Hướng dẫn phát hiện khuôn mặt dành cho iOS

Nhiệm vụ của Trình phát hiện khuôn mặt cho phép bạn phát hiện khuôn mặt trong hình ảnh hoặc video. Bạn có thể dùng tác vụ này để xác định vị trí của khuôn mặt và các đặc điểm trên khuôn mặt trong một khung hình. Nhiệm vụ này sử dụng mô hình học máy (ML) hoạt động với các hình ảnh đơn lẻ hoặc một luồng hình ảnh liên tục. Nhiệm vụ sẽ cung cấp vị trí khuôn mặt, cùng với các điểm chính trên khuôn mặt sau: mắt trái, mắt phải, đầu mũi, miệng, tổn thương mắt trái và thảm hoạ mắt phải.

Mã mẫu được mô tả trong các hướng dẫn này hiện có trên GitHub. Bạn có thể xem cách hoạt động của công việc này bằng cách xem Bản minh hoạ web này. Để biết thêm thông tin về các tính năng, mô hình và tuỳ chọn cấu hình của tác vụ này, hãy xem phần Tổng quan.

Ví dụ về mã

Mã ví dụ về MediaPipe Tasks là một cách triển khai đơn giản của ứng dụng Trình phát hiện khuôn mặt dành cho iOS. Ví dụ này sử dụng máy ảnh trên một thiết bị Android thực để phát hiện các khuôn mặt trong một luồng video liên tục. Ứng dụng cũng có thể phát hiện khuôn mặt trong hình ảnh và video từ thư viện thiết bị.

Bạn có thể dùng ứng dụng này làm điểm xuất phát cho ứng dụng iOS của mình hoặc tham chiếu đến ứng dụng này khi sửa đổi một ứng dụng hiện có. Mã ví dụ về Trình phát hiện khuôn mặt được lưu trữ trên GitHub.

Tải mã xuống

Hướng dẫn sau đây chỉ cho bạn cách tạo bản sao cục bộ của mã ví dụ bằng công cụ dòng lệnh git.

Cách tải mã ví dụ xuống:

  1. Sao chép kho lưu trữ git bằng lệnh sau:

    git clone https://github.com/google-ai-edge/mediapipe-samples
    
  2. Bạn có thể tuỳ ý định cấu hình thực thể git để sử dụng quy trình thanh toán thưa thớt, vì vậy, bạn chỉ có các tệp cho ứng dụng ví dụ về Trình phát hiện khuôn mặt:

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

Sau khi tạo phiên bản cục bộ của mã ví dụ, bạn có thể cài đặt thư viện tác vụ MediaPipe, mở dự án bằng Xcode và chạy ứng dụng. Để biết hướng dẫn, hãy xem Hướng dẫn thiết lập dành cho iOS.

Thành phần chính

Các tệp sau đây chứa mã quan trọng cho ứng dụng mẫu về Trình phát hiện khuôn mặt:

  • FaceDetectorService.swift: Khởi chạy trình phát hiện, xử lý việc lựa chọn mô hình và chạy suy luận về dữ liệu đầu vào.
  • CameraViewController: Triển khai giao diện người dùng cho chế độ nhập nguồn cấp dữ liệu camera trực tiếp và trực quan hoá kết quả phát hiện.
  • MediaLibraryViewController.swift: Triển khai giao diện người dùng cho chế độ nhập tệp video và hình ảnh tĩnh, đồng thời trực quan hoá kết quả phát hiện.

Thiết lập

Phần này mô tả các bước chính để thiết lập môi trường phát triển và dự án mã để sử dụng Trình phát hiện khuôn mặt. Để biết thông tin chung về cách thiết lập môi trường phát triển nhằm sử dụng các tác vụ MediaPipe, bao gồm cả các yêu cầu về phiên bản nền tảng, hãy xem Hướng dẫn thiết lập dành cho iOS.

Phần phụ thuộc

Trình phát hiện khuôn mặt sử dụng thư viện MediaPipeTasksVision. Bạn phải cài đặt thư viện này bằng CocoaPods. Thư viện này tương thích với cả ứng dụng Swift và Objective-C, đồng thời không yêu cầu thiết lập thêm tuỳ theo ngôn ngữ.

Để biết hướng dẫn cài đặt CocoaPods trên macOS, hãy tham khảo Hướng dẫn cài đặt CocoaPods. Để biết hướng dẫn về cách tạo Podfile với các nhóm cần thiết cho ứng dụng của bạn, hãy tham khảo bài viết Sử dụng CocoaPods.

Thêm nhóm MediaPipeTaskVision trong Podfile bằng mã sau:

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

Nếu ứng dụng của bạn có các mục tiêu kiểm thử đơn vị, hãy tham khảo Hướng dẫn thiết lập dành cho iOS để biết thêm thông tin về cách thiết lập Podfile.

Mẫu

Tác vụ Trình phát hiện khuôn mặt MediaPipe cần có một mô hình đã qua huấn luyện tương thích với tác vụ này. Để biết thêm thông tin về các mô hình được huấn luyện hiện có cho Công cụ phát hiện khuôn mặt, hãy xem phần Mô hình tổng quan về tác vụ.

Chọn và tải một mô hình xuống, sau đó thêm mô hình đó vào thư mục dự án của bạn bằng Xcode. Để biết hướng dẫn về cách thêm tệp vào dự án Xcode, hãy tham khảo bài viết Quản lý tệp và thư mục trong dự án Xcode.

Sử dụng thuộc tính BaseOptions.modelAssetPath để chỉ định đường dẫn đến mô hình trong gói ứng dụng của bạn. Để biết ví dụ về mã, hãy xem phần tiếp theo.

Tạo việc cần làm

Bạn có thể tạo tác vụ Trình phát hiện khuôn mặt bằng cách gọi một trong các trình khởi chạy. Trình khởi chạy FaceDetector(options:) chấp nhận các giá trị cho các tuỳ chọn cấu hình.

Nếu không cần khởi chạy Trình phát hiện khuôn mặt bằng các tuỳ chọn cấu hình tuỳ chỉnh, bạn có thể sử dụng trình khởi chạy FaceDetector(modelPath:) để tạo Trình phát hiện khuôn mặt với các tuỳ chọn mặc định. Để biết thêm thông tin về các lựa chọn cấu hình, hãy xem phần Tổng quan về cấu hình.

Tác vụ của Trình phát hiện khuôn mặt hỗ trợ 3 loại dữ liệu đầu vào: hình ảnh tĩnh, tệp video và luồng video trực tiếp. Theo mặc định, FaceDetector(modelPath:) sẽ khởi chạy một tác vụ cho hình ảnh tĩnh. Nếu bạn muốn khởi động tác vụ của mình để xử lý tệp video hoặc luồng video trực tiếp, hãy sử dụng FaceDetector(options:) để chỉ định video hoặc chế độ chạy sự kiện phát trực tiếp. Chế độ phát trực tiếp cũng yêu cầu tuỳ chọn cấu hình faceDetectorLiveStreamDelegate bổ sung, cho phép Trình phát hiện khuôn mặt gửi kết quả phát hiện khuôn mặt cho thực thể đại diện theo cách không đồng bộ.

Chọn thẻ tương ứng với chế độ đang chạy để xem cách tạo tác vụ và chạy dự đoán.

Swift

Bài đăng có hình ảnh

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)
    

Sự kiện phát trực tiếp

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

Bài đăng có hình ảnh

@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];
    

Sự kiện phát trực tiếp

@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];
    

Lưu ý: Nếu bạn sử dụng chế độ video hoặc chế độ phát trực tiếp, thì Trình phát hiện khuôn mặt sẽ sử dụng tính năng theo dõi để tránh kích hoạt mô hình phát hiện trên mọi khung hình, nhờ đó giúp giảm độ trễ.

Các lựa chọn về cấu hình

Tác vụ này có các lựa chọn cấu hình sau đây đối với ứng dụng iOS:

Tên lựa chọn Nội dung mô tả Khoảng giá trị Giá trị mặc định
runningMode Đặt chế độ chạy cho tác vụ. Có 3 chế độ:

IMAGE: Chế độ nhập một hình ảnh.

VIDEO: Chế độ khung hình đã giải mã của video.

LIVE_STREAM: Chế độ phát trực tiếp dữ liệu đầu vào, chẳng hạn như từ máy quay. Ở chế độ này, bạn phải gọi resultsListener để thiết lập trình nghe nhằm nhận kết quả không đồng bộ.
{RunningMode.image, RunningMode.video, RunningMode.liveStream} RunningMode.image
minDetectionConfidence Điểm số tin cậy tối thiểu để phát hiện khuôn mặt được xem là thành công. Float [0,1] 0.5
minSuppressionThreshold Ngưỡng tối thiểu không áp dụng biện pháp tối đa để phát hiện khuôn mặt được coi là trùng lặp. Float [0,1] 0.3

Cấu hình sự kiện phát trực tiếp

Khi bạn đặt chế độ chạy thành phát trực tiếp, Trình phát hiện khuôn mặt sẽ yêu cầu tuỳ chọn cấu hình faceDetectorLiveStreamDelegate bổ sung để cho phép trình phát hiện khuôn mặt cung cấp kết quả phát hiện theo cách không đồng bộ. Giao diện uỷ quyền sẽ triển khai phương thức faceDetector(_:didFinishDetection:timestampInMilliseconds:error:) mà Trình phát hiện khuôn mặt sẽ gọi sau khi xử lý kết quả phát hiện khuôn mặt cho từng khung hình.

Tên tùy chọn Nội dung mô tả Khoảng giá trị Giá trị mặc định
faceDetectorLiveStreamDelegate Bật Trình phát hiện khuôn mặt để nhận kết quả phát hiện khuôn mặt theo cách không đồng bộ ở chế độ phát trực tiếp. Lớp có thực thể được đặt thành thuộc tính này phải triển khai phương thức faceDetector(_:didFinishDetection:timestampInMilliseconds:error:). Không áp dụng Không đặt

Chuẩn bị dữ liệu

Bạn cần chuyển đổi hình ảnh hoặc khung đầu vào thành đối tượng MPImage trước khi truyền đối tượng đó đến Trình phát hiện khuôn mặt. MPImage hỗ trợ nhiều loại định dạng hình ảnh iOS, và có thể sử dụng các định dạng đó ở bất kỳ chế độ chạy nào để dự đoán. Để biết thêm thông tin về MPImage, hãy tham khảo API MPImage

Chọn định dạng hình ảnh iOS tuỳ vào trường hợp sử dụng và chế độ chạy mà ứng dụng của bạn yêu cầu.MPImage chấp nhận các định dạng hình ảnh iOS UIImage, CVPixelBufferCMSampleBuffer.

UIImage

Định dạng UIImage rất phù hợp với các chế độ chạy sau đây:

  • Hình ảnh: hình ảnh từ gói ứng dụng, thư viện người dùng hoặc hệ thống tệp có định dạng là hình ảnh UIImage có thể được chuyển đổi thành đối tượng MPImage.

  • Video: sử dụng AVAssetImageGenerator để trích xuất khung hình video sang định dạng CGImage, sau đó chuyển đổi các khung hình đó thành hình ảnh 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];
    

Ví dụ này khởi chạy một MPImage theo hướng UIImage.Orientation.Up mặc định. Bạn có thể khởi chạy MPImage bằng bất kỳ giá trị UIImage.Orientation nào được hỗ trợ. Trình phát hiện khuôn mặt không hỗ trợ các hướng được phản chiếu như .upMirrored, .downMirrored, .leftMirrored, .rightMirrored.

Để biết thêm thông tin về UIImage, hãy tham khảo Tài liệu dành cho nhà phát triển UIImage Apple.

CVPixelBuffer

Định dạng CVPixelBuffer phù hợp với những ứng dụng tạo khung và dùng khung CoreImage của iOS để xử lý.

Định dạng CVPixelBuffer rất phù hợp với các chế độ chạy sau đây:

  • Hình ảnh: ứng dụng tạo hình ảnh CVPixelBuffer sau một số quá trình xử lý bằng khung CoreImage của iOS có thể được gửi đến Trình phát hiện khuôn mặt ở chế độ chạy hình ảnh.

  • Video: bạn có thể chuyển đổi khung hình video sang định dạng CVPixelBuffer để xử lý, sau đó gửi đến Trình phát hiện khuôn mặt ở chế độ video.

  • phát trực tiếp: các ứng dụng dùng camera iOS để tạo khung hình có thể được chuyển đổi sang định dạng CVPixelBuffer để xử lý trước khi được gửi tới Trình phát hiện khuôn mặt ở chế độ phát trực tiếp.

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];
    

Để biết thêm thông tin về CVPixelBuffer, hãy tham khảo Tài liệu dành cho nhà phát triển của Apple về CVPixelBufferBuffer.

CMSampleBuffer

Định dạng CMSampleBuffer lưu trữ các mẫu nội dung nghe nhìn của một loại nội dung nghe nhìn đồng nhất và phù hợp với chế độ chạy sự kiện phát trực tiếp. Khung hình trực tiếp từ máy ảnh iOS được AVCaptureVideoDataOutput của iOS phân phối không đồng bộ ở định dạng CMSampleBuffer.

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];
    

Để biết thêm thông tin về CMSampleBuffer, hãy tham khảo Tài liệu về CMSampleBuffer dành cho nhà phát triển của Apple.

Chạy tác vụ

Để chạy Trình phát hiện khuôn mặt, hãy sử dụng phương thức detect() dành riêng cho chế độ chạy được chỉ định:

  • Hình ảnh tĩnh: detect(image:)
  • Video: detect(videoFrame:timestampInMilliseconds:)
  • Phát trực tiếp: detectAsync(image:timestampInMilliseconds:)

Trình phát hiện khuôn mặt sẽ trả về các khuôn mặt được phát hiện trong hình ảnh hoặc khung nhập vào.

Các mã mẫu sau đây là các ví dụ đơn giản về cách chạy Công cụ phát hiện khuôn mặt ở nhiều chế độ chạy sau đây:

Swift

Bài đăng có hình ảnh

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

Video

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

Sự kiện phát trực tiếp

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

Objective-C

Bài đăng có hình ảnh

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

Video

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

Sự kiện phát trực tiếp

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

Ví dụ về mã của Trình phát hiện khuôn mặt cho thấy cách triển khai từng chế độ trong số này chi tiết hơn detect(image:), detect(videoFrame:timestampInMilliseconds:)detectAsync(image:timestampInMilliseconds:). Mã ví dụ cho phép người dùng chuyển đổi giữa các chế độ xử lý (có thể không bắt buộc đối với trường hợp sử dụng của bạn).

Xin lưu ý những điều sau:

  • Khi chạy ở chế độ video hoặc chế độ phát trực tiếp, bạn cũng phải cung cấp dấu thời gian của khung đầu vào cho tác vụ của Trình phát hiện khuôn mặt.

  • Khi chạy ở chế độ hình ảnh hoặc video, tác vụ của Trình phát hiện khuôn mặt sẽ chặn luồng hiện tại cho đến khi xử lý xong hình ảnh hoặc khung hình đầu vào. Để tránh chặn luồng hiện tại, hãy thực thi quá trình xử lý trong luồng ở chế độ nền bằng khung Dispatch của iOS hoặc NSOperation.

  • Khi chạy ở chế độ phát trực tiếp, tác vụ của Trình phát hiện khuôn mặt sẽ trả về ngay lập tức và không chặn luồng hiện tại. Lệnh này sẽ gọi phương thức faceDetector(_:didFinishDetection:timestampInMilliseconds:error:) với kết quả phát hiện khuôn mặt sau khi xử lý từng khung đầu vào. Trình phát hiện khuôn mặt gọi phương thức này không đồng bộ trên hàng đợi điều phối nối tiếp riêng biệt. Để hiển thị kết quả trên giao diện người dùng, hãy gửi kết quả đến hàng đợi chính sau khi xử lý kết quả. Nếu hàm detectAsync được gọi khi tác vụ của Trình phát hiện khuôn mặt đang bận xử lý một khung hình khác, thì Trình phát hiện khuôn mặt sẽ bỏ qua khung đầu vào mới.

Xử lý và hiển thị kết quả

Sau khi chạy suy luận, tác vụ của Trình phát hiện khuôn mặt sẽ trả về một đối tượng FaceDetectorResult chứa các hộp giới hạn cho các khuôn mặt đã phát hiện và điểm số tin cậy cho từng khuôn mặt được phát hiện.

Sau đây là ví dụ về dữ liệu đầu ra của nhiệm vụ này:

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)

Hình ảnh sau đây minh hoạ kết quả của tác vụ:

Đối với hình ảnh không có giới hạn hộp, hãy xem hình ảnh gốc.

Mã ví dụ về Trình phát hiện khuôn mặt minh hoạ cách hiển thị kết quả. Hãy xem ví dụ về mã để biết thông tin chi tiết.