适用于 Android 的对象检测指南

通过对象检测器任务,您可以检测多个对象是否存在 对象的类别。例如,物体检测器可以定位 图片。以下说明介绍了如何在 Android。您可在 GitHub 查看此任务的实际运行情况: 网页演示。 如需详细了解功能、模型和配置选项 部分,请参阅概览

代码示例

MediaPipe Tasks 示例代码是对象检测器的简单实现 Android 版应用。该示例使用 Android 实体设备上的相机 持续检测物体,也可以使用来自物体的图片和视频, 设备图库来静态检测对象。

您可以用该应用作为基础来开发自己的 Android 应用,也可以指代该应用 对现有应用进行了修改。对象检测器示例代码托管在 GitHub

下载代码

以下说明介绍了如何创建示例的本地副本 使用 git 命令行工具运行 git 代码库。

<ph type="x-smartling-placeholder">

如需下载示例代码,请执行以下操作:

  1. 使用以下命令克隆 git 代码库:
    git clone https://github.com/google-ai-edge/mediapipe-samples
    
  2. (可选)将您的 Git 实例配置为使用稀疏检出, 这样您就只有对象检测器示例应用的文件:
    cd mediapipe
    git sparse-checkout init --cone
    git sparse-checkout set examples/object_detection/android
    

创建示例代码的本地版本后,您可以导入项目 进入 Android Studio 并运行应用。有关说明,请参阅 Android 版设置指南

关键组件

以下文件包含对象检测器的关键代码 示例应用:

设置

本部分介绍了设置开发环境和 代码项目使用 Object Detector。有关 设置开发环境以使用 MediaPipe 任务,包括 平台版本要求,请参阅 Android 版设置指南

<ph type="x-smartling-placeholder">

依赖项

对象检测器使用 com.google.mediapipe:tasks-vision 库。添加此项 依赖项的 build.gradle 文件 Android 应用开发项目。使用以下代码导入所需的依赖项: 以下代码:

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

型号

MediaPipe 对象检测器任务需要一个与此任务兼容的经过训练的模型 任务。如需详细了解对象检测器可用的经过训练的模型,请参阅 任务概览的“模型”部分

选择并下载模型,然后将其存储在项目目录中:

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

使用 BaseOptions.Builder.setModelAssetPath() 方法指定路径 模型所用的指标。如需查看代码示例,请参阅下一部分。

创建任务

您可以使用 createFromOptions 函数创建任务。通过 “createFromOptions”函数接受配置选项,包括正在运行的 模式、显示名称语言区域、结果数上限、置信度阈值 类别许可名单和拒绝名单如果未指定配置选项 系统将使用默认值如需详细了解配置选项 请参阅配置概览

对象检测器任务支持 3 种输入数据类型:静态图片、视频文件 和直播视频流您需要指定与 输入数据类型。选择与 输入数据类型,了解如何创建任务并运行推理。

映像

ObjectDetectorOptions options =
  ObjectDetectorOptions.builder()
    .setBaseOptions(BaseOptions.builder().setModelAssetPath(‘model.tflite’).build())
    .setRunningMode(RunningMode.IMAGE)
    .setMaxResults(5)
    .build();
objectDetector = ObjectDetector.createFromOptions(context, options);
    

视频

ObjectDetectorOptions options =
  ObjectDetectorOptions.builder()
    .setBaseOptions(BaseOptions.builder().setModelAssetPath(‘model.tflite’).build())
    .setRunningMode(RunningMode.VIDEO)
    .setMaxResults(5)
    .build();
objectDetector = ObjectDetector.createFromOptions(context, options);
    

直播

ObjectDetectorOptions options =
  ObjectDetectorOptions.builder()
    .setBaseOptions(BaseOptions.builder().setModelAssetPath(model.tflite).build())
    .setRunningMode(RunningMode.LIVE_STREAM)
    .setMaxResults(5)
    .setResultListener((result, inputImage) -> {
      // Process the detection result here.
    })
    .setErrorListener((result, inputImage) -> {
      // Process the classification errors here.
    })
   .build();
objectDetector = ObjectDetector.createFromOptions(context, options);
    

对象检测器示例代码实现可让用户在 处理模式这种方法使得任务创建代码更加复杂, 可能不适合您的用例。您可以在 ObjectDetectorHelpersetupObjectDetector() 函数。

配置选项

此任务具有以下适用于 Android 应用的配置选项:

选项名称 说明 值范围 默认值
runningMode 设置任务的运行模式。有三个 模式:

IMAGE:单图输入的模式。

VIDEO:视频已解码帧的模式。

LIVE_STREAM:输入流媒体直播模式 例如来自相机的数据。在此模式下,resultListener 必须为 调用以设置监听器以接收结果 异步执行。
{IMAGE, VIDEO, LIVE_STREAM} IMAGE
displayNamesLocales 设置要用于 任务模型的元数据(如果有)。默认值为 en, 英语。您可以向自定义模型的元数据中添加本地化标签 使用 TensorFlow Lite Metadata Writer API 语言区域代码 en
maxResults 将可选的最高评分检测结果数上限设置为 return。 任何正数 -1(返回所有结果)
scoreThreshold 设置预测分数阈值,以替换 模型元数据(如果有)。低于此值的结果将被拒绝。 任意浮点数 未设置
categoryAllowlist 设置允许的类别名称的可选列表。如果不为空, 类别名称未在此集合内的检测结果 已滤除。重复或未知的类别名称会被忽略。 此选项与 categoryDenylist 互斥,使用 都会导致错误。 任何字符串 未设置
categoryDenylist 设置不允许使用的类别名称的可选列表。如果 非空,则类别名称在此集中的检测结果将被滤除 。重复或未知的类别名称会被忽略。这个选项 categoryAllowlist 不包含,同时使用这两个元素会导致错误。 任何字符串 未设置
resultListener 设置结果监听器以接收检测结果 当对象检测器在直播中时异步执行 模式。只有在将 runningMode 设置为 LIVE_STREAM 时,才能使用此选项。 不适用 未设置

准备数据

您需要将输入图片或帧转换为 com.google.mediapipe.framework.image.MPImage 对象,然后再将其传递给 对象检测器。

以下示例解释并展示了如何准备数据以进行处理 每个可用数据类型:

映像

import com.google.mediapipe.framework.image.BitmapImageBuilder;
import com.google.mediapipe.framework.image.MPImage;

// Load an image on the users device as a Bitmap object using BitmapFactory.

// Convert an Androids Bitmap object to a MediaPipes Image object.
Image mpImage = new BitmapImageBuilder(bitmap).build();
    

视频

import com.google.mediapipe.framework.image.BitmapImageBuilder;
import com.google.mediapipe.framework.image.MPImage;

// Load a video file on the user's device using MediaMetadataRetriever

// From the videos metadata, load the METADATA_KEY_DURATION and
// METADATA_KEY_VIDEO_FRAME_COUNT values. Use these values
// to calculate the timestamp of each frame later.

// Loop through the video and load each frame as a Bitmap object.

// Convert the Androids Bitmap object to a MediaPipes Image object.
Image mpImage = new BitmapImageBuilder(frame).build();
    

直播

import com.google.mediapipe.framework.image.MediaImageBuilder;
import com.google.mediapipe.framework.image.MPImage;

// Create a CameraXs ImageAnalysis to continuously receive frames
// from the devices camera. Configure it to output frames in RGBA_8888
// format to match with what is required by the model.

// For each Androids ImageProxy object received from the ImageAnalysis,
// extract the encapsulated Androids Image object and convert it to
// a MediaPipes Image object.
android.media.Image mediaImage = imageProxy.getImage()
MPImage mpImage = new MediaImageBuilder(mediaImage).build();
    

在对象检测器示例代码中,数据准备在 ObjectDetectorHelper detectImage()detectVideoFile()detectLivestreamFrame() 内的类 函数。

运行任务

根据您处理的数据类型,使用 ObjectDetector.detect...() 方法。使用 detect(),适用于单个图片; detectForVideo()(针对视频文件中的帧)和 detectAsync() 适用于视频流。当您在 Google Analytics 4 上 则务必在单独的线程中运行检测, 阻塞用户界面线程

以下代码示例展示了如何运行对象检测器的简单示例 数据模式:

映像

ObjectDetectorResult detectionResult = objectDetector.detect(image);
    

视频

// Calculate the timestamp in milliseconds of the current frame.
long frame_timestamp_ms = 1000 * video_duration * frame_index / frame_count;

// Run inference on the frame.
ObjectDetectorResult detectionResult =
    objectDetector.detectForVideo(image, frameTimestampMs);
    

直播

// Run inference on the frame. The detection results will be available
// via the `resultListener` provided in the `ObjectDetectorOptions` when
// the object detector was created.
objectDetector.detectAsync(image, frameTimestampMs);
    

对象检测器代码示例分别展示了上述各个选项的实现 模式的详细信息 detect()detectVideoFile(), 和detectAsync()。 示例代码允许用户在处理模式之间切换 您的用例可能并不需要这样做

请注意以下几点:

  • 在视频模式或直播模式下投放广告时,您还必须 为对象检测器任务提供输入帧的时间戳。
  • 在图片模式或视频模式下运行时,对象检测器任务将 阻塞当前线程,直到它处理完输入图像,或者 帧。为避免阻塞当前线程,请在 后台线程。
  • 在直播模式下运行时,对象检测器任务不会阻塞 当前线程,但会立即返回。它将调用其结果 并在每次处理完一个监听器后将带有检测结果的监听器 输入帧。如果在执行对象检测器任务时调用了检测函数, 系统正忙于处理另一帧,系统会忽略新的输入帧。

处理和显示结果

运行推理时,“对象检测器”任务会返回一个 ObjectDetectorResult 对象,用于描述它在 输入图片。

以下示例展示了此任务的输出数据:

ObjectDetectorResult:
 Detection #0:
  Box: (x: 355, y: 133, w: 190, h: 206)
  Categories:
   index       : 17
   score       : 0.73828
   class name  : dog
 Detection #1:
  Box: (x: 103, y: 15, w: 138, h: 369)
  Categories:
   index       : 17
   score       : 0.73047
   class name  : dog

下图直观显示了任务输出:

对象检测器示例代码演示了如何显示检测结果 结果,请参阅 OverlayView 类以了解更多详情。