iOS용 얼굴 인식 가이드

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

이 안내에 설명된 코드 샘플은 GitHub에서 제공됩니다. 이 웹 데모에서 이 작업의 작동 방식을 확인할 수 있습니다. 이 작업의 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.

코드 예시

MediaPipe 태스크 예시 코드는 iOS용 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 iOS 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/ios/

예시 코드의 로컬 버전을 만든 후 MediaPipe 작업 라이브러리를 설치하고 Xcode를 사용하여 프로젝트를 열고 앱을 실행할 수 있습니다. 자세한 내용은 iOS 설정 가이드를 참조하세요.

주요 구성요소

다음 파일에는 얼굴 인식기 예시 애플리케이션을 위한 중요한 코드가 포함되어 있습니다.

  • FaceDetectorService.swift: 검사기를 초기화하고, 모델 선택을 처리하고, 입력 데이터에 대한 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 얼굴 인식기를 사용하도록 개발 환경을 설정하고 프로젝트를 코딩하는 주요 단계를 설명합니다. 플랫폼 버전 요구사항을 포함하여 MediaPipe 작업을 사용하기 위한 개발 환경 설정에 관한 일반적인 정보는 iOS 설정 가이드를 참고하세요.

종속 항목

얼굴 인식기는 CocoaPods를 사용하여 설치해야 하는 MediaPipeTasksVision 라이브러리를 사용합니다. 라이브러리는 Swift 및 Objective-C 앱과 호환되며 추가적인 언어별 설정이 필요하지 않습니다.

macOS에 CocoaPods를 설치하는 방법은 CocoaPods 설치 가이드를 참고하세요. 앱에 필요한 포드로 Podfile를 만드는 방법에 대한 안내는 CocoaPods 사용을 참조하세요.

다음 코드를 사용하여 Podfile에 MediaPipeTasksVision 포드를 추가합니다.

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

앱에 단위 테스트 타겟이 포함된 경우 Podfile 설정에 관한 자세한 내용은 iOS용 설정 가이드를 참고하세요.

모델

MediaPipe 얼굴 감지기 작업에는 이 작업과 호환되는 학습된 모델이 필요합니다. 얼굴 감지기에 사용할 수 있는 학습된 모델에 대한 자세한 내용은 작업 개요 모델 섹션을 참조하세요.

모델을 선택 및 다운로드한 후 Xcode를 사용하여 프로젝트 디렉터리에 추가합니다. Xcode 프로젝트에 파일을 추가하는 방법은 Xcode 프로젝트의 파일 및 폴더 관리를 참고하세요.

BaseOptions.modelAssetPath 속성을 사용하여 App Bundle의 모델 경로를 지정합니다. 코드 예는 다음 섹션을 참고하세요.

할 일 만들기

이니셜라이저 중 하나를 호출하여 얼굴 인식기 작업을 만들 수 있습니다. FaceDetector(options:) 이니셜라이저는 구성 옵션의 값을 허용합니다.

맞춤설정된 구성 옵션으로 초기화된 얼굴 인식기가 필요하지 않으면 FaceDetector(modelPath:) 이니셜라이저를 사용하여 기본 옵션으로 얼굴 인식기를 만들 수 있습니다. 구성 옵션에 대한 자세한 내용은 구성 개요를 참고하세요.

얼굴 인식기 작업은 정지 이미지, 동영상 파일, 라이브 동영상 스트림의 3가지 입력 데이터 유형을 지원합니다. 기본적으로 FaceDetector(modelPath:)는 정지 이미지의 작업을 초기화합니다. 동영상 파일 또는 실시간 동영상 스트림을 처리하기 위해 작업을 초기화하려면 FaceDetector(options:)를 사용하여 동영상 또는 실시간 스트림 실행 모드를 지정합니다. 또한 라이브 스트림 모드를 사용하려면 얼굴 인식기에서 얼굴 인식 결과를 대리자에게 비동기식으로 전송할 수 있는 추가 faceDetectorLiveStreamDelegate 구성 옵션이 필요합니다.

실행 모드에 해당하는 탭을 선택하여 작업을 만들고 추론을 실행하는 방법을 확인합니다.

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 인식기에서는 추적을 통해 모든 프레임에서 감지 모델이 트리거되는 것을 방지하므로 지연 시간을 줄일 수 있습니다.

구성 옵션

이 작업에는 다음과 같은 iOS 앱 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.		 {RunningMode.image, RunningMode.video, RunningMode.liveStream} RunningMode.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

라이브 스트림 구성

실행 모드가 라이브 스트림으로 설정되면 얼굴 감지기에서 얼굴 인식기에서 감지 결과를 비동기식으로 전송할 수 있도록 하는 추가 faceDetectorLiveStreamDelegate 구성 옵션이 필요합니다. 대리자는 각 프레임의 얼굴 인식 결과를 처리한 후 얼굴 인식기에서 호출하는 faceDetector(_:didFinishDetection:timestampInMilliseconds:error:) 메서드를 구현합니다.

옵션 이름 설명 값 범위 기본값
faceDetectorLiveStreamDelegate 얼굴 인식기가 라이브 스트림 모드에서 얼굴 인식 결과를 비동기식으로 수신하도록 사용 설정합니다. 인스턴스가 이 속성으로 설정된 클래스는 faceDetector(_:didFinishDetection:timestampInMilliseconds:error:) 메서드를 구현해야 합니다. 해당 사항 없음 설정되지 않음

데이터 준비

입력 이미지나 프레임을 얼굴 인식기에 전달하기 전에 MPImage 객체로 변환해야 합니다. MPImage는 다양한 유형의 iOS 이미지 형식을 지원하며 모든 실행 모드에서 추론을 위해 사용할 수 있습니다. MPImage에 관한 자세한 내용은 MPImage API를 참조하세요.

사용 사례와 애플리케이션에 필요한 실행 모드에 따라 iOS 이미지 형식을 선택합니다.MPImage는 UIImage, CVPixelBuffer, CMSampleBuffer iOS 이미지 형식을 허용합니다.

UIImage

UIImage 형식은 다음과 같은 실행 모드에 적합합니다.

  • 이미지: UIImage 이미지로 형식이 지정된 App Bundle, 사용자 갤러리, 파일 시스템의 이미지를 MPImage 객체로 변환할 수 있습니다.

  • 동영상: AVAssetImageGenerator를 사용하여 동영상 프레임을 CGImage 형식으로 추출한 후 UIImage 이미지로 변환합니다.

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 예에서는 기본 UIImage.Orientation.Up 방향으로 MPImage를 초기화합니다. 지원되는 UIImage.Orientation 값 중 하나로 MPImage를 초기화할 수 있습니다. 얼굴 인식기는 .upMirrored, .downMirrored, .leftMirrored, .rightMirrored와 같은 미러링된 방향을 지원하지 않습니다.

UIImage에 관한 자세한 내용은 UIImage Apple 개발자 문서를 참고하세요.

CVPixelBuffer

CVPixelBuffer 형식은 프레임을 생성하고 iOS CoreImage 프레임워크를 사용하여 처리하는 애플리케이션에 적합합니다.

CVPixelBuffer 형식은 다음과 같은 실행 모드에 적합합니다.

  • 이미지: iOS의 CoreImage 프레임워크를 사용하여 일부 처리 후 CVPixelBuffer 이미지를 생성하는 앱은 이미지 실행 모드에서 얼굴 인식기로 전송될 수 있습니다.

  • 동영상: 동영상 프레임을 처리하기 위해 CVPixelBuffer 형식으로 변환한 다음 동영상 모드에서 얼굴 인식기로 전송할 수 있습니다.

  • 라이브 스트림: iOS 카메라를 사용하여 프레임을 생성하는 앱은 실시간 스트림 모드에서 얼굴 인식기로 전송되기 전에 처리를 위해 CVPixelBuffer 형식으로 변환될 수 있습니다.

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];

CVPixelBuffer에 관한 자세한 내용은 CVPixelBuffer Apple 개발자 문서를 참고하세요.

CMSampleBuffer

CMSampleBuffer 형식은 균일한 미디어 유형의 미디어 샘플을 저장하며 라이브 스트림 실행 모드에 적합합니다. iOS 카메라의 라이브 프레임은 iOS AVCaptureVideoDataOutput에 의해 CMSampleBuffer 형식으로 비동기식으로 전송됩니다.

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];

CMSampleBuffer에 관한 자세한 내용은 CMSampleBuffer Apple 개발자 문서를 참고하세요.

작업 실행

얼굴 인식기를 실행하려면 할당된 실행 모드별 detect() 메서드를 사용합니다.

  • 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 다양한 실행 모드에서 얼굴 인식기를 실행하는 방법을 보여주는 간단한 예를 보여줍니다.

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 자세히 보여줍니다(detect(image:), detect(videoFrame:timestampInMilliseconds:), detectAsync(image:timestampInMilliseconds:)). 코드 예에서는 사용자가 사용 사례에 필요하지 않을 수 있는 처리 모드 간에 전환할 수 있습니다.

다음에 유의하세요.

  • 동영상 모드 또는 라이브 스트림 모드에서 실행하는 경우 입력 프레임의 타임스탬프도 얼굴 인식기 작업에 제공해야 합니다.

  • 이미지 또는 동영상 모드에서 실행하는 경우 얼굴 인식기 작업은 입력 이미지 또는 프레임 처리가 완료될 때까지 현재 스레드를 차단합니다. 현재 스레드가 차단되지 않도록 하려면 iOS Dispatch 또는 NSOperation 프레임워크를 사용하여 백그라운드 스레드에서 처리를 실행합니다.

  • 라이브 스트림 모드에서 실행하는 경우 얼굴 인식 작업이 즉시 반환되며 현재 스레드를 차단하지 않습니다. 각 입력 프레임을 처리한 후 얼굴 인식 결과와 함께 faceDetector(_:didFinishDetection:timestampInMilliseconds:error:) 메서드를 호출합니다. 얼굴 인식기는 전용 직렬 디스패치 큐에서 이 메서드를 비동기식으로 호출합니다. 사용자 인터페이스에 결과를 표시하려면 결과를 처리한 후 결과를 기본 대기열에 전달합니다. 얼굴 인식기 작업에서 다른 프레임을 처리 중일 때 detectAsync 함수가 호출되면 얼굴 인식기는 새 입력 프레임을 무시합니다.

결과 처리 및 표시

추론을 실행하면 얼굴 인식기 작업이 감지된 얼굴의 경계 상자와 감지된 각 얼굴의 신뢰도 점수가 포함된 FaceDetectorResult 객체를 반환합니다.

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 결과를 표시하는 방법을 보여줍니다. 자세한 내용은 코드 예를 참고하세요.