Com a tarefa MediaPipe Hand Pointser, você pode detectar os pontos de referência dos mãos em uma imagem. Estas instruções mostram como usar o ponto de referência de mão com aplicativos iOS. O exemplo de código descrito nestas instruções está disponível no GitHub.
Para mais informações sobre os recursos, modelos e opções de configuração dessa tarefa, consulte a Visão geral.
Exemplo de código
O código de exemplo do MediaPipe Tasks é uma implementação básica de um app Hand Markdown para iOS. No exemplo, a câmera de um dispositivo iOS físico é usada para detectar pontos de referência manuais em um stream de vídeo contínuo. O app também pode detectar pontos de referência em imagens e vídeos na galeria de dispositivos.
Use o app como ponto de partida para seu próprio app iOS ou consulte-o ao modificar um app atual. O código de exemplo do Hand extras está hospedado no GitHub (em inglês).
Fazer o download do código
As instruções a seguir mostram como criar uma cópia local do código de exemplo usando a ferramenta de linha de comando git.
Para fazer o download do código de exemplo:
Clone o repositório git usando o seguinte comando:
git clone https://github.com/google-ai-edge/mediapipe-samples
Como opção, configure sua instância git para usar a finalização da compra esparsa para que você tenha apenas os arquivos do app de exemplo Hand Markdown:
cd mediapipe git sparse-checkout init --cone git sparse-checkout set examples/hand_landmarker/ios/
Depois de criar uma versão local do código de exemplo, você poderá instalar a biblioteca de tarefas do MediaPipe, abrir o projeto usando o Xcode e executar o app. Para instruções, consulte o Guia de configuração para iOS.
Principais componentes
Os arquivos a seguir contêm o código essencial para o aplicativo de exemplo Hand Markdown (em inglês):
- HandLandmarkerService.swift (em inglês): inicializa o Hand Pointser, processa a seleção do modelo e executa a inferência nos dados de entrada.
- CameraViewController.swift: implementa a interface para o modo de entrada do feed da câmera em tempo real e visualiza os resultados.
- MediaLibraryViewController.swift: implementa a IU para o modo de entrada de arquivo de imagem estática e vídeo e visualiza os resultados.
Configuração
Nesta seção, descrevemos as principais etapas para configurar seu ambiente de desenvolvimento e projetos de código para usar o Hand Markdowner. Para informações gerais sobre a configuração do ambiente de desenvolvimento para usar tarefas do MediaPipe, incluindo requisitos de versão da plataforma, consulte o Guia de configuração para iOS.
Dependências
O Hand Markdown usa a biblioteca MediaPipeTasksVision
, que precisa ser instalada
usando CocoaPods. A biblioteca é compatível com apps Swift e Objective-C
e não requer nenhuma configuração específica da linguagem.
Para instruções sobre como instalar o CocoaPods no macOS, consulte o guia de instalação
do CocoaPods.
Para instruções sobre como criar um Podfile
com os pods necessários para o aplicativo, consulte Como usar o CocoaPods.
Adicione o pod do MediaPipeTasksVision no Podfile
usando o seguinte código:
target 'MyHandLandmarkerApp' do
use_frameworks!
pod 'MediaPipeTasksVision'
end
Se o app incluir destinos de teste de unidade, consulte o Guia de configuração para
iOS para mais informações sobre como configurar
o Podfile
.
Modelo
A tarefa do MediaPipe Hand Pointser requer um modelo treinado compatível com ela. Para mais informações sobre os modelos treinados disponíveis para o Hand Pointser, consulte a seção Modelos de visão geral da tarefa.
Selecione e faça o download de um modelo e adicione-o ao diretório do projeto usando o Xcode. Para instruções sobre como adicionar arquivos ao projeto do Xcode, consulte Gerenciar arquivos e pastas no projeto do Xcode.
Use a propriedade BaseOptions.modelAssetPath
para especificar o caminho para o modelo
no seu pacote de apps. Confira um exemplo de código na próxima seção.
Criar a tarefa
É possível criar a tarefa Hand Markdown chamando um dos inicializadores dela. O inicializador HandLandmarker(options:)
aceita valores para as opções de configuração.
Se você não precisa de um ponto de referência manual inicializado com opções de configuração
personalizadas, é possível usar o inicializador HandLandmarker(modelPath:)
para criar um
marcador de mão com as opções padrão. Para mais informações sobre as opções
de configuração, consulte Visão geral da configuração.
A tarefa "Ponto de referência" oferece suporte a três tipos de dados de entrada: imagens estáticas, arquivos de vídeo
e streams de vídeo ao vivo. Por padrão, HandLandmarker(modelPath:)
inicializa uma tarefa para imagens estáticas. Se você quiser que sua tarefa seja inicializada para processar arquivos
de vídeo ou streams de vídeo ao vivo, use HandLandmarker(options:)
para especificar o modo
de execução de vídeo ou transmissão ao vivo. O modo de transmissão ao vivo também requer a opção de configuração
handLandmarkerLiveStreamDelegate
extra, que permite que o
Marcador de mão envie resultados do ponto de referência manual para o delegado de forma assíncrona.
Escolha a guia correspondente ao seu modo de execução para saber como criar a tarefa e executar a inferência.
Swift
Imagem
import MediaPipeTasksVision let modelPath = Bundle.main.path(forResource: "hand_landmarker", ofType: "task") let options = HandLandmarkerOptions() options.baseOptions.modelAssetPath = modelPath options.runningMode = .image options.minHandDetectionConfidence = minHandDetectionConfidence options.minHandPresenceConfidence = minHandPresenceConfidence options.minTrackingConfidence = minHandTrackingConfidence options.numHands = numHands let handLandmarker = try HandLandmarker(options: options)
Video
import MediaPipeTasksVision let modelPath = Bundle.main.path(forResource: "hand_landmarker", ofType: "task") let options = HandLandmarkerOptions() options.baseOptions.modelAssetPath = modelPath options.runningMode = .video options.minHandDetectionConfidence = minHandDetectionConfidence options.minHandPresenceConfidence = minHandPresenceConfidence options.minTrackingConfidence = minHandTrackingConfidence options.numHands = numHands let handLandmarker = try HandLandmarker(options: options)
Transmissões ao vivo
import MediaPipeTasksVision // Class that conforms to the `HandLandmarkerLiveStreamDelegate` protocol and // implements the method that the hand landmarker calls once it finishes // performing landmarks detection in each input frame. class HandLandmarkerResultProcessor: NSObject, HandLandmarkerLiveStreamDelegate { func handLandmarker( _ handLandmarker: HandLandmarker, didFinishDetection result: HandLandmarkerResult?, timestampInMilliseconds: Int, error: Error?) { // Process the hand landmarker result or errors here. } } let modelPath = Bundle.main.path( forResource: "hand_landmarker", ofType: "task") let options = HandLandmarkerOptions() 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 `handLandmarkerLiveStreamDelegate` // property. let processor = HandLandmarkerResultProcessor() options.handLandmarkerLiveStreamDelegate = processor let handLandmarker = try HandLandmarker(options: options)
Objective-C
Imagem
@import MediaPipeTasksVision; NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"hand_landmarker" ofType:@"task"]; MPPHandLandmarkerOptions *options = [[MPPHandLandmarkerOptions alloc] init]; options.baseOptions.modelAssetPath = modelPath; options.runningMode = MPPRunningModeImage; options.minHandDetectionConfidence = minHandDetectionConfidence; options.minHandPresenceConfidence = minHandPresenceConfidence; options.minTrackingConfidence = minHandTrackingConfidence; options.numHands = numHands; MPPHandLandmarker *handLandmarker = [[MPPHandLandmarker alloc] initWithOptions:options error:nil];
Video
@import MediaPipeTasksVision; NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"hand_landmarker" ofType:@"task"]; MPPHandLandmarkerOptions *options = [[MPPHandLandmarkerOptions alloc] init]; options.baseOptions.modelAssetPath = modelPath; options.runningMode = MPPRunningModeVideo; options.minHandDetectionConfidence = minHandDetectionConfidence; options.minHandPresenceConfidence = minHandPresenceConfidence; options.minTrackingConfidence = minHandTrackingConfidence; options.numHands = numHands; MPPHandLandmarker *handLandmarker = [[MPPHandLandmarker alloc] initWithOptions:options error:nil];
Transmissões ao vivo
@import MediaPipeTasksVision; // Class that conforms to the `MPPHandLandmarkerLiveStreamDelegate` protocol // and implements the method that the hand landmarker calls once it finishes // performing landmarks detection in each input frame. @interface APPHandLandmarkerResultProcessor : NSObject@end @implementation APPHandLandmarkerResultProcessor - (void)handLandmarker:(MPPHandLandmarker *)handLandmarker didFinishDetectionWithResult:(MPPHandLandmarkerResult *)handLandmarkerResult timestampInMilliseconds:(NSInteger)timestampInMilliseconds error:(NSError *)error { // Process the hand landmarker result or errors here. } @end NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"hand_landmarker" ofType:@"task"]; MPPHandLandmarkerOptions *options = [[MPPHandLandmarkerOptions 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 `handLandmarkerLiveStreamDelegate` // property. APPHandLandmarkerResultProcessor *processor = [APPHandLandmarkerResultProcessor new]; options.handLandmarkerLiveStreamDelegate = processor; MPPHandLandmarker *handLandmarker = [[MPPHandLandmarker alloc] initWithOptions:options error:nil];
Opções de configuração
Esta tarefa tem as seguintes opções de configuração para apps iOS:
Nome da opção | Descrição | Intervalo de valor | Valor padrão |
---|---|---|---|
running_mode |
Define o modo de execução da tarefa. Há três
modos: IMAGE: o modo para entradas de imagem única. VIDEO: o modo para frames decodificados de um vídeo. LIVE_STREAM: é o modo para uma transmissão ao vivo de dados de entrada, como de uma câmera. Nesse modo, o resultListener precisa ser chamado para configurar um listener para receber resultados de forma assíncrona. Nesse modo, handLandmarkerLiveStreamDelegate precisa ser definido como uma instância de uma classe que implementa HandLandmarkerLiveStreamDelegate para receber os resultados da detecção de pontos de referência de ponteiro de forma assíncrona.
|
{RunningMode.image, RunningMode.video, RunningMode.liveStream } |
RunningMode.image |
numHands |
O número máximo de ponteiros detectados pelo detector de pontos de referência de mão. | Any integer > 0 |
1 |
minHandDetectionConfidence |
A pontuação de confiança mínima para que a detecção da mão seja considerada bem-sucedida no modelo de detecção de palma. | 0.0 - 1.0 |
0.5 |
minHandPresenceConfidence |
A pontuação de confiança mínima para a pontuação de presença da mão no modelo de detecção de pontos de referência da mão. No modo de vídeo e no modo de transmissão ao vivo, se a pontuação de confiança de presença da mão do modelo de ponto de referência da mão estiver abaixo desse limite, o Hand Markdown vai acionar o modelo de detecção de palma. Caso contrário, um algoritmo leve de rastreamento de mãos determina a localização das mãos para detecções subsequentes de pontos de referência. | 0.0 - 1.0 |
0.5 |
minTrackingConfidence |
A pontuação de confiança mínima para que o rastreamento da mão seja considerado bem-sucedido. Este é o limite de IoU da caixa delimitadora entre ponteiros no frame atual e no último frame. Nos modos de vídeo e de stream do Hand Markdown, se o rastreamento falhar, o Hand Markdown vai acionar a detecção da mão. Caso contrário, a detecção da mão será ignorada. | 0.0 - 1.0 |
0.5 |
result_listener |
Define o listener de resultado para receber os resultados de detecção
de forma assíncrona quando o ponto de referência da mão está no modo de transmissão ao vivo.
Aplicável apenas quando o modo de corrida está definido como LIVE_STREAM |
N/A | N/A |
Quando o modo de execução está definido para transmissão ao vivo, o Hand Markdown requer a
opção extra de configuração handLandmarkerLiveStreamDelegate
, que
permite que ele forneça resultados de detecção de pontos de referência
de forma assíncrona. O delegado precisa implementar o método
handLandmarker(_:didFinishDetection:timestampInMilliseconds:error:)
,
que o ponto de referência da mão chama depois de processar os resultados da detecção de pontos de referência
de ponteiro para cada frame.
Nome da opção | Descrição | Intervalo de valor | Valor padrão |
---|---|---|---|
handLandmarkerLiveStreamDelegate |
Permite que o Hand Markdown receba os resultados da detecção de pontos de referência em ponteiro de forma assíncrona no modo de transmissão ao vivo. A classe com instância definida para essa propriedade precisa implementar o método handLandmarker(_:didFinishDetection:timestampInMilliseconds:error:) . |
Não relevante | Não definido |
preparar dados
É necessário converter a imagem de entrada ou o frame em um objeto MPImage
antes
de transmiti-lo ao ponto de referência da mão. O MPImage
é compatível com diferentes tipos de formatos de imagem do iOS e pode usá-los em qualquer modo de execução para inferência. Para mais
informações sobre MPImage
, consulte a
API MPImage.
Escolha um formato de imagem do iOS com base no seu caso de uso e no modo de execução exigido pelo
aplicativo.MPImage
aceita os formatos de imagem UIImage
, CVPixelBuffer
e
CMSampleBuffer
do iOS.
UIImage
O formato UIImage
é adequado para os seguintes modos de execução:
Imagens: imagens de um pacote de apps, da galeria do usuário ou do sistema de arquivos formatadas como imagens
UIImage
podem ser convertidas em um objetoMPImage
.Vídeos: use o AVAssetImageGenerator para extrair frames de vídeo para o formato CGImage e convertê-los em imagens
UIImage
.
Swift
// 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)
Objective-C
// 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];
O exemplo inicializa um MPImage
com a orientação
UIImage.Orientation.Up
padrão. É possível inicializar um MPImage
com qualquer um dos valores
UIImage.Orientation
compatíveis. O ponto de referência de mão não oferece suporte a orientações espelhadas, como .upMirrored
, .downMirrored
, .leftMirrored
e .rightMirrored
.
Para mais informações sobre o UIImage
, consulte a documentação do desenvolvedor da Apple UIImage.
CVPixelBuffer
O formato CVPixelBuffer
é adequado para aplicativos que geram frames e usam o framework CoreImage do iOS para processamento.
O formato CVPixelBuffer
é adequado para os seguintes modos de execução:
Imagens: apps que geram imagens
CVPixelBuffer
após algum processamento usando o frameworkCoreImage
do iOS podem ser enviados ao Hand Markdown no modo de execução de imagens.Vídeos: os frames de vídeo podem ser convertidos para o formato
CVPixelBuffer
para processamento e, em seguida, enviados para o Marcador de mão no modo de vídeo.transmissão ao vivo: os apps que usam a câmera do iOS para gerar frames podem ser convertidos no formato
CVPixelBuffer
para processamento antes de serem enviados ao Marcador de mão no modo de transmissão ao vivo.
Swift
// 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)
Objective-C
// 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];
Para mais informações sobre o CVPixelBuffer
, consulte a Documentação do desenvolvedor da Apple CVPixelBuffer (em inglês).
CMSampleBuffer
O formato CMSampleBuffer
armazena amostras de mídia de um tipo uniforme e é
adequado para o modo de execução de transmissão ao vivo. Os frames ativos de câmeras do iOS são
enviados de forma assíncrona no formato CMSampleBuffer
pelo
AVCaptureVideoDataOutput do iOS.
Swift
// 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)
Objective-C
// 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];
Para mais informações sobre CMSampleBuffer
, consulte a documentação do desenvolvedor da Apple
CMSampleBuffer (em inglês).
Executar a tarefa
Para executar o ponto de referência de mão, use o método detect()
específico do modo de corrida
atribuído:
- Imagem estática:
detect(image:)
- Vídeo:
detect(videoFrame:timestampInMilliseconds:)
- Transmissão ao vivo:
detectAsync(image:timestampInMilliseconds:)
Swift
Imagem
let result = try handLandmarker.detect(image: image)
Video
let result = try handLandmarker.detect( videoFrame: image, timestampInMilliseconds: timestamp)
Transmissões ao vivo
try handLandmarker.detectAsync( image: image, timestampInMilliseconds: timestamp)
Objective-C
Imagem
MPPHandLandmarkerResult *result = [handLandmarker detectInImage:image error:nil];
Video
MPPHandLandmarkerResult *result = [handLandmarker detectInVideoFrame:image timestampInMilliseconds:timestamp error:nil];
Transmissões ao vivo
BOOL success = [handLandmarker detectAsyncInImage:image timestampInMilliseconds:timestamp error:nil];
O exemplo de código do Hand Markdown mostra as implementações de cada um desses modos com mais detalhes. O código de exemplo permite que o usuário alterne entre os modos de processamento, o que pode não ser necessário para seu caso de uso.
Observe o seguinte:
Ao executar no modo de vídeo ou de transmissão ao vivo, você também precisa fornecer o carimbo de data/hora do frame de entrada para a tarefa "Hand Markdowner".
Quando executada no modo de imagem ou vídeo, a tarefa "Ponto de referência manual" bloqueia a linha de execução atual até terminar de processar a imagem ou o frame de entrada. Para evitar o bloqueio da linha de execução atual, execute o processamento em uma linha de execução em segundo plano usando os frameworks Dispatch ou NSOperation do iOS.
Quando a tarefa é executada no modo de transmissão ao vivo, a tarefa "hand Markdowner" é retornada imediatamente e não bloqueia a linha de execução atual. Ele invoca o método
handLandmarker(_:didFinishDetection:timestampInMilliseconds:error:)
com o resultado do ponto de referência da mão após o processamento de cada frame de entrada. O Hand extras invoca esse método de forma assíncrona em uma fila de envio em série dedicada. Para exibir resultados na interface do usuário, envie os resultados para a fila principal depois de processá-los. Se a funçãodetectAsync
for chamada quando a tarefa manual estiver ocupada processando outro frame, o ponto de referência vai ignorar o novo frame de entrada.
Gerenciar e mostrar resultados
Ao executar a inferência, a tarefa "Handário do ponto de referência" retorna um HandLandmarkerResult
que contém pontos de referência de mão em coordenadas de imagem, pontos de referência em coordenadas mundiais
e mão direita(esquerda/direita) das mãos detectadas.
Veja a seguir um exemplo dos dados de saída dessa tarefa:
A saída HandLandmarkerResult
contém três componentes. Cada componente é uma matriz, em que cada elemento contém os seguintes resultados para um único ponteiro detectado:
Mão
A mão dominante representa se as mãos detectadas são esquerdas ou direitas.
Pontos de referência
Há 21 pontos de referência, cada um composto pelas coordenadas
x
,y
ez
. As coordenadasx
ey
são normalizadas para [0.0, 1.0] de acordo com a largura e a altura da imagem, respectivamente. A coordenadaz
representa a profundidade do ponto de referência, sendo a profundidade no pulso a origem. Quanto menor o valor, mais perto o ponto de referência estará da câmera. A magnitude dez
usa aproximadamente a mesma escala dex
.Marcos mundiais
Os pontos de referência de 21 ponteiros também são apresentados em coordenadas mundiais. Cada ponto de referência é composto por
x
,y
ez
, representando coordenadas 3D reais em metros, com a origem no centro geométrico do ponteiro.
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)
A imagem abaixo mostra uma visualização da saída da tarefa: