מדריך לזיהוי תנועות ל-iOS

המשימה 'מזהה תנועות של MediaPipe' מאפשרת לזהות תנועות ידיים בזמן אמת, ומציגה תוצאות מוכרות של תנועות יד וציוני דרך של הידיים שזוהו. בהוראות האלה מוסבר איך להשתמש במזהה התנועות באפליקציות ל-iOS.

אפשר לראות את המשימה הזו בפעולה בהדגמה באינטרנט. למידע נוסף על היכולות, המודלים ואפשרויות ההגדרה של המשימה הזו קראו את הסקירה הכללית.

קוד לדוגמה

הקוד לדוגמה של משימות MediaPipe הוא יישום בסיסי של אפליקציה לזיהוי תנועות ל-iOS. בדוגמה הזו נעשה שימוש במצלמה של מכשיר iOS פיזי כדי לזהות תנועות ידיים באופן רציף, ואפשר גם להשתמש בתמונות ובסרטונים מהגלריה במכשיר כדי לזהות תנועות באופן סטטי.

אפשר להשתמש באפליקציה כנקודת התחלה לאפליקציה שלכם ל-iOS, או להתייחס אליה כשאתם משנים אפליקציה קיימת. הקוד לדוגמה של מזהה התנועות מתארח ב-GitHub.

הורדת הקוד

בהוראות הבאות מוסבר איך ליצור עותק מקומי של הקוד לדוגמה באמצעות כלי שורת הפקודה git.

כדי להוריד את הקוד לדוגמה:

1. משכפלים את מאגר ה-Git באמצעות הפקודה הבאה:

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

2. לחלופין, אפשר להגדיר את מכונת ה-Git לשימוש בקופה עם נפח נתונים דל, כך שיהיו לכם רק את הקבצים של האפליקציה לדוגמה של מזהה התנועות:

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

אחרי שיצרתם גרסה מקומית של הקוד לדוגמה, תוכלו להתקין את ספריית המשימות MediaPipe, לפתוח את הפרויקט באמצעות Xcode ולהריץ את האפליקציה. לקבלת הוראות, תוכלו לעיין במדריך ההגדרה ל-iOS.

רכיבים עיקריים

הקבצים הבאים מכילים את הקוד החיוני לאפליקציה לדוגמה של מזהה התנועות:

• GestureRecognizerService.swift: הפעלה של מזהה התנועות, הטיפול בבחירת המודל והפקת מסקנות על נתוני הקלט.
• CameraViewController.swift: הטמעת ממשק המשתמש של מצב הקלט של פיד המצלמה בשידור חי והצגת התוצאות באופן חזותי.
• MediaLibraryViewController.swift: הטמעה של ממשק המשתמש למצב הקלט של קובץ וידאו ותמונות סטילס, והצגת התוצאות באופן חזותי.

הגדרה

בקטע הזה מתוארים השלבים העיקריים להגדרת סביבת הפיתוח ופרויקטים של קוד לשימוש בזיהוי תנועות. במדריך ההגדרה ל-iOS תוכלו לקרוא מידע כללי על הגדרת סביבת הפיתוח לשימוש במשימות MediaPipe, כולל הדרישות לגרסת הפלטפורמה.

יחסי תלות

מזהה התנועות משתמש בספריית MediaPipeTasksVision, שאותה צריך להתקין באמצעות CocoaPods. הספרייה תואמת לאפליקציות של Swift וגם לאפליקציות Objective-C, ואין צורך בהגדרות נוספות ספציפיות לשפה.

תוכלו למצוא הוראות להתקנת CocoaPods ב-macOS במדריך ההתקנה של CocoaPods. לשימוש ב-CocoaPods תוכלו למצוא הוראות ליצירת Podfile עם הרפידות הנדרשות לאפליקציה.

מוסיפים את רצף MediaPipeTasksVision ב-Podfile באמצעות הקוד הבא:

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

אם האפליקציה שלך כוללת יעדים של בדיקת יחידה, עיין במדריך ההגדרה ל-iOS למידע נוסף על הגדרת ה-Podfile.

מודל

כדי לבצע את המשימה 'מזהה תנועות של MediaPipe' נדרש מודל מאומן שתואם למשימה הזו. בקטע המודלים בסקירה הכללית של המשימות תוכלו לקרוא מידע נוסף על המודלים הזמינים לשימוש בזיהוי תנועות.

בוחרים מודל ומורידים אותו, ומוסיפים אותו לספריית הפרויקט באמצעות Xcode. במאמר ניהול קבצים ותיקיות בפרויקט Xcode מוסבר איך מוסיפים קבצים לפרויקט Xcode.

השתמשו במאפיין BaseOptions.modelAssetPath כדי לציין את הנתיב למודל ב-App Bundle. דוגמה לקוד זמינה בקטע הבא.

יצירת המשימה

ניתן ליצור את המשימה של מזהה התנועות על ידי קריאה לאחד מהמפעילים שלה. המאתחל של GestureRecognizer(options:) מקבל ערכים לאפשרויות התצורה.

אם אין לכם צורך במזהה תנועות שיופעל עם אפשרויות הגדרה מותאמות אישית, תוכלו להשתמש באתחול של GestureRecognizer(modelPath:) כדי ליצור כלי לזיהוי תנועות עם אפשרויות ברירת המחדל. מידע נוסף על אפשרויות ההגדרה זמין במאמר סקירה כללית בנושא הגדרות.

במשימה של 'מזהה תנועות' יש תמיכה ב-3 סוגים של נתוני קלט: תמונות סטילס, קובצי וידאו ושידורי וידאו בשידור חי. כברירת מחדל, GestureRecognizer(modelPath:) מאתחלת משימה של תמונות סטילס. אם רוצים שהמשימה תאותחל כדי לעבד קובצי וידאו או וידאו סטרימינג בשידור חי, צריך להשתמש ב-GestureRecognizer(options:) כדי לציין את מצב ההפעלה של הווידאו או השידור החי. למצב השידור החי נדרשת גם אפשרות הגדרה נוספת של gestureRecognizerLiveStreamDelegate, שמאפשרת לתכונה 'מזהה תנועות' לספק תוצאות של זיהוי תנועות למשתמש שהוענקה לו גישה באופן אסינכרוני.

בחרו את הכרטיסייה שמתאימה למצב הריצה שלכם כדי לראות איך ליצור את המשימה ולהסיק את ההסקה.

Swift

import MediaPipeTasksVision

let modelPath = Bundle.main.path(forResource: "gesture_recognizer",
                                      ofType: "task")

let options = GestureRecognizerOptions()
options.baseOptions.modelAssetPath = modelPath
options.runningMode = .image
options.minHandDetectionConfidence = minHandDetectionConfidence
options.minHandPresenceConfidence = minHandPresenceConfidence
options.minTrackingConfidence = minHandTrackingConfidence
options.numHands = numHands

let gestureRecognizer = try GestureRecognizer(options: options)
    

import MediaPipeTasksVision

let modelPath = Bundle.main.path(forResource: "gesture_recognizer",
                                      ofType: "task")

let options = GestureRecognizerOptions()
options.baseOptions.modelAssetPath = modelPath
options.runningMode = .video
options.minHandDetectionConfidence = minHandDetectionConfidence
options.minHandPresenceConfidence = minHandPresenceConfidence
options.minTrackingConfidence = minHandTrackingConfidence
options.numHands = numHands

let gestureRecognizer = try GestureRecognizer(options: options)
    

import MediaPipeTasksVision

// Class that conforms to the `GestureRecognizerLiveStreamDelegate` protocol and
// implements the method that the gesture recognizer calls once it finishes
// performing recognizing hand gestures in each input frame.
class GestureRecognizerResultProcessor: NSObject, GestureRecognizerLiveStreamDelegate {

  func gestureRecognizer(
    _ gestureRecognizer: GestureRecognizer,
    didFinishRecognition result: GestureRecognizerResult?,
    timestampInMilliseconds: Int,
    error: Error?) {

    // Process the gesture recognizer result or errors here.

  }
}

let modelPath = Bundle.main.path(
  forResource: "gesture_recognizer",
  ofType: "task")

let options = GestureRecognizerOptions()
options.baseOptions.modelAssetPath = modelPath
options.runningMode = .liveStream
options.minHandDetectionConfidence = minHandDetectionConfidence
options.minHandPresenceConfidence = minHandPresenceConfidence
options.minTrackingConfidence = minHandTrackingConfidence
options.numHands = numHands

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

let gestureRecognizer = try GestureRecognizer(options: options)
    

Objective-C

@import MediaPipeTasksVision;

NSString *modelPath =
  [[NSBundle mainBundle] pathForResource:@"gesture_recognizer"
                                  ofType:@"task"];

MPPGestureRecognizerOptions *options =
  [[MPPGestureRecognizerOptions alloc] init];
options.baseOptions.modelAssetPath = modelPath;
options.runningMode = MPPRunningModeImage;
options.minHandDetectionConfidence = minHandDetectionConfidence
options.minHandPresenceConfidence = minHandPresenceConfidence
options.minTrackingConfidence = minHandTrackingConfidence
options.numHands = numHands

MPPGestureRecognizer *gestureRecognizer =
      [[MPPGestureRecognizer alloc] initWithOptions:options error:nil];
    

@import MediaPipeTasksVision;

NSString *modelPath =
  [[NSBundle mainBundle] pathForResource:@"gesture_recognizer"
                                  ofType:@"task"];

MPPGestureRecognizerOptions *options =
  [[MPPGestureRecognizerOptions alloc] init];
options.baseOptions.modelAssetPath = modelPath;
options.runningMode = MPPRunningModeVideo;
options.minHandDetectionConfidence = minHandDetectionConfidence
options.minHandPresenceConfidence = minHandPresenceConfidence
options.minTrackingConfidence = minHandTrackingConfidence
options.numHands = numHands

MPPGestureRecognizer *gestureRecognizer =
      [[MPPGestureRecognizer alloc] initWithOptions:options error:nil];
    

@import MediaPipeTasksVision;

// Class that conforms to the `MPPGestureRecognizerLiveStreamDelegate` protocol
// and implements the method that the gesture recognizer calls once it finishes
// performing gesture recognition on each input frame.

@interface APPGestureRecognizerResultProcessor : NSObject 

@end

@implementation APPGestureRecognizerResultProcessor

-   (void)gestureRecognizer:(MPPGestureRecognizer *)gestureRecognizer
    didFinishRecognitionWithResult:(MPPGestureRecognizerResult *)gestureRecognizerResult
           timestampInMilliseconds:(NSInteger)timestampInMilliseconds
                             error:(NSError *)error {

    // Process the gesture recognizer result or errors here.

}

@end

NSString *modelPath =
  [[NSBundle mainBundle] pathForResource:@"gesture_recognizer"
                                  ofType:@"task"];

MPPGestureRecognizerOptions *options =
  [[MPPGestureRecognizerOptions alloc] init];
options.baseOptions.modelAssetPath = modelPath;
options.runningMode = MPPRunningModeLiveStream;
options.minHandDetectionConfidence = minHandDetectionConfidence
options.minHandPresenceConfidence = minHandPresenceConfidence
options.minTrackingConfidence = minHandTrackingConfidence
options.numHands = numHands

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

MPPGestureRecognizer *gestureRecognizer =
      [[MPPGestureRecognizer alloc] initWithOptions:options error:nil];
    

אפשרויות הגדרה

המשימה כוללת את אפשרויות ההגדרה הבאות לאפליקציות ל-iOS:

כשמצב הריצה מוגדר לשידור חי, לכלי לזיהוי תנועות נדרשת אפשרות הגדרה נוספת של gestureRecognizerLiveStreamDelegate, שמאפשרת לתכונה 'מזהה תנועות' לספק תוצאות של זיהוי תנועות באופן אסינכרוני. מקבל הגישה צריך ליישם את השיטה gestureRecognizer(_:didFinishRecognition:timestampInMilliseconds:error:), שמזהה התנועות קורא לשימוש בה אחרי עיבוד התוצאות של זיהוי התנועות בכל פריים.

הכנת הנתונים

צריך להמיר את המסגרת או את התמונה של הקלט לאובייקט MPImage לפני שמעבירים אותם למזהה התנועות. ב-MPImage יש תמיכה בסוגים שונים של פורמטים של תמונות ב-iOS, ואפשר להשתמש בהם בכל מצב ריצה כדי להסיק את הנתונים. מידע נוסף על MPImage זמין ב-MPImage API.

בחר פורמט תמונה של iOS בהתאם לתרחיש לדוגמה שלך ולמצב הריצה הנדרש לאפליקציה.MPImage מקבל את הפורמטים UIImage, CVPixelBuffer ו-CMSampleBuffer של תמונות iOS.

UIImage

הפורמט UIImage מתאים במיוחד למצבי הריצה הבאים:

• תמונות: אפשר להמיר תמונות מ-App Bundle, מגלריית משתמש או ממערכת קבצים בפורמט UIImage של תמונות לאובייקט MPImage.

• סרטונים: כדאי להשתמש ב-AVAssetImageGenerator כדי לחלץ פריימים של סרטון לפורמט CGImage, ואז להמיר אותם לפורמט UIImage תמונות.

// 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)
    

// 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];
    

הדוגמה הזו מפעילה MPImage עם כיוון ברירת המחדל UIImage.Orientation.Up. אפשר לאתחל MPImage עם כל אחד מהערכים הנתמכים של UIImage.Orientation. בכלי לזיהוי תנועות אין תמיכה בכיוונים שמסתנכרנים בענן ובמחשב כמו .upMirrored, .downMirrored, .leftMirrored, .rightMirrored.

מידע נוסף על UIImage זמין במסמכי התיעוד למפתחים של UIImage למפתחים של Apple.

CVPixelBuffer

הפורמט CVPixelBuffer מתאים מאוד לאפליקציות שיוצרות פריימים ומשתמשים ב-CoreImage של iOS לעיבוד.

הפורמט CVPixelBuffer מתאים במיוחד למצבי הריצה הבאים:

• תמונות: אפליקציות שיוצרות תמונות CVPixelBuffer לאחר עיבוד מסוים באמצעות CoreImage framework של iOS, יכולות להישלח למזהה התנועות במצב הרצה של תמונה.

• סרטונים: אפשר להמיר פריימים של סרטונים לפורמט CVPixelBuffer לעיבוד, ואז לשלוח אותם למזהה התנועות במצב וידאו.

• בשידור חי: אפליקציות שמשתמשות במצלמת iOS כדי ליצור פריימים עשויות לעבור המרה לפורמט CVPixelBuffer לעיבוד, לפני שהן יישלחו למזהה התנועות במצב סטרימינג בשידור חי.

// 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)
    

// 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];
    

מידע נוסף על CVPixelBuffer זמין במסמכי התיעוד למפתחים של CVPixelBuffer Apple.

CMSampleBuffer

הפורמט CMSampleBuffer מאחסן דוגמאות מדיה של סוג מדיה אחיד, ומתאים במיוחד למצב ההפעלה של השידור החי. העברת פריימים בשידור חי ממצלמות iOS מסופקת באופן אסינכרוני בפורמט CMSampleBuffer באמצעות AVCaptureVideoDataOutput של iOS.

// 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)
    

// 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];
    

מידע נוסף על CMSampleBuffer זמין במסמכי התיעוד למפתחים של Apple ב-CMSampleBuffer.

מריצים את המשימה.

כדי להפעיל את מזהה התנועות, צריך להשתמש בשיטה recognize() שספציפית למצב הריצה שהוקצה:

• תמונת סטילס: recognize(image:)
• סרטון: recognize(videoFrame:timestampInMilliseconds:)
• צפייה בשידור חי: recognizeAsync(image:timestampInMilliseconds:)

דוגמאות הקוד הבאות מציגות דוגמאות בסיסיות להפעלת מזהה התנועות במצבי הריצה השונים:

Swift

let result = try gestureRecognizer.recognize(image: image)
    

let result = try gestureRecognizer.recognize(
  videoFrame: image,
  timestampInMilliseconds: timestamp)
    

try gestureRecognizer.recognizeAsync(
  image: image,
  timestampInMilliseconds: timestamp)
    

Objective-C

  MPPGestureRecognizerResult *result =
    [gestureRecognizer recognizeImage:mppImage
                                error:nil];
    

MPPGestureRecognizerResult *result =
  [gestureRecognizer recognizeVideoFrame:image
                 timestampInMilliseconds:timestamp
                                   error:nil];
    

BOOL success =
  [gestureRecognizer recognizeAsyncImage:image
                 timestampInMilliseconds:timestamp
                                   error:nil];
    

הקוד לדוגמה מאפשר למשתמשים לעבור בין מצבי עיבוד, שאולי לא נחוצים בתרחיש לדוגמה שלכם.

שימו לב לנקודות הבאות:

• כשמפעילים את מצב וידאו או בשידור חי, צריך לציין גם את חותמת הזמן של פריים הקלט למשימה של מזהה התנועות.

• כשמפעילים את מצב התמונה או הווידאו, המשימה של מזהה התנועות חוסמת את השרשור הנוכחי עד לסיום העיבוד של התמונה או המסגרת של הקלט. כדי למנוע את החסימה של ה-thread הנוכחי, צריך להפעיל את העיבוד ב-thread ברקע באמצעות Dispatch של iOS או NSOperation.

• במצב חי, המשימה של מזהה התנועות חוזרת מיידית ולא חוסמת את השרשור הנוכחי. אחרי העיבוד של כל פריים קלט, המערכת מפעילה את השיטה gestureRecognizer(_:didFinishRecognition:timestampInMilliseconds:error:) עם תוצאת זיהוי התנועה. מזהה התנועות מפעיל את השיטה הזו באופן אסינכרוני בתור ייעודי לשליחה טורית. כדי להציג תוצאות בממשק המשתמש, צריך לשלוח את התוצאות לתור הראשי אחרי עיבוד התוצאות. אם מתבצעת קריאה לפונקציה recognizeAsync כשהמשימה של מזהה התנועות עמוסה בעיבוד פריים אחר, מזהה התנועות מתעלם ממסגרת הקלט החדשה.

טיפול בתוצאות והצגתן

לאחר הרצה של מסקנות, המשימה של 'מזהה התנועות' מחזירה GestureRecognizerResult שמכיל ציוני דרך של ידיים בקואורדינטות של תמונות, ציוני דרך של ידיים בקואורדינטות בעולם, יד דומיננטית(יד שמאל/ימין) וקטגוריות של תנועות ידיים של הידיים שזוהו.

דוגמה לנתוני הפלט מהמשימה הזאת:

ה-GestureRecognizerResult שהתקבל מכיל ארבעה רכיבים, וכל רכיב הוא מערך, שבו כל רכיב מכיל את התוצאה שזוהתה של יד אחת שזוהתה.

• התאמה ליד הדומיננטית

  היד הדומיננטית מציינת אם הידיים שזוהו הן ידיים שמאליות או יד ימין.

• תנועות

  קטגוריות התנועות שזוהו של הידיים שזוהו.

• ציוני דרך

  יש 21 ציוני דרך לידיים, כל אחד מהם מורכב מקואורדינטות x, y ו-z. הקואורדינטות x ו-y מנורמלות ל-[0.0, 1.0] לפי הרוחב והגובה של התמונה, בהתאמה. הקואורדינטה z מייצגת את העומק של ציון הדרך, והעומק בפרק כף היד הוא המקור. ככל שהערך קטן יותר, כך היעד קרוב יותר למצלמה. העוצמה של z משתמשת בקנה מידה זהה לזה של x.

• אתרים חשובים בעולם

  גם ציוני הדרך עם 21 היד מוצגים בקואורדינטות בעולם. כל ציון דרך מורכב מ-x, מ-y ומ-z, ומייצגים קואורדינטות תלת-ממדיות בעולם האמיתי, במטרים, שהמקור שלהן נמצא במרכז הגאומטרי של כף היד.

GestureRecognizerResult:
  Handedness:
    Categories #0:
      index        : 0
      score        : 0.98396
      categoryName : Left
  Gestures:
    Categories #0:
      score        : 0.76893
      categoryName : Thumb_Up
  Landmarks:
    Landmark #0:
      x            : 0.638852
      y            : 0.671197
      z            : -3.41E-7
    Landmark #1:
      x            : 0.634599
      y            : 0.536441
      z            : -0.06984
    ... (21 landmarks for a hand)
  WorldLandmarks:
    Landmark #0:
      x            : 0.067485
      y            : 0.031084
      z            : 0.055223
    Landmark #1:
      x            : 0.063209
      y            : -0.00382
      z            : 0.020920
    ... (21 world landmarks for a hand)

בתמונות הבאות אפשר לראות המחשה של פלט המשימה: