Android 的姿勢地標偵測指南

MediaPipe Pose 地標工作可讓您偵測圖片或影片中的人體地標。您可以使用這項工作來識別關鍵主體位置、分析姿勢,以及將運動分類。這項工作採用的機器學習 (ML) 模型 適用於單一圖片或影片工作會輸出圖片座標和 3D 世界座標中的身體姿勢地標。

您可以前往 GitHub 取得這些操作說明中提及的程式碼範例。如要進一步瞭解這項工作的功能、模型和設定選項,請參閱總覽

程式碼範例

MediaPipe Tasks 範例程式碼是適用於 Android 的簡易實作地標應用程式。這個範例使用 Android 實體裝置的相機,偵測連續影片串流中的姿勢。應用程式也可以從裝置圖片庫偵測圖片和影片中的姿勢。

您可以將該應用程式做為建立自己的 Android 應用程式的基礎,或在修改現有應用程式時參照該應用程式。Pose Marker 範例程式碼由 GitHub 代管。

下載程式碼

以下操作說明說明如何使用 git 指令列工具建立範例程式碼的本機副本。

如要下載範例程式碼,請按照下列步驟操作:

  1. 使用下列指令複製 Git 存放區:
    git clone https://github.com/google-ai-edge/mediapipe-samples
    
  2. 您可以選擇將 git 執行個體設為使用稀疏結帳功能,這樣您只有 Pose Landmarker 範例應用程式的檔案:
    cd mediapipe
    git sparse-checkout init --cone
    git sparse-checkout set examples/pose_landmarker/android
    

建立範例程式碼的本機版本後,您可以將專案匯入 Android Studio 並執行應用程式。如需操作說明,請參閱 Android 設定指南

重要元件

下列檔案包含這個姿勢地標應用程式的重要程式碼:

設定

本節說明設定開發環境及專門為使用 Posemarker 的程式碼專案的重要步驟。如需瞭解如何使用 MediaPipe 工作設定開發環境的一般資訊,包括平台版本需求,請參閱 Android 設定指南

依附元件

「Pose Ranker」工作會使用 com.google.mediapipe:tasks-vision 程式庫。請將這個依附元件新增至 Android 應用程式的 build.gradle 檔案:

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

型號

MediaPipe Posemarker 工作需要與這項工作相容的已訓練模型組合。如要進一步瞭解 Pose Marker 可用的已訓練模型,請參閱工作總覽「模型」一節

選取並下載模型,並儲存在專案目錄中:

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

ModelAssetPath 參數中指定模型的路徑。在這個範例程式碼中,模型會在 PoseLandmarkerHelper.kt 檔案中定義:

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

建立工作

MediaPipe Posemarker 工作會使用 createFromOptions() 函式設定工作。createFromOptions() 函式可接受設定選項的值。如要進一步瞭解設定選項,請參閱「設定選項」。

Pose Marker 支援下列輸入資料類型:靜態圖片、影片檔案和直播影片串流。建立工作時,您需要指定與輸入資料類型相對應的執行模式。選擇輸入資料類型的分頁標籤,瞭解如何建立工作。

圖片

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)
    

影片

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)
    

直播

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 Ranker 程式碼範例實作可讓使用者切換處理模式。這種做法會讓工作建立程式碼變得更加複雜,並且可能不適合您的用途。您可以在 PoseLandmarkerHelper.kt 檔案的 setupPoseLandmarker() 函式中看到此程式碼。

設定選項

這項工作的 Android 應用程式設定選項如下:

選項名稱 說明 值範圍 預設值
runningMode 設定工作的執行模式。共有三種模式:

IMAGE:單一圖片輸入的模式。

影片:影片已解碼影格的模式。

LIVE_STREAM:輸入資料串流 (例如攝影機) 的直播模式。在這個模式下,必須呼叫 resultListener 才能設定事件監聽器,以非同步方式接收結果。
{IMAGE, VIDEO, LIVE_STREAM} IMAGE
numposes 姿勢地標可以偵測到的姿勢數量上限。 Integer > 0 1
minPoseDetectionConfidence 判定姿勢偵測作業成功所需的最低可信度分數。 Float [0.0,1.0] 0.5
minPosePresenceConfidence 在姿勢地標偵測中,姿勢狀態分數的最小可信度分數 Float [0.0,1.0] 0.5
minTrackingConfidence 要判定姿勢追蹤成功的可信度分數下限, Float [0.0,1.0] 0.5
outputSegmentationMasks 是否要為偵測到的姿勢輸出區隔遮罩。 Boolean False
resultListener 設定結果事件監聽器,就能在直播模式下以非同步方式接收地標結果。 只能在執行模式設為 LIVE_STREAM 時使用 ResultListener N/A
errorListener 設定選用的錯誤事件監聽器。 ErrorListener N/A

準備資料

Posemarker 支援圖片、影片檔案和直播影片。工作會處理資料輸入的預先處理作業,包括調整大小、旋轉和值正規化。

以下程式碼示範如何傳送資料以進行處理。這些範例包含如何處理圖片、影片檔案和直播影片串流的資料。

圖片

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()
    

影片

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()
    

直播

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()
    

在 Posemarker 範例程式碼中,PoseLandmarkerHelper.kt 檔案會處理資料準備。

執行工作

視處理的資料類型而定,請使用該資料類型專屬的 poseLandmarker.detect...() 方法。針對個別圖片,請使用 detect();針對影片檔案中的影格,請使用 detectForVideo();針對影片串流,則使用 detectAsync()。在影片串流中執行偵測時,請務必在另一個執行緒上執行偵測,以免封鎖使用者的交錯執行緒。

以下程式碼範例顯示如何在不同的資料模式中執行 Pose Marker 的簡單範例:

圖片

val result = poseLandmarker.detect(mpImage)
    

影片

val timestampMs = i * inferenceIntervalMs

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

直播

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

poseLandmarker.detectAsync(mpImage, frameTime)
    

注意事項:

  • 以影片模式或直播模式執行時,您必須提供 Pose Marker 工作的輸入影格時間戳記。
  • 在圖片或影片模式中執行時,「Posemarker」工作會封鎖目前的執行緒,直到完成輸入圖片或影格的處理為止。為避免對使用者造成交互影響,請在背景執行緒中執行處理程序。
  • 以直播模式執行時,「Pose 地標」工作會立即回傳,且不會封鎖目前的執行緒。每當它處理完輸入影格時,就會透過偵測結果叫用結果監聽器。

在 Pose Ranker 程式碼範例中,會在 PoseLandmarkerHelper.kt 檔案中定義 detectdetectForVideodetectAsync 函式。

處理並顯示結果

Pose 地標 er 會在每次執行偵測時傳回 poseLandmarkerResult 物件。結果物件含有每個姿勢地標的座標。

以下為這項工作的輸出資料範例:

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)

輸出結果同時包含每個地標的正規化座標 (Landmarks) 和世界座標 (WorldLandmarks)。

輸出結果包含以下正規化座標 (Landmarks):

  • xy:地標座標介於 0.0 到 1.0 之間,依照圖片寬度 (x) 和高度 (y) 進行正規化。

  • z:地標深度,以臀部中間點為起點。值越小,地標與相機鏡頭越近。Z 規模使用的縮放比例與 x 大致相同。

  • visibility:地標在圖片中可見的可能性。

輸出結果包含以下世界座標 (WorldLandmarks):

  • xyz:實際 3 維座標 (以公尺為單位),以臀部中間點做為起點。

  • visibility:地標在圖片中可見的可能性。

下圖以視覺化方式呈現工作輸出內容:

選用的區隔遮罩代表每個像素屬於偵測到人員的可能性。下圖是工作輸出的區隔遮罩:

Posemarker 範例程式碼會示範如何顯示工作傳回的結果,詳情請參閱 OverlayView 類別。