Android용 손 랜드마크 감지 가이드

MediaPipe 손 랜드마크 작업을 사용하면 이미지에서 손의 랜드마크를 감지할 수 있습니다. 다음 안내는 Android 앱에서 손 랜드마크를 사용하는 방법을 보여줍니다. 이 코드 샘플은 GitHub

기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.

코드 예

MediaPipe 태스크 예시 코드는 핸드 랜드마크를 간단히 구현한 것입니다. Android용 앱인데요. 이 예에서는 실제 Android 기기의 카메라를 사용하여 손의 랜드마크를 지속적으로 감지하고 기기 갤러리를 사용하여 손의 랜드마크를 정적으로 감지합니다.

이 앱을 자체 Android 앱의 시작점으로 사용하거나 참조할 수 있습니다. 기존 앱을 수정할 때 Hand TRADEMARKer 예제 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 구성합니다. 따라서 Hand TRADEMARKer 예시 앱의 파일만 있습니다.

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

예시 코드의 로컬 버전을 만든 후 프로젝트를 가져올 수 있습니다. Android 스튜디오로 이동하여 앱을 실행합니다. 지침은 다음을 확인하세요. Android 설정 가이드

주요 구성요소

다음 파일에는 이 손 랜드마크에 대한 중요 코드가 포함되어 있습니다. 감지 예시 애플리케이션:

• HandLandmarkerHelper.kt: 손 랜드마크 인식기를 초기화하고 모델과 위임을 처리합니다. 선택합니다.
• MainActivity.kt: HandLandmarkerHelper 호출을 포함하여 애플리케이션을 구현합니다.

설정

이 섹션에서는 개발 환경을 설정하는 주요 단계를 설명하고 코드 프로젝트를 사용해 보세요. 일반적인 정보 다음과 같은 MediaPipe 작업을 사용하기 위한 개발 환경 설정 자세한 내용은 Android 설정 가이드

종속 항목

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

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

모델

MediaPipe Hand TRADEMARKer 작업을 수행하려면 Google Cloud 제품과 호환되는 학습된 모델 번들이 필요합니다. 확인할 수 있습니다 Hand TRADEMARKer에서 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. 예시 코드 모델이 HandLandmarkerHelper.kt에 정의되어 있습니다. 파일:

baseOptionBuilder.setModelAssetPath(MP_HAND_LANDMARKER_TASK)

할 일 만들기

MediaPipe Hand TRADEMARKer 작업은 createFromOptions() 함수를 사용하여 태스크에 맞추는 것입니다. createFromOptions() 함수는 구성 값을 허용합니다. 있습니다. 구성 옵션에 대한 자세한 내용은 다음을 참조하세요. 구성 옵션.

Hand TRADEMARKer는 스틸 이미지, 동영상 파일, 라이브 스트림 해당하는 실행 모드를 지정해야 합니다. 데이터 유형을 입력해야 합니다 해당하는 탭을 선택합니다. 데이터 유형을 입력하여 작업을 만들고 추론을 실행하는 방법을 알아봅니다.

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)
    

Hand TRADEMARKer 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 setupHandLandmarker() 함수를 HandLandmarkerHelper.kt 파일에서 참조됩니다.

구성 옵션

이 작업에는 Android 앱을 위한 다음과 같은 구성 옵션이 있습니다.

데이터 준비

Hand Shadower는 이미지, 동영상 파일, 라이브 스트림 동영상을 지원합니다. 작업 크기 조절, 회전, 값 등 데이터 입력 전처리를 처리합니다. 정규화를 사용합니다.

다음 코드는 처리를 위해 데이터를 전달하는 방법을 보여줍니다. 논문 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()
    

Hand TRADEMARKer 예제 코드의 경우 데이터 준비는 HandLandmarkerHelper.kt 드림 파일에서 참조됩니다.

작업 실행

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

다음 코드 샘플은 Hand TRADEMARKer를 실행하는 방법에 대한 간단한 예를 보여줍니다. 두 가지 옵션이 있습니다.

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 수동 랜드마크 작업에 입력 프레임의 타임스탬프를 제공해야 합니다.
• 이미지 또는 동영상 모드에서 실행하는 경우 손 랜드마크 작업자 작업은 입력 이미지 처리가 완료될 때까지 현재 스레드를 차단하거나 있습니다. 사용자 인터페이스가 차단되는 것을 방지하려면 백그라운드 스레드에 한합니다.
• 라이브 스트림 모드에서 실행할 때 손 랜드마크 작업에서는 차단되지 않습니다. 즉시 반환됩니다. 그것의 결과를 호출합니다. 탐지 결과 처리를 완료할 때마다 해당 리스너가 탐지 결과를 입력 프레임에 연결됩니다. 손 랜드마크 작업 실행 시 감지 기능이 호출되는 경우 다른 프레임을 처리 중인 경우 작업은 새 입력 프레임을 무시합니다.

Hand TRADEMARKer 예시 코드: detect, detectForVideo, detectAsync 함수는 HandLandmarkerHelper.kt 파일에서 참조됩니다.

결과 처리 및 표시

손 랜드마크는 각 감지 시 손 랜드마크 결과 객체를 생성합니다. 실행할 수 있습니다 결과 객체에는 이미지 좌표, 손 지역 좌표의 랜드마크, 그리고 감지된 손의 손 모양(왼손/오른손) 있습니다.

다음은 이 작업의 출력 데이터 예시를 보여줍니다.

HandLandmarkerResult 출력에는 세 가지 구성요소가 포함됩니다. 각 구성 요소는 배열이며, 각 요소에는 감지된 손 하나에 대한 다음과 같은 결과가 포함됩니다.

• 잘 쓰는 손

  잘 쓰는 손은 감지된 손이 왼손인지 오른손인지를 나타냅니다.

• 명소

  손 모양 랜드마크는 21개이며 각각 x, y, z 좌표로 구성됩니다. 이 x 및 y 좌표는 이미지 너비에 의해 [0.0, 1.0] 으로 정규화되고 각각 높이를 정합니다. z 좌표는 랜드마크 깊이를 나타내며 원점이 되는 손목의 깊이입니다. 값이 작을수록 카메라에 전달합니다. z의 크기는 x

• 세계의 명소

  21개의 손 모양 랜드마크도 세계 좌표로 표시됩니다. 각 랜드마크 x, y, z로 구성되며 이는 실제 3D 좌표를 나타냅니다. 미터를 이동할 수 있습니다.

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 랜드마크 기호 예제 코드는 자세히 알아보려면 OverlayView 드림 클래스를 참조하세요.