LiteRT のご紹介: Google のオンデバイス AI 用の高性能ランタイム（旧称 TensorFlow Lite）です。

このページは Cloud Translation API によって翻訳されました。

姿勢ランドマーク検出ガイド（Android）

MediaPipe Pose Landmarker タスクでは、画像内の人体のランドマークを検出したり、動画をご覧ください。このタスクを使用して、主な身体の位置の特定、姿勢の分析、動きを分類できますこのタスクでは、次の条件を満たす機械学習（ML）モデルを使用します。単一の画像または動画を使用できますこのタスクは、身体ポーズのランドマークを画像に出力します。 3 次元の世界座標で表します。

この手順で説明するコードサンプルは、 GitHub。機能、モデル、構成オプションの詳細については、概要をご覧ください。

サンプルコード

MediaPipe Tasks のサンプルコードは、ポーズの LandMarker を簡単な実装したものです。アプリこの例では、物理的な Android デバイスのカメラを使用して、連続する動画ストリームでポーズを検出します。また、デバイスのギャラリーから画像と動画を抽出できます。

独自の Android アプリの出発点としてアプリを使用することも、アプリ自体に言及することもできます。変更する際の注意点があります。「Pose Landmarker」サンプルコードは GitHub。

コードをダウンロードする

次の手順では、サンプルのローカルコピーを作成する方法を示します。 git コマンドラインツールを使用してコードを実行します。

サンプルコードをダウンロードするには:

次のコマンドを使用して Git リポジトリのクローンを作成します。
```
git clone https://github.com/google-ai-edge/mediapipe-samples
```
必要に応じて、スパースチェックアウトを使用するように Git インスタンスを構成し、次のサンプルは、Pose Landmarker サンプルアプリのファイルのみに対応しています。
```
cd mediapipe
git sparse-checkout init --cone
git sparse-checkout set examples/pose_landmarker/android
```

サンプルコードのローカルバージョンを作成したら、プロジェクトをインポートできます。アプリを実行します。手順については、セットアップガイド: Android。

主要コンポーネント

次のファイルには、このポーズランドマークの例に不可欠なコードが含まれています。アプリケーション:

PoseLandmarkerHelper.kt - ポーズランドマークツールを初期化し、モデルとデリゲートを処理します。選択します。
CameraFragment.kt - デバイスのカメラを処理し、画像と動画の入力データを処理します。
GalleryFragment.kt - OverlayView を操作して、出力画像または動画を表示します。
OverlayView.kt - 検出されたポーズの表示を実装します。

セットアップ

このセクションでは、開発環境をセットアップする主な手順と特に Pose Landmarker を使用するためのコードプロジェクトがありました。一般的な情報については、 MediaPipe タスクを使用するための開発環境の設定プラットフォームバージョンの要件については、 Android。

依存関係

Pose Landmarker タスクでは com.google.mediapipe:tasks-vision ライブラリを使用します。追加これを Android アプリの build.gradle ファイルに追加します。

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

モデル

MediaPipe Pose Landmarker タスクには、以下と互換性のあるトレーニング済みモデルバンドルが必要です。できます。位置マーカーで利用可能なトレーニング済みモデルについて詳しくは、タスクの概要のモデルセクションをご覧ください。

モデルを選択してダウンロードし、プロジェクトディレクトリに保存します。

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

ModelAssetPath パラメータ内でモデルのパスを指定します。サンプルコードの場合、モデルは PoseLandmarkerHelper.kt ファイル:

val modelName = "pose_landmarker_lite.task"
baseOptionsBuilder.setModelAssetPath(modelName)

タスクを作成する

MediaPipe ポーズランドマーカータスクでは、createFromOptions() 関数を使用してタスクを実行します。createFromOptions() 関数は構成の値を受け入れます。。構成オプションの詳細については、構成オプションをご覧ください。

ポーズのマーカーは、静止画像と動画という入力データタイプをサポートしています。ファイル、ライブ動画ストリームなどです。実行モードを指定する必要がありますタスクの作成時に、入力データ型に対応する値を宣言します。タブを選択タスクの作成方法を確認してください。

画像

val baseOptionsBuilder = BaseOptions.builder().setModelAssetPath(modelName)
val baseOptions = baseOptionBuilder.build()

val optionsBuilder = 
    poseLandmarker.poseLandmarkerOptions.builder()
        .setBaseOptions(baseOptionsBuilder.build())
        .setMinPoseDetectionConfidence(minPoseDetectionConfidence)
        .setMinTrackingConfidence(minPoseTrackingConfidence)
        .setMinPosePresenceConfidence(minposePresenceConfidence)
        .setNumPoses(maxNumPoses)
        .setRunningMode(RunningMode.IMAGE)

val options = optionsBuilder.build()
poseLandmarker = poseLandmarker.createFromOptions(context, options)

動画

val baseOptionsBuilder = BaseOptions.builder().setModelAssetPath(modelName)
val baseOptions = baseOptionBuilder.build()

val optionsBuilder = 
    poseLandmarker.poseLandmarkerOptions.builder()
        .setBaseOptions(baseOptionsBuilder.build())
        .setMinPoseDetectionConfidence(minPoseDetectionConfidence)
        .setMinTrackingConfidence(minPoseTrackingConfidence)
        .setMinPosePresenceConfidence(minposePresenceConfidence)
        .setNumPoses(maxNumPoses)
        .setRunningMode(RunningMode.VIDEO)

val options = optionsBuilder.build()
poseLandmarker = poseLandmarker.createFromOptions(context, options)

ライブ配信

val baseOptionsBuilder = BaseOptions.builder().setModelAssetPath(modelName)
val baseOptions = baseOptionBuilder.build()

val optionsBuilder = 
    poseLandmarker.poseLandmarkerOptions.builder()
        .setBaseOptions(baseOptionsBuilder.build())
        .setMinPoseDetectionConfidence(minPoseDetectionConfidence)
        .setMinTrackingConfidence(minPoseTrackingConfidence)
        .setMinPosePresenceConfidence(minposePresenceConfidence)
        .setNumPoses(maxNumPoses)
        .setResultListener(this::returnLivestreamResult)
        .setErrorListener(this::returnLivestreamError)
        .setRunningMode(RunningMode.LIVE_STREAM)

val options = optionsBuilder.build()
poseLandmarker = poseLandmarker.createFromOptions(context, options)

Pose Landmarker のサンプルコードを実装することで、処理モードを選択できますこのアプローチでは、タスク作成コードが複雑になり、ユースケースに適さない場合がありますこのコードは setupPoseLandmarker() 関数を次の PoseLandmarkerHelper.kt 表示されます。

構成オプション

このタスクには、Android アプリ用に次の構成オプションがあります。

オプション名	説明	値の範囲	デフォルト値
`runningMode`	タスクの実行モードを設定します。3 つのモード: IMAGE: 単一画像入力のモード。 VIDEO: 動画のデコードされたフレームのモード。 LIVE_STREAM: 入力のライブ配信のモードカメラからのデータなどです。このモードでは、resultListener は結果を受け取るリスナーを設定するために呼び出されます。使用できます。	{`IMAGE, VIDEO, LIVE_STREAM`}	`IMAGE`
`numposes`	地面マーカーのポーズ。	`Integer > 0`	`1`
`minPoseDetectionConfidence`	姿勢検出に必要な最小信頼スコア成功したとみなされます。	`Float [0.0,1.0]`	`0.5`
`minPosePresenceConfidence`	ポーズの有無に関する最小信頼スコアスコアを記録しました。	`Float [0.0,1.0]`	`0.5`
`minTrackingConfidence`	ポーズトラッキングの最小信頼スコア成功とみなされます。	`Float [0.0,1.0]`	`0.5`
`outputSegmentationMasks`	位置マーカーのセグメンテーションマスクが、検出された要素に対してセグメンテーションマスクを出力するかどうかポーズを決めます。	`Boolean`	`False`
`resultListener`	ランドマークの結果を受け取るように結果リスナーを設定します。 Pose Landmarker がライブストリームモードのときに非同期で配信されます。実行モードが `LIVE_STREAM` に設定されている場合にのみ使用できます	`ResultListener`	`N/A`
`errorListener`	オプションのエラーリスナーを設定します。	`ErrorListener`	`N/A`

データの準備

Pose Landmarker は、画像、動画ファイル、ライブ動画ストリームで動作します。タスクサイズ変更、回転、値を含むデータ入力の前処理を処理説明します。

次のコードは、処理のためにデータを引き渡す方法を示しています。これらのサンプルには、画像、動画ファイル、ライブストリーミングデータ、動画ストリーム。

画像

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()

動画

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()

ライブ配信

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()

「Pose Landmarker」サンプルコードでは、 PoseLandmarkerHelper.kt 表示されます。

タスクを実行する

扱うデータのタイプに応じて、そのデータ型に固有の poseLandmarker.detect...() メソッドを使用します。使用個々の画像の場合は detect()、動画ファイル内のフレームの場合は detectForVideo()、動画ストリームの場合は detectAsync() です。Cloud Storage バケットに検出を別のスレッドで実行して、この問題を回避してください。ブロックします。

次のコードサンプルは、姿勢のマーカーを実行する方法の簡単な例を示しています。さまざまなデータモードで

画像

val result = poseLandmarker.detect(mpImage)

動画

val timestampMs = i * inferenceIntervalMs

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

ライブ配信

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

poseLandmarker.detectAsync(mpImage, frameTime)

次の点にご留意ください。

動画モードまたはライブ配信モードで実行する場合は、 Pose Landmarker タスクへの入力フレームのタイムスタンプ。
画像モードまたは動画モードで実行すると、Pose Landmarker タスクがブロックされます。入力画像やフレームの処理が完了するまで、現在のスレッドを待機状態にします。宛先ユーザーの介入をブロックせず、バックグラウンドで処理を実行使用します。
ライブストリームモードで実行している場合、[Pose LandMarker] タスクが現在のスレッドをブロックしません。このメソッドは、完了するたびに、その検出結果が表示されます。

位置マーカーのサンプルコードでは、detect、detectForVideo、 detectAsync 関数は、 PoseLandmarkerHelper.kt 表示されます。

結果の処理と表示

ポーズのランドマーカーは、検出ごとに poseLandmarkerResult オブジェクトを返します。あります。結果のオブジェクトには、各ポーズランドマークの座標が含まれます。

このタスクからの出力データの例を次に示します。

PoseLandmarkerResult:
  Landmarks:
    Landmark #0:
      x            : 0.638852
      y            : 0.671197
      z            : 0.129959
      visibility   : 0.9999997615814209
      presence     : 0.9999984502792358
    Landmark #1:
      x            : 0.634599
      y            : 0.536441
      z            : -0.06984
      visibility   : 0.999909
      presence     : 0.999958
    ... (33 landmarks per pose)
  WorldLandmarks:
    Landmark #0:
      x            : 0.067485
      y            : 0.031084
      z            : 0.055223
      visibility   : 0.9999997615814209
      presence     : 0.9999984502792358
    Landmark #1:
      x            : 0.063209
      y            : -0.00382
      z            : 0.020920
      visibility   : 0.999976
      presence     : 0.999998
    ... (33 world landmarks per pose)
  SegmentationMasks:
    ... (pictured below)

出力には、正規化された座標（Landmarks）と世界の両方が含まれます。各ランドマークの座標（WorldLandmarks）があります。

出力には、次の正規化された座標（Landmarks）が含まれます。

x、y: 0.0 ～ 1.0 の範囲で正規化されたランドマーク座標画像の幅（x）と高さ（y）を指定します。
z: ランドマークの深さ。腰の中間点の深さが含まれます。値が小さいほど、ランドマークがカメラに近づきます。「 z の大きさは x とほぼ同じスケールを使用します。
visibility: 画像内にランドマークが見える可能性。

出力には、次のワールド座標（WorldLandmarks）が含まれます。

x、y、z: 実世界の 3 次元座標（メートル単位）。中間点を起点とします。
visibility: 画像内にランドマークが見える可能性。

次の図は、タスク出力を可視化したものです。

セグメンテーションマスク（省略可）は、各ピクセルが帰属する可能性を表します。通知します。次の画像は、画像のセグメンテーションマスクです。タスクの出力:

「Pose Landmarker」サンプルコードは、返された結果を表示する方法を示しています。タスクの詳細については、 OverlayView クラスをご覧ください。