Android 手部地標偵測指南

MediaPipe 地標工具工作可讓你偵測圖片中手部的地標。 以下操作說明將說明如何搭配 Android 應用程式使用手持地標工具。您可以前往 GitHub 取得這些操作說明中提及的程式碼範例。

如要進一步瞭解這項工作的功能、模型和設定選項,請參閱總覽

程式碼範例

MediaPipe Tasks 範例程式碼是適用於 Android 的簡易實作地標應用程式。這個範例使用實體 Android 裝置的相機持續偵測手部地標,也能使用裝置圖片庫中的圖片和影片,以靜態方式偵測手部地標。

您可以將該應用程式做為開發 Android 應用程式的起點,也可以在修改現有應用程式時參照。實作地標程式碼可在 GitHub 上代管。

下載程式碼

以下操作說明說明如何使用 git 指令列工具建立範例程式碼的本機副本。

如要下載範例程式碼,請按照下列步驟操作:

  1. 使用下列指令複製 Git 存放區:
    git clone https://github.com/google-ai-edge/mediapipe-samples
    
  2. 或者,您也可以設定 git 執行個體使用稀疏結帳功能,這樣您才會只有「Handmarker」範例應用程式的檔案:
    cd mediapipe
    git sparse-checkout init --cone
    git sparse-checkout set examples/hand_landmarker/android
    

建立範例程式碼的本機版本後,您可以將專案匯入 Android Studio 並執行應用程式。如需操作說明,請參閱「Android 設定指南」。

重要元件

下列檔案包含這個手部地標偵測範例應用程式的重要程式碼:

設定

本節說明設定開發環境及編寫程式碼專案的重要步驟,以便專供「手地標」使用。如需瞭解如何設定開發環境以使用 MediaPipe 工作 (包括平台版本需求),請參閱「Android 設定指南」。

依附元件

「Handmarker」工作會使用 com.google.mediapipe:tasks-vision 程式庫。將此依附元件新增至 Android 應用程式的 build.gradle 檔案:

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

型號

MediaPipe Litroner 工作需要經過訓練且與這項工作相容的模型組合。如要進一步瞭解「手寫地標」可用的已訓練模型,請參閱工作總覽「模型」一節

選取並下載模型,並儲存在專案目錄中:

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

ModelAssetPath 參數中指定模型的路徑。在這個範例程式碼中,模型會在 HandLandmarkerHelper.kt 檔案中定義:

baseOptionBuilder.setModelAssetPath(MP_HAND_LANDMARKER_TASK)

建立工作

MediaPipe Put Lander 工作會使用 createFromOptions() 函式設定工作。createFromOptions() 函式可接受設定選項的值。如要進一步瞭解設定選項,請參閱「設定選項」一文。

「手寫地標」支援 3 種輸入資料類型:靜態圖片、影片檔案和直播。您在建立工作時,需要指定與輸入資料類型相對應的執行模式。請選擇與輸入資料類型對應的分頁,瞭解如何建立工作並執行推論。

圖片

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

val optionsBuilder =
    HandLandmarker.HandLandmarkerOptions.builder()
        .setBaseOptions(baseOptions)
        .setMinHandDetectionConfidence(minHandDetectionConfidence)
        .setMinTrackingConfidence(minHandTrackingConfidence)
        .setMinHandPresenceConfidence(minHandPresenceConfidence)
        .setNumHands(maxNumHands)
        .setRunningMode(RunningMode.IMAGE)

val options = optionsBuilder.build()

handLandmarker =
    HandLandmarker.createFromOptions(context, options)
    

影片

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

val optionsBuilder =
    HandLandmarker.HandLandmarkerOptions.builder()
        .setBaseOptions(baseOptions)
        .setMinHandDetectionConfidence(minHandDetectionConfidence)
        .setMinTrackingConfidence(minHandTrackingConfidence)
        .setMinHandPresenceConfidence(minHandPresenceConfidence)
        .setNumHands(maxNumHands)
        .setRunningMode(RunningMode.VIDEO)

val options = optionsBuilder.build()

handLandmarker =
    HandLandmarker.createFromOptions(context, options)
    

直播

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

val optionsBuilder =
    HandLandmarker.HandLandmarkerOptions.builder()
        .setBaseOptions(baseOptions)
        .setMinHandDetectionConfidence(minHandDetectionConfidence)
        .setMinTrackingConfidence(minHandTrackingConfidence)
        .setMinHandPresenceConfidence(minHandPresenceConfidence)
        .setNumHands(maxNumHands)
        .setResultListener(this::returnLivestreamResult)
        .setErrorListener(this::returnLivestreamError)
        .setRunningMode(RunningMode.VIDEO)

val options = optionsBuilder.build()

handLandmarker =
    HandLandmarker.createFromOptions(context, options)
    

「Handmarker」程式碼範例實作可讓使用者切換處理模式。這種做法會讓工作建立程式碼變得更加複雜,並且可能不適合您的用途。您可以在 HandLandmarkerHelper.kt 檔案的 setupHandLandmarker() 函式中看到此程式碼。

設定選項

這項工作的 Android 應用程式設定選項如下:

選項名稱 說明 值範圍 預設值
runningMode 設定工作的執行模式。共有三種模式:

IMAGE:單一圖片輸入的模式。

影片:影片已解碼影格的模式。

LIVE_STREAM:輸入資料串流 (例如攝影機) 的直播模式。在這個模式下,必須呼叫 resultListener 才能設定事件監聽器,以非同步方式接收結果。
{IMAGE, VIDEO, LIVE_STREAM} IMAGE
numHands 手部地標偵測器偵測到的手數量上限。 Any integer > 0 1
minHandDetectionConfidence 在手掌偵測模型中,系統判定手部偵測成功的最低信心分數。 0.0 - 1.0 0.5
minHandPresenceConfidence 在手部地標偵測模型中,手持狀態分數的最低可信度分數。在影片模式和直播模式下,如果手持位置標記模型的信心分數低於這個門檻,手寫地標就會觸發手掌偵測模型。否則,為了後續的地標偵測,系統會透過輕量追蹤演算法判斷手部的位置。 0.0 - 1.0 0.5
minTrackingConfidence 系統判定手機追蹤成功時的最低可信度分數。這是目前影格和最後一個影格之間的定界框 IoU 門檻。在影片模式和手持地標的「串流」模式中,如果追蹤失敗,手地標就會觸發手部偵測。否則,會略過手部偵測。 0.0 - 1.0 0.5
resultListener 設定結果監聽器,在手標位置處於直播模式時,以非同步方式接收偵測結果。只有在執行模式設為 LIVE_STREAM 時適用 不適用 不適用
errorListener 設定選用的錯誤事件監聽器。 不適用 不適用

準備資料

手地標工地支援圖片、影片檔案和直播影片。工作會處理資料輸入的預先處理作業,包括調整大小、旋轉和值正規化。

以下程式碼示範如何傳送資料以進行處理。這些範例包含如何處理圖片、影片檔案和直播影片串流的資料。

圖片

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()
    

影片

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()
    

直播

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()
    

在手寫地標範例程式碼中,HandLandmarkerHelper.kt 檔案會處理資料準備。

執行工作

視處理的資料類型而定,請使用該資料類型專屬的 HandLandmarker.detect...() 方法。針對個別圖片使用 detect()detectForVideo() 用於影片檔案中的影格,detectAsync() 用於影片串流。在影片串流中執行偵測時,請務必在另一個執行緒上執行偵測,以免封鎖使用者介面執行緒。

以下程式碼範例顯示如何在不同資料模式下執行「手稱地標」的簡易範例:

圖片

val result = handLandmarker?.detect(mpImage)
    

影片

val timestampMs = i * inferenceIntervalMs

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

直播

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

handLandmarker?.detectAsync(mpImage, frameTime)
    

注意事項:

  • 以影片模式或直播模式執行時,您也必須為手地標工作提供輸入影格的時間戳記。
  • 在圖片或影片模式中執行時,「手置地標」工作會封鎖目前的執行緒,直到處理完成輸入圖片或影格為止。如要避免封鎖使用者介面,請在背景執行緒中執行處理作業。
  • 以直播模式執行時,「手持地標」工作不會封鎖目前的執行緒,但會立即傳回。每當它處理完輸入影格時,就會透過偵測結果叫用結果監聽器。如果手地標工作正在忙於處理另一個影格時呼叫偵測功能,則任務會忽略新的輸入影格。

《Handmarker》範例程式碼中定義了 detectdetectForVideodetectAsync 函式,如 HandLandmarkerHelper.kt 檔案所示。

處理並顯示結果

手寫地標會每次執行偵測時,都會產生手部地標結果物件。結果物件包含圖片座標中的手繪地標、世界座標中的手地標,以及偵測到的手掌(左/右手)。

以下為這項工作的輸出資料範例:

HandLandmarkerResult 輸出內容包含三個元件。每個元件都是陣列,其中每個元素都包含下列偵測到的單一手結果:

  • 慣用手設計

    慣用手是指偵測到的手是左手還是右手。

  • 地標

    有 21 個手部地標,每個地標由 xyz 座標組成。xy 座標會分別根據圖片寬度和高度正規化為 [0.0, 1.0]。z 座標代表地標深度,手腕的深度為起點。值越小,地標與相機越近。z 的規模與 x 大致相同。

  • 世界著名地標

    21 隻手的地標也會顯示在世界座標中。每個地標都由 xyz 組成,代表實際的 3D 座標 (以公尺為單位),其起點位於手的幾何中心。

HandLandmarkerResult:
  Handedness:
    Categories #0:
      index        : 0
      score        : 0.98396
      categoryName : Left
  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)

下圖以視覺化方式呈現工作輸出內容:

「Handmarker」範例程式碼會示範如何顯示工作傳回的結果,詳情請參閱 OverlayView 類別。