Android용 얼굴 랜드마크 감지 가이드

MediaPipe 얼굴 랜드마크 작업을 사용하면 컴퓨터에서 얼굴의 랜드마크와 표정을 이미지 및 동영상입니다. 이 작업을 사용하여 인간의 얼굴 표정, 얼굴 필터와 효과를 적용하고, 가상 아바타를 만들었습니다. 이 태스크에서는 다음을 사용합니다. 머신러닝 (ML) 모델은 단일 이미지 또는 연속된 이미지 이미지 스트림입니다. 이 작업은 3차원 얼굴 랜드마크, 혼합형을 출력합니다. 상세한 얼굴 표정을 추론하기 위한 점수 (얼굴 표정을 나타내는 계수) 실시간으로 표시, 변환 행렬을 사용하여 변환이 필요합니다.

이 지침에서 설명하는 코드 샘플은 GitHub 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.

코드 예

MediaPipe 태스크 코드는 얼굴 랜드마크를 간단하게 구현한 것입니다. Android용 앱인데요. 이 예에서는 실제 Android 기기의 카메라를 사용하여 연속 동영상 스트림에서 얼굴을 감지합니다. 또한 앱에서 이미지 및 동영상을 기기 갤러리에서 찾을 수 있습니다.

이 앱을 자체 Android 앱의 시작점으로 사용하거나 참조할 수 있습니다. 기존 앱을 수정할 때 얼굴 랜드마크 도구 예시 코드는 GitHub

코드 다운로드

다음 안내에서는 예시의 로컬 사본을 만드는 방법을 보여줍니다. git 명령줄 도구를 사용하여 코드를 실행합니다.

예시 코드를 다운로드하려면 다음 안내를 따르세요.

1. 다음 명령어를 사용하여 git 저장소를 클론합니다.

   git clone https://github.com/google-ai-edge/mediapipe-samples
   

2. 원하는 경우 스파스 체크아웃을 사용하도록 git 인스턴스를 구성하여 다음과 같이 합니다. Face TRADEMARKer 예시 앱의 파일만:

   cd mediapipe
   git sparse-checkout init --cone
   git sparse-checkout set examples/face_landmarker/android
   

예시 코드의 로컬 버전을 만든 후 프로젝트를 가져올 수 있습니다. Android 스튜디오로 이동하여 앱을 실행합니다. 자세한 내용은 Android

주요 구성요소

다음 파일에는 이 얼굴 특징 예에 대한 중요 코드가 포함되어 있습니다. 애플리케이션:

• FaceLandmarkerHelper.kt - 얼굴 랜드마크를 초기화하고 모델과 위임을 처리합니다. 선택합니다.
• CameraFragment.kt - 기기 카메라를 처리하고 이미지 및 동영상 입력 데이터를 처리합니다.
• GalleryFragment.kt - OverlayView와 상호작용하여 출력 이미지 또는 동영상을 표시합니다.
• OverlayView.kt - 감지된 얼굴에 얼굴 메시가 포함된 디스플레이를 구현합니다.

설정

이 섹션에서는 개발 환경을 설정하는 주요 단계를 설명하고 코딩 프로젝트를 사용하여 얼굴 랜드마크를 만들 수 있습니다. 일반적인 정보 다음과 같은 MediaPipe 작업을 사용하기 위한 개발 환경 설정 플랫폼 버전 요구사항에 대한 자세한 내용은 Android

종속 항목

Face TRADEMARKer 작업은 com.google.mediapipe:tasks-vision 라이브러리를 사용합니다. 추가 이 종속 항목을 Android 앱의 build.gradle 파일에 추가합니다.

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

모델

MediaPipe Face TRADEMARKer 작업을 수행하려면 다음 제품과 호환되는 학습된 모델 번들이 필요합니다. 확인할 수 있습니다 얼굴 랜드마크에 사용할 수 있는 학습된 모델에 대한 자세한 내용은 작업 개요 모델 섹션을 참조하세요.

모델을 선택 및 다운로드하여 프로젝트 디렉터리에 저장합니다.

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

ModelAssetPath 매개변수 내에 모델의 경로를 지정합니다. 모델은 FaceLandmarkerHelper.kt 드림 파일:

baseOptionsBuilder.setModelAssetPath(MP_FACE_LANDMARKER_TASK)

할 일 만들기

MediaPipe 얼굴 랜드마크 작업자 작업은 createFromOptions() 함수를 사용하여 태스크에 맞추는 것입니다. createFromOptions() 함수는 구성 값을 허용합니다. 있습니다. 구성 옵션에 대한 자세한 내용은 구성을 참조하세요. 옵션을 참조하세요.

얼굴 랜드마크는 정지 이미지, 동영상과 같은 입력 데이터 유형을 지원합니다. 파일, 라이브 동영상 스트림 등이 있습니다. 실행 모드를 지정해야 합니다. 해당 입력 데이터 유형에 해당하는 쿼리를 생성할 수 있습니다 탭을 선택합니다. 태스크 생성 방법과 실행 방법을 확인할 수 있습니다. 제공합니다.

val baseOptionsBuilder = BaseOptions.builder().setModelAssetPath(MP_FACE_LANDMARKER_TASK)
val baseOptions = baseOptionBuilder.build()

val optionsBuilder = 
    FaceLandmarker.FaceLandmarkerOptions.builder()
        .setBaseOptions(baseOptionsBuilder.build())
        .setMinFaceDetectionConfidence(minFaceDetectionConfidence)
        .setMinTrackingConfidence(minFaceTrackingConfidence)
        .setMinFacePresenceConfidence(minFacePresenceConfidence)
        .setNumFaces(maxNumFaces)
        .setRunningMode(RunningMode.IMAGE)

val options = optionsBuilder.build()
FaceLandmarker = FaceLandmarker.createFromOptions(context, options)
    

val baseOptionsBuilder = BaseOptions.builder().setModelAssetPath(MP_FACE_LANDMARKER_TASK)
val baseOptions = baseOptionBuilder.build()

val optionsBuilder = 
    FaceLandmarker.FaceLandmarkerOptions.builder()
        .setBaseOptions(baseOptionsBuilder.build())
        .setMinFaceDetectionConfidence(minFaceDetectionConfidence)
        .setMinTrackingConfidence(minFaceTrackingConfidence)
        .setMinFacePresenceConfidence(minFacePresenceConfidence)
        .setNumFaces(maxNumFaces)
        .setRunningMode(RunningMode.VIDEO)

val options = optionsBuilder.build()
FaceLandmarker = FaceLandmarker.createFromOptions(context, options)
    

val baseOptionsBuilder = BaseOptions.builder().setModelAssetPath(MP_FACE_LANDMARKER_TASK)
val baseOptions = baseOptionBuilder.build()

val optionsBuilder = 
    FaceLandmarker.FaceLandmarkerOptions.builder()
        .setBaseOptions(baseOptionsBuilder.build())
        .setMinFaceDetectionConfidence(minFaceDetectionConfidence)
        .setMinTrackingConfidence(minFaceTrackingConfidence)
        .setMinFacePresenceConfidence(minFacePresenceConfidence)
        .setNumFaces(maxNumFaces)
        .setResultListener(this::returnLivestreamResult)
        .setErrorListener(this::returnLivestreamError)
        .setRunningMode(RunningMode.LIVE_STREAM)

val options = optionsBuilder.build()
FaceLandmarker = FaceLandmarker.createFromOptions(context, options)
    

얼굴 랜드마크 도구 예제 코드 구현을 통해 사용자는 처리 모드입니다 이 접근 방식은 작업 생성 코드를 더 복잡하게 만들고 이 사용 사례에 적합하지 않을 수 있습니다. 이 코드는 setupFaceLandmarker() 함수를 FaceLandmarkerHelper.kt 파일에서 참조됩니다.

구성 옵션

이 작업에는 Android 앱을 위한 다음과 같은 구성 옵션이 있습니다.

데이터 준비

Face TRADEMARKer는 이미지, 동영상 파일, 라이브 동영상 스트림과 함께 사용할 수 있습니다. 작업 크기 조절, 회전, 값 등 데이터 입력 전처리를 처리합니다. 정규화를 사용합니다.

다음 코드는 처리를 위해 데이터를 전달하는 방법을 보여줍니다. 이러한 샘플에는 이미지, 동영상 파일, 라이브 스트림 등의 데이터를 처리하는 방법에 관한 동영상 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(image).build()
    

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()
    

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 랜드마크 도구 예시 코드에서는 데이터 준비가 FaceLandmarkerHelper.kt 드림 파일에서 참조됩니다.

작업 실행

작업 중인 데이터의 유형에 따라 FaceLandmarker.detect...() 메서드를 호출합니다. 사용 개별 이미지의 경우 detect(), 동영상 파일의 프레임의 경우 detectForVideo() 동영상 스트림의 경우 detectAsync()입니다. 보안 침해에서 탐지를 수행할 때 별도의 스레드에서 감지를 실행하여 사용자 인터페이스 스레드를 차단할 수 있습니다.

다음 코드 샘플은 얼굴 랜드마크 도구를 실행하는 방법에 대한 간단한 예를 보여줍니다. 두 가지 옵션이 있습니다.

val result = FaceLandmarker.detect(mpImage)
    

val timestampMs = i * inferenceIntervalMs

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

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

FaceLandmarker.detectAsync(mpImage, frameTime)
    

다음에 유의하세요.

• 동영상 모드 또는 라이브 스트림 모드에서 실행하는 경우 얼굴 랜드마크 작업에 대한 입력 프레임의 타임스탬프입니다.
• 이미지 또는 동영상 모드로 실행하면 얼굴 랜드마크 작업이 차단됩니다. 현재 스레드가 입력 이미지 또는 프레임 처리를 완료할 때까지 스레드를 대기시킵니다. 받는사람 사용자 인터페이스를 차단하지 않고 백그라운드에서 처리를 실행합니다. 스레드가 필요합니다.
• 라이브 스트림 모드에서 실행하면 얼굴 랜드마크 작업이 반환됩니다. 현재 스레드를 차단하지 않습니다. 그러면 감지 결과를 수신 대기하는 리스너가 입력 프레임에 연결됩니다.

얼굴 랜드마크 도구 예시 코드에서는 detect, detectForVideo, detectAsync 함수는 FaceLandmarkerHelper.kt 파일에서 참조됩니다.

결과 처리 및 표시

얼굴 랜드마크는 각 감지마다 FaceLandmarkerResult 객체를 반환합니다. 실행할 수 있습니다 결과 객체에는 인식된 각 얼굴에 대한 얼굴 메시가 포함되며 좌표입니다. 선택적으로 결과 객체는 얼굴 표정을 나타내는 혼합 형태와 변환 행렬을 사용하여 인식된 랜드마크에 얼굴 효과를 적용합니다.

다음은 이 작업의 출력 데이터 예시를 보여줍니다.

FaceLandmarkerResult:
  face_landmarks:
    NormalizedLandmark #0:
      x: 0.5971359014511108
      y: 0.485361784696579
      z: -0.038440968841314316
    NormalizedLandmark #1:
      x: 0.3302789330482483
      y: 0.29289937019348145
      z: -0.09489090740680695
    ... (478 landmarks for each face)
  face_blendshapes:
    browDownLeft: 0.8296722769737244
    browDownRight: 0.8096957206726074
    browInnerUp: 0.00035583582939580083
    browOuterUpLeft: 0.00035752105759456754
    ... (52 blendshapes for each face)
  facial_transformation_matrixes:
    [9.99158978e-01, -1.23036895e-02, 3.91213447e-02, -3.70770246e-01]
    [1.66496094e-02,  9.93480563e-01, -1.12779640e-01, 2.27719707e+01]
    ...

다음 이미지는 작업 출력을 시각화한 것입니다.

얼굴 랜드마크 도구 예제 코드는 반환된 결과를 표시하는 방법을 보여줍니다. 자세한 내용은 OverlayView 드림 클래스를 참조하세요.