례와 실행 중인 모드에 따라 iOS 이미지 형식을 선택합니다.
필요합니다.MPImage
은 UIImage
, CVPixelBuffer
및
iOS 이미지 형식 CMSampleBuffer
개
UIImage
UIImage
형식은 다음 실행 모드에 적합합니다.
이미지: App Bundle의 이미지, 사용자 갤러리 또는
UIImage
이미지는MPImage
객체로 변환할 수 있습니다.동영상: AVAssetImageGenerator 사용 를 사용하여 동영상 프레임을 CGImage 형식으로 변환한 다음
UIImage
이미지로 변환하세요.
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];
이 예시에서는 MPImage
를 기본값으로 초기화합니다.
UIImage.Orientation.Up
방향을 설정할 수 있습니다. 지원되는 모든 API를 사용하여 MPImage
를 초기화할 수 있습니다.
UIImage.Orientation
값으로 사용됩니다. 얼굴 인식기는 .upMirrored
같은 미러링된 방향을 지원하지 않습니다.
.downMirrored
, .leftMirrored
, .rightMirrored
UIImage
에 대한 자세한 내용은 UIImage Apple 개발자 페이지를 참조하세요.
문서를 참조하세요.
CVPixelBuffer
CVPixelBuffer
형식은 프레임을 생성하는 애플리케이션에 적합
iOS CoreImage를 사용합니다.
프레임워크입니다
CVPixelBuffer
형식은 다음 실행 모드에 적합합니다.
이미지: 일부 처리 후
CVPixelBuffer
이미지를 생성하는 앱 사용자는 iOS의CoreImage
프레임워크를 사용하여 이미지 실행 모드입니다동영상: 동영상 프레임은
CVPixelBuffer
형식으로 변환될 수 있으므로 동영상 모드의 얼굴 감지기로 전송됩니다.라이브 스트림: iOS 카메라를 사용하여 프레임을 생성하는 앱은 전환될 수 있음
CVPixelBuffer
형식으로 변환한 후 실시간 스트림 모드의 얼굴 인식기입니다.
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];
CVPixelBuffer
에 대한 자세한 내용은 CVPixelBuffer Apple
개발자
문서를 참조하세요.
CMSampleBuffer
CMSampleBuffer
형식은 동일한 미디어 유형의 미디어 샘플을 저장하며
라이브 스트림 실행 모드에 적합합니다. iOS 카메라의 라이브 프레임은
iOS에서 CMSampleBuffer
형식으로 비동기식으로 전송
AVCaptureVideoDataOutput.
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];
CMSampleBuffer
에 대한 자세한 내용은 CMSampleBuffer(Apple)를 참조하세요.
개발자
문서를 참조하세요.
작업 실행
얼굴 감지기를 실행하려면 할당된detect()
실행 모드:
- 정지 이미지:
detect(image:)
- 동영상:
detect(videoFrame:timestampInMilliseconds:)
- 실시간 스트리밍:
detectAsync(image:timestampInMilliseconds:)
얼굴 인식기는 입력 이미지 또는 프레임 내에서 감지된 얼굴을 반환합니다.
다음 코드 샘플은 실행할 수 있습니다
Swift
이미지
let result = try faceDetector.detect(image: image)
동영상
let result = try faceDetector.detect( videoFrame: image, timestampInMilliseconds: timestamp)
라이브 스트림
try faceDetector.detectAsync( image: image, timestampInMilliseconds: timestamp)
Objective-C
이미지
MPPFaceDetectorResult *result = [faceDetector detectInImage:image error:nil];
동영상
MPPFaceDetectorResult *result = [faceDetector detectInVideoFrame:image timestampInMilliseconds:timestamp error:nil];
라이브 스트림
BOOL success = [faceDetector detectAsyncInImage:image timestampInMilliseconds:timestamp error:nil];
얼굴 인식기 코드 예에서는 이러한 각 모드의 구현을 보여줍니다.
detect(image:)
, detect(videoFrame:timestampInMilliseconds:)
,
및 detectAsync(image:timestampInMilliseconds:)
예시 코드를 사용하면
사용자가 원치 않는 처리 모드 간에 전환할 수 있습니다.
있습니다.
다음에 유의하세요.
동영상 모드 또는 라이브 스트림 모드에서 실행하는 경우 얼굴 감지기 작업에 대한 입력 프레임의 타임스탬프입니다.
이미지 또는 동영상 모드에서 실행하는 경우 얼굴 인식기 작업은 현재 스레드를 계속 대기시킵니다. 받는사람 현재 스레드를 차단하지 않고 백그라운드에서 처리를 실행합니다. iOS를 사용한 스레드 Dispatch 또는 NSOperation 살펴봤습니다
라이브 스트림 모드에서 실행하면 얼굴 감지기 작업이 즉시 반환됩니다. 현재 스레드를 차단하지 않습니다. 그러면 메서드
faceDetector(_:didFinishDetection:timestampInMilliseconds:error:)
개 얼굴 인식 결과를 반환합니다. 이 얼굴 인식기는 전용 일련번호에서 이 메서드를 비동기식으로 호출합니다. 전달 큐에서 전달됩니다. 사용자 인터페이스에 결과를 표시하려면 기본 큐에 추가합니다.detectAsync
함수는 얼굴 감지기 작업이 다른 얼굴 인식기가 새 입력 프레임을 무시합니다.
결과 처리 및 표시
추론을 실행하면 얼굴 감지기 작업은 FaceDetectorResult
을 반환합니다.
감지된 얼굴의 경계 상자와 신뢰도를 포함하는 객체입니다.
점수를 보여줍니다.
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 결과를 표시하는 방법을 보여줍니다. 자세한 내용은 코드 예를 참조하세요.