Android용 손 랜드마크 감지 가이드

MediaPipe 손 랜드마크 작업자 작업을 사용하면 이미지에서 손의 랜드마크를 감지할 수 있습니다. 다음 안내는 Android 앱에서 손 랜드마크 도구를 사용하는 방법을 보여줍니다. 이 안내에 설명된 코드 샘플은 GitHub에서 제공됩니다.

이 태스크의 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.

코드 예시

MediaPipe 태스크 예시 코드는 Android용 손 랜드마크 앱을 간단하게 구현한 것입니다. 이 예에서는 실제 Android 기기의 카메라를 사용하여 손의 랜드마크를 연속적으로 감지하고, 기기 갤러리의 이미지와 동영상을 사용하여 손의 랜드마크를 정적으로 감지할 수도 있습니다.

이 앱을 자체 Android 앱의 시작점으로 사용하거나 기존 앱을 수정할 때 참고할 수 있습니다. Hand Landscapeer 예시 코드는 GitHub에 호스팅되어 있습니다.

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 체크아웃을 사용하도록 git 인스턴스를 구성하여 Hand Landscapeer 예시 앱용 파일만 만듭니다.

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

예시 코드의 로컬 버전을 만든 후 프로젝트를 Android 스튜디오로 가져와서 앱을 실행할 수 있습니다. 자세한 내용은 Android 설정 가이드를 참고하세요.

주요 구성요소

다음 파일에는 손 랜드마크 감지 예시 애플리케이션을 위한 중요한 코드가 포함되어 있습니다.

• HandLandmarkerHelper.kt - 손 랜드마크 감지기를 초기화하고 모델 및 대리자 선택을 처리합니다.
• MainActivity.kt - HandLandmarkerHelper 호출을 포함하여 애플리케이션을 구현합니다.

설정

이 섹션에서는 개발 환경 및 코드 프로젝트를 설정하여 Hand 글머리 기호를 사용하기 위한 주요 단계를 설명합니다. 플랫폼 버전 요구사항을 포함하여 MediaPipe 작업을 사용하기 위한 개발 환경 설정에 관한 일반적인 정보는 Android 설정 가이드를 참고하세요.

종속 항목

손 랜드마크 작업자 작업에서는 com.google.mediapipe:tasks-vision 라이브러리를 사용합니다. Android 앱의 build.gradle 파일에 이 종속 항목을 추가합니다.

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

모델

MediaPipe 손 랜드마크 작업자 작업에는 이 작업과 호환되는 학습된 모델 번들이 필요합니다. Hand Landscapeer에 사용 가능한 학습된 모델에 대한 자세한 내용은 모델 섹션 작업 개요를 참조하세요.

모델을 선택 및 다운로드한 후 프로젝트 디렉터리에 저장합니다.

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

ModelAssetPath 매개변수 내에 모델의 경로를 지정합니다. 예시 코드에서 모델은 HandLandmarkerHelper.kt 파일에 정의되어 있습니다.

baseOptionBuilder.setModelAssetPath(MP_HAND_LANDMARKER_TASK)

할 일 만들기

MediaPipe 손 랜드마크 작업자 작업에서는 createFromOptions() 함수를 사용하여 작업을 설정합니다. createFromOptions() 함수는 구성 옵션 값을 허용합니다. 구성 옵션에 대한 자세한 내용은 구성 옵션을 참고하세요.

손 랜드마크러는 정지 이미지, 동영상 파일, 라이브 스트림 등 3가지 입력 데이터 유형을 지원합니다. 작업을 만들 때 입력 데이터 유형에 해당하는 실행 모드를 지정해야 합니다. 작업을 만들고 추론을 실행하는 방법을 알아보려면 입력 데이터 유형에 해당하는 탭을 선택합니다.

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)
    

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)
    

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)
    

손 랜드마크er 코드 구현의 예를 통해 사용자는 처리 모드 간에 전환할 수 있습니다. 이 접근 방식은 작업 생성 코드를 더 복잡하게 만들고 사용 사례에 적합하지 않을 수 있습니다. HandLandmarkerHelper.kt 파일의 setupHandLandmarker() 함수에서 이 코드를 확인할 수 있습니다.

구성 옵션

이 작업에는 다음과 같은 Android 앱용 구성 옵션이 있습니다.

데이터 준비

Hand Distanceer는 이미지, 동영상 파일, 라이브 스트림 동영상과 함께 사용할 수 있습니다. 이 작업은 크기 조절, 회전, 값 정규화를 포함한 데이터 입력 전처리를 처리합니다.

다음 코드는 처리를 위해 데이터를 전달하는 방법을 보여줍니다. 이 샘플에는 이미지, 동영상 파일, 라이브 동영상 스트림의 데이터를 처리하는 방법에 관한 세부정보가 포함되어 있습니다.

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()
    

손 랜드마크er 예 코드에서는 데이터 준비가 HandLandmarkerHelper.kt 파일에서 처리됩니다.

작업 실행

작업 중인 데이터 유형에 따라 해당 데이터 유형에 맞는 HandLandmarker.detect...() 메서드를 사용합니다. 개별 이미지에는 detect()를, 동영상 파일의 프레임에는 detectForVideo()를, 동영상 스트림의 경우 detectAsync()를 사용합니다. 동영상 스트림에서 감지를 실행할 때는 사용자 인터페이스 스레드가 차단되지 않도록 별도의 스레드에서 감지를 실행해야 합니다.

다음 코드 샘플은 이러한 다양한 데이터 모드에서 손 랜드마크 도구를 실행하는 방법을 보여주는 간단한 예를 보여줍니다.

val result = handLandmarker?.detect(mpImage)
    

val timestampMs = i * inferenceIntervalMs

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

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

handLandmarker?.detectAsync(mpImage, frameTime)
    

다음에 유의하세요.

• 동영상 모드 또는 라이브 스트림 모드에서 실행하는 경우 입력 프레임의 타임스탬프도 손 랜드마크 작업에 제공해야 합니다.
• 이미지 또는 동영상 모드에서 실행되는 경우 손 랜드마크 도구 작업은 입력 이미지 또는 프레임 처리를 완료할 때까지 현재 스레드를 차단합니다. 사용자 인터페이스가 차단되지 않도록 하려면 백그라운드 스레드에서 처리를 실행합니다.
• 실시간 스트림 모드에서 실행 중인 경우 Hand Landscapeer 작업은 현재 스레드를 차단하지 않고 즉시 반환됩니다. 입력 프레임 처리가 완료될 때마다 감지 결과와 함께 결과 리스너를 호출합니다. 손 랜드마크 작업자 작업이 다른 프레임을 처리 중일 때 감지 함수가 호출되면 작업은 새 입력 프레임을 무시합니다.

손 랜드마크 예 코드 detect, detectForVideo 및 detectAsync 함수는 HandLandmarkerHelper.kt 파일에 정의되어 있습니다.

결과 처리 및 표시

손 랜드마크러는 각 감지 실행 시 손 랜드마크 결과 객체를 생성합니다. 결과 객체에는 이미지 좌표의 손 랜드마크, 세계 좌표의 손 랜드마크, 감지된 손의 잘 쓰는 손(왼쪽/오른손)이 포함됩니다.

다음은 이 작업의 출력 데이터 예를 보여줍니다.

HandLandmarkerResult 출력에는 세 가지 구성요소가 포함됩니다. 각 구성요소는 배열이며, 각 요소에는 감지된 손 하나에 대해 다음과 같은 결과가 포함됩니다.

• 잘 쓰는 손

  잘 쓰는 손은 감지된 손이 왼손인지 오른손인지를 나타냅니다.

• 명소

  21개의 손 랜드마크가 있으며 각각 x, y, z 좌표로 구성됩니다. x 및 y 좌표는 이미지 너비와 높이에 따라 각각 [0.0, 1.0] 으로 정규화됩니다. z 좌표는 랜드마크의 깊이를 나타내며 손목의 깊이가 원점입니다. 값이 작을수록 랜드마크가 카메라에 더 가까워집니다. z의 크기는 거의 x와 동일한 배율을 사용합니다.

• 세계의 명소

  21개의 손 모양 랜드마크도 세계 좌표로 표시됩니다. 각 랜드마크는 x, y, z로 구성되며, 실제 3D 좌표를 손의 기하학적 중심에 원점이 있는 미터 단위로 나타냅니다.

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)

다음 이미지는 작업 출력을 시각화한 것입니다.

손 랜드마크er 예시 코드는 작업에서 반환된 결과를 표시하는 방법을 보여줍니다. 자세한 내용은 OverlayView 클래스를 참고하세요.