Hướng dẫn phát hiện đối tượng cho iOS

Nhiệm vụ Trình phát hiện đối tượng cho phép bạn phát hiện sự hiện diện và vị trí của nhiều các lớp đối tượng. Ví dụ: Trình phát hiện đối tượng có thể xác định vị trí của những chú chó trong một hình ảnh. Các hướng dẫn này cho bạn biết cách sử dụng tác vụ Trình phát hiện đối tượng trong iOS. Chiến lược phát hành đĩa đơn Bạn có thể xem mã mẫu được mô tả trong hướng dẫn này trên GitHub.

Bạn có thể xem công việc này trong thực tế bằng cách xem trang Web này bản minh hoạ. Cho thông tin khác về tính năng, kiểu máy và tuỳ chọn cấu hình của công việc này, hãy xem Tổng quan.

Ví dụ về mã

Mã ví dụ MediaPipe Tasks là cách triển khai cơ bản của một Đối tượng Ứng dụng trình phát hiện dành cho iOS. Ví dụ này sử dụng máy ảnh trên một thiết bị iOS thực để liên tục phát hiện các đối tượng, đồng thời cũng có thể dùng hình ảnh và video trên thiết bị thư viện ảnh để phát hiện tĩnh các đối tượng.

Bạn có thể sử dụng ứng dụng này làm điểm khởi đầu cho ứng dụng iOS của riêng mình hoặc tham chiếu đến ứng dụng đó khi sửa đổi ứng dụng hiện có. Mã ví dụ về Trình phát hiện đối tượng được lưu trữ trên GitHub.

Tải mã xuống

Các hướng dẫn sau đây chỉ cho bạn cách tạo bản sao trên máy của ví dụ bằng công cụ dòng lệnh git.

Cách tải mã ví dụ xuống:

1. Sao chép kho lưu trữ git bằng lệnh sau:

   git clone https://github.com/google-ai-edge/mediapipe-samples
   

2. Bạn có thể định cấu hình thực thể git để sử dụng quy trình thanh toán thưa thớt, vì vậy, bạn có chỉ các tệp cho ứng dụng mẫu Trình phát hiện đối tượng:

   cd mediapipe
   git sparse-checkout init --cone
   git sparse-checkout set examples/object_detection/ios/
   

Sau khi tạo phiên bản cục bộ của mã ví dụ, bạn có thể cài đặt Thư viện nhiệm vụ MediaPipe, hãy mở dự án bằng Xcode rồi chạy ứng dụng. Cho hãy xem Hướng dẫn thiết lập cho iOS.

Thành phần chính

Các tệp sau chứa mã quan trọng cho ví dụ về Trình phát hiện đối tượng ứng dụng:

• ObjectDetectorService.swift: Khởi chạy trình phát hiện, xử lý lựa chọn mô hình và chạy suy luận dựa trên dữ liệu đầu vào.
• CameraViewController.swift: Triển khai giao diện người dùng cho chế độ nhập nguồn cấp dữ liệu camera trực tiếp và trực quan hoá kết quả phát hiện.
• MediaLibraryViewController.swift: Triển khai giao diện người dùng cho chế độ nhập tệp hình ảnh tĩnh và video cũng như trực quan hoá các kết quả phát hiện.

Thiết lập

Phần này mô tả các bước chính để thiết lập môi trường phát triển và mã dự án để sử dụng Trình phát hiện đối tượng. Để biết thông tin chung về cách thiết lập môi trường phát triển để sử dụng các tác vụ MediaPipe, bao gồm cả phiên bản nền tảng hãy xem Hướng dẫn thiết lập cho iOS.

Phần phụ thuộc

Trình phát hiện đối tượng sử dụng thư viện MediaPipeTasksVision và bạn phải cài đặt thư viện này bằng cách sử dụng CocoaPods. Thư viện này tương thích với cả ứng dụng Swift và GOAL-C và không yêu cầu thiết lập theo ngôn ngữ cụ thể nào khác.

Để biết hướng dẫn cài đặt CocoaPods trên macOS, hãy tham khảo CocoaPods hướng dẫn cài đặt. Để xem hướng dẫn về cách tạo Podfile với các nhóm cần thiết cho ứng dụng, hãy tham khảo Việc sử dụng CocoaPods.

Thêm nhóm MediaPipeTasksVision vào Podfile bằng mã sau:

target 'MyObjectDetectorApp' do
  use_frameworks!
  pod 'MediaPipeTasksVision'
end

Nếu ứng dụng của bạn có mục tiêu kiểm thử đơn vị, hãy tham khảo Hướng dẫn thiết lập dành cho iOS để biết thêm thông tin về cách thiết lập Podfile của bạn.

Mẫu

Tác vụ Trình phát hiện đối tượng MediaPipe cần một mô hình đã huấn luyện tương thích với nhiệm vụ này. Để biết thêm thông tin về các mô hình được huấn luyện hiện có cho Trình phát hiện đối tượng, xem tổng quan về tác vụ Mô hình .

Chọn và tải mô hình xuống, sau đó thêm mô hình đó vào thư mục dự án bằng Xcode. Để biết hướng dẫn về cách thêm tệp vào dự án Xcode của bạn, hãy tham khảo bài viết Quản lý tệp và thư mục trong Xcode của bạn dự án.

Sử dụng thuộc tính BaseOptions.modelAssetPath để chỉ định đường dẫn đến mô hình trong gói ứng dụng của bạn. Để xem ví dụ về mã, hãy xem phần tiếp theo.

Tạo việc cần làm

Bạn có thể tạo tác vụ Trình phát hiện đối tượng bằng cách gọi một trong các trình khởi tạo tương ứng. Chiến lược phát hành đĩa đơn Trình khởi tạo ObjectDetector(options:) đặt giá trị cho các lựa chọn cấu hình bao gồm chế độ chạy, ngôn ngữ tên hiển thị, số lượng kết quả tối đa, độ tin cậy ngưỡng, danh mục cho phép và danh sách từ chối.

Nếu bạn không cần khởi chạy một Trình phát hiện đối tượng bằng cấu hình tuỳ chỉnh , bạn có thể sử dụng trình khởi tạo ObjectDetector(modelPath:) để tạo một Trình phát hiện đối tượng với các tuỳ chọn mặc định. Để biết thêm thông tin về cấu hình hãy xem phần Configuration Overview (Tổng quan về cấu hình).

Tác vụ của Trình phát hiện đối tượng hỗ trợ 3 loại dữ liệu đầu vào: hình ảnh tĩnh, tệp video và luồng video trực tiếp. Theo mặc định, ObjectDetector(modelPath:) sẽ khởi chạy một đối với ảnh tĩnh. Nếu bạn muốn khởi động tác vụ để xử lý video tệp hoặc luồng video trực tiếp, sử dụng ObjectDetector(options:) để chỉ định video hoặc phát trực tiếp ở chế độ chạy. Chế độ phát trực tiếp cũng yêu cầu Tuỳ chọn cấu hình objectDetectorLiveStreamDelegate, cho phép Trình phát hiện đối tượng cung cấp kết quả phát hiện cho thực thể uỷ quyền theo cách không đồng bộ.

Chọn thẻ tương ứng với chế độ chạy của bạn để xem cách tạo tác vụ và chạy suy luận.

Swift

import MediaPipeTasksVision

let modelPath = Bundle.main.path(forResource: "model",
                                      ofType: "tflite")

let options = ObjectDetectorOptions()
options.baseOptions.modelAssetPath = modelPath
options.runningMode = .image
options.maxResults = 5

let objectDetector = try ObjectDetector(options: options)
    

import MediaPipeTasksVision

let modelPath = Bundle.main.path(forResource: "model",
                                      ofType: "tflite")

let options = ObjectDetectorOptions()
options.baseOptions.modelAssetPath = modelPath
options.runningMode = .video
options.maxResults = 5

let objectDetector = try ObjectDetector(options: options)
    

import MediaPipeTasksVision

// Class that conforms to the `ObjectDetectorLiveStreamDelegate` protocol and
// implements the method that the object detector calls once it
// finishes performing detection on each input frame.
class ObjectDetectorResultProcessor: NSObject, ObjectDetectorLiveStreamDelegate {

  func objectDetector(
    _ objectDetector: ObjectDetector,
    didFinishDetection objectDetectionResult: ObjectDetectorResult?,
    timestampInMilliseconds: Int,
    error: Error?) {
    // Process the detection result or errors here.
  }
}

let modelPath = Bundle.main.path(forResource: "model",
                                      ofType: "tflite")

let options = ObjectDetectorOptions()
options.baseOptions.modelAssetPath = modelPath
options.runningMode = .liveStream
options.maxResults = 5

// Assign an object of the class to the `objectDetectorLiveStreamDelegate`
// property.
let processor = ObjectDetectorResultProcessor()
options.objectDetectorLiveStreamDelegate = processor

let objectDetector = try ObjectDetector(options: options)
    

Objective-C

@import MediaPipeTasksVision;

NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model"
                                                      ofType:@"tflite"];

MPPObjectDetectorOptions *options = [[MPPObjectDetectorOptions alloc] init];
options.baseOptions.modelAssetPath = modelPath;
options.runningMode = MPPRunningModeImage;
options.maxResults = 5;

MPPObjectDetector *objectDetector =
      [[MPPObjectDetector alloc] initWithOptions:options error:nil];
    

@import MediaPipeTasksVision;

NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model"
                                                      ofType:@"tflite"];

MPPObjectDetectorOptions *options = [[MPPObjectDetectorOptions alloc] init];
options.baseOptions.modelAssetPath = modelPath;
options.runningMode = MPPRunningModeVideo;
options.maxResults = 5;

MPPObjectDetector *objectDetector =
      [[MPPObjectDetector alloc] initWithOptions:options error:nil];
    

@import MediaPipeTasksVision;

// Class that conforms to the `ObjectDetectorLiveStreamDelegate` protocol and
// implements the method that the object detector calls once it
// finishes performing detection on each input frame.

@interface APPObjectDetectorResultProcessor : NSObject 

@end

@implementation MPPObjectDetectorResultProcessor

-   (void)objectDetector:(MPPObjectDetector *)objectDetector
    didFinishDetectionWithResult:(MPPObjectDetectorResult *)ObjectDetectorResult
         timestampInMilliseconds:(NSInteger)timestampInMilliseconds
                           error:(NSError *)error {

    // Process the detection result or errors here.

}

@end

NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model"
                                                      ofType:@"tflite"];

MPPObjectDetectorOptions *options = [[MPPObjectDetectorOptions alloc] init];
options.baseOptions.modelAssetPath = modelPath;
options.runningMode = MPPRunningModeLiveStream;
options.maxResults = 5;

// Assign an object of the class to the `objectDetectorLiveStreamDelegate`
// property.
APPObjectDetectorResultProcessor *processor = [APPObjectDetectorResultProcessor new];
options.objectDetectorLiveStreamDelegate = processor;

MPPObjectDetector *objectDetector =
      [[MPPObjectDetector alloc] initWithOptions:options error:nil];
    

Các lựa chọn về cấu hình

Nhiệm vụ này có các lựa chọn cấu hình sau đây cho ứng dụng iOS:

Cấu hình sự kiện phát trực tiếp

Khi bạn đặt chế độ chạy thành phát trực tiếp, Trình phát hiện đối tượng sẽ yêu cầu tùy chọn cấu hình objectDetectorLiveStreamDelegate bổ sung, cho phép trình phát hiện cung cấp kết quả phát hiện một cách không đồng bộ. Người được uỷ quyền triển khai objectDetector(_objectDetector:didFinishDetection:timestampInMilliseconds:error:) mà Trình phát hiện đối tượng gọi sau khi xử lý kết quả phát hiện từng khung hình.

Chuẩn bị dữ liệu

Bạn cần chuyển đổi hình ảnh hoặc khung đầu vào thành đối tượng MPImage trước truyền mã đó đến Trình phát hiện đối tượng. MPImage hỗ trợ nhiều loại hình ảnh iOS và có thể sử dụng chúng ở bất kỳ chế độ chạy nào để suy luận. Để biết thêm thông tin về MPImage, hãy tham khảo API MPImage

Chọn định dạng hình ảnh iOS dựa trên trường hợp sử dụng của bạn và chế độ chạy của bạn yêu cầu.MPImage chấp nhận UIImage, CVPixelBuffer và CMSampleBuffer Định dạng hình ảnh cho iOS.

UIImage

Định dạng UIImage rất phù hợp với các chế độ chạy sau đây:

• Hình ảnh: hình ảnh từ gói ứng dụng, thư viện người dùng hoặc hệ thống tệp được định dạng là UIImage hình ảnh có thể được chuyển đổi thành đối tượng MPImage.

• Video: sử dụng AVAssetImageGenerator để trích xuất khung hình video vào CGImage rồi chuyển đổi chúng thành UIImage hình ảnh.

// 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)
    

// 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];
    

Ví dụ này khởi chạy MPImage với giá trị mặc định UIImage.Orientation.Up hướng. Bạn có thể khởi chạy MPImage bằng bất kỳ UIImage.Orientation giá trị. Trình phát hiện đối tượng không hỗ trợ hướng được phản chiếu như .upMirrored, .downMirrored, .leftMirrored, .rightMirrored.

Để biết thêm thông tin về UIImage, hãy tham khảo UIImage Apple Developer (Nhà phát triển UIImage) Tài liệu.

CVPixelBuffer

Định dạng CVPixelBuffer rất phù hợp với các ứng dụng tạo khung và sử dụng CoreImage của iOS khung để xử lý.

Định dạng CVPixelBuffer rất phù hợp với các chế độ chạy sau đây:

• Hình ảnh: ứng dụng tạo ra CVPixelBuffer hình ảnh sau một số quá trình xử lý sử dụng khung CoreImage của iOS có thể được gửi tới Trình phát hiện đối tượng trong chế độ chạy hình ảnh.

• Video: khung video có thể được chuyển đổi sang định dạng CVPixelBuffer cho xử lý rồi gửi đến Trình phát hiện đối tượng ở chế độ video.

• phát trực tiếp: ứng dụng dùng máy ảnh iOS để tạo khung hình có thể được chuyển đổi sang định dạng CVPixelBuffer để xử lý trước khi gửi đến Trình phát hiện đối tượng ở chế độ phát trực tiếp.

// 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)
    

// 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];
    

Để biết thêm thông tin về CVPixelBuffer, hãy tham khảo CVPixelBuffer Apple Nhà phát triển Tài liệu.

CMSampleBuffer

Định dạng CMSampleBuffer lưu trữ các mẫu phương tiện của một loại phương tiện đồng nhất và rất phù hợp với chế độ chạy phát trực tiếp. Khung hình trực tiếp từ máy ảnh iOS phân phối không đồng bộ ở định dạng CMSampleBuffer bởi iOS AVCaptureVideoDataOutput.

// 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)
    

// 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];
    

Để biết thêm thông tin về CMSampleBuffer, hãy tham khảo CMSampleBuffer Apple Nhà phát triển Tài liệu.

Chạy tác vụ

Để chạy Trình phát hiện đối tượng, hãy sử dụng phương thức detect() dành riêng cho chế độ chạy:

• Hình ảnh tĩnh: detect(image:)
• Video: detect(videoFrame:timestampInMilliseconds:)
• sự kiện phát trực tiếp: detectAsync(image:)

Các mã mẫu sau đây trình bày các ví dụ cơ bản về cách chạy Trình phát hiện đối tượng trong các chế độ chạy khác nhau này:

Swift

let objectDetector.detect(image:image)
    

let objectDetector.detect(videoFrame:image)
    

let objectDetector.detectAsync(image:image)
    

Objective-C

MPPObjectDetectorResult *result = [objectDetector detectInImage:image error:nil];
    

MPPObjectDetectorResult *result = [objectDetector detectInVideoFrame:image          timestampInMilliseconds:timestamp error:nil];
    

BOOL success = [objectDetector detectAsyncInImage:image
                          timestampInMilliseconds:timestamp
                                            error:nil];
    

Ví dụ về mã Trình phát hiện đối tượng cho thấy cách triển khai từng chế độ trong số này chi tiết hơn detect(image:), detect(videoFrame:) và detectAsync(image:). Mã ví dụ cho phép người dùng chuyển đổi giữa chế độ xử lý có thể không cần thiết cho trường hợp sử dụng của bạn.

Xin lưu ý những điều sau:

• Khi chạy ở chế độ video hoặc chế độ phát trực tiếp, bạn cũng phải cung cấp dấu thời gian của khung nhập vào tác vụ của Trình phát hiện đối tượng.

• Khi chạy ở chế độ hình ảnh hoặc video, tác vụ Trình phát hiện đối tượng sẽ chặn luồng hiện tại cho đến khi xử lý xong hình ảnh hoặc khung đầu vào. Người nhận tránh chặn luồng hiện tại, hãy thực thi quá trình xử lý trong nền chuỗi bằng iOS Điều phối hoặc NSOperation khung.

• Khi chạy ở chế độ phát trực tiếp, tác vụ Trình phát hiện đối tượng sẽ trả về ngay lập tức và không chặn luồng hiện tại. Phương thức gọi objectDetector(_objectDetector:didFinishDetection:timestampInMilliseconds:error:) với kết quả phát hiện sau khi xử lý từng khung đầu vào. Chiến lược phát hành đĩa đơn Trình phát hiện đối tượng gọi phương thức này không đồng bộ trên một sê-ri chuyên dụng hàng đợi điều phối. Để hiển thị kết quả trên giao diện người dùng, hãy điều phối kết quả vào hàng đợi chính sau khi xử lý kết quả. Nếu detectAsync được gọi khi tác vụ Trình phát hiện đối tượng đang bận xử lý một hàm khác khung, Trình phát hiện đối tượng sẽ bỏ qua khung đầu vào mới.

Xử lý và hiện kết quả

Sau khi chạy dự đoán, tác vụ Trình phát hiện đối tượng sẽ trả về một ObjectDetectorResult mô tả các đối tượng tìm thấy trong hình ảnh đầu vào.

Sau đây là ví dụ về dữ liệu đầu ra của tác vụ này:

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

Hình ảnh sau đây minh hoạ kết quả của tác vụ:

Mã ví dụ về Trình phát hiện đối tượng minh hoạ cách hiển thị kết quả phát hiện được trả về từ tác vụ, hãy xem ví dụ về mã để biết thông tin chi tiết.