Press "Enter" to skip to content

【Android】实战图像识别:Compose + MLKit + CameraX

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

 

MLKit 是 Google 提供的移动端机器学习库,可以在 Andorid 或 iOS 上低成本地实现各种 AI 能力,例如图像、文字、人脸识别等等,而且很多能力可以在手机端离线完成。

 

 

https://developers.google.com/ml-kit

 

下面通过代码示例展示 MLKit 的以下功能:

 

 

    1. 图像识别(Image Labeling)

 

    1. 目标检测(Object Detection)

 

    1. 目标追踪(Object Tracking)

 

 

1. 图像识别(Image Labeling)

 

图像识别是计算机视觉的一个重要领域,简单说就是帮你提取图片中的有效信息。

 

MLKit 提供了ImageLabeling
功能可以识别图像信息并对图像进行分类标注。

 

 

比如输入一张包含猫的图片,ImageLabeling 能识别出图片中的猫元素,并给出一个猫的标注,除了图片中最显眼的猫,ImageLabeling 还能识别出花、草等图片中所有可识别的事物,并分别给出出现的概率和占比,识别的结果以List<ImageLabel>
返回。 基于预置的默认模型,ImageLabeling可以对图像元素进行超过 400 种以上的标注分类,当然你可以使用自己训练的模型扩充更多分类。

 

ImageLabeling 当前支持的标注分类:

 

https://developers.google.com/ml-kit/vision/image-labeling/label-map

 

Android 中引入 MLKit 的 ImageLabeliing 很简单,在 gradle 中添加相关依赖即可

 

implementation 'com.google.mlkit:image-labeling:17.0.5'

 

接下来写一个 Android 的 Demo 来展示使用效果。我们使用 Compose 为 Demo 写一个简单的 UI:

 

@Composable
fun MLKitSample() {
 
    Column {
 
        var imageLabel by remember {
  mutableStateOf("") }
        //Load Image
        val context = LocalContext.current
        val bmp = remember(context) {
 
            context.assetsToBitmap("cat.png")!!
        }
        Image(bitmap = bmp.asImageBitmap(), contentDescription = "")
        val coroutineScope = rememberCoroutineScope()
        Button(
            onClick = {
 
                //TODO : 图像识别具体逻辑,见后文
            }) 
        {
   Text("Image Labeling") }
            
        Text(imageLabel, Modifier.fillMaxWidth(), textAlign = TextAlign.Center)
    }
}

 

将图片资源放入 /assets,并加载为 Bitmap

 

fun Context.assetsToBitmap(fileName: String): Bitmap? =
    assets.open(fileName).use {
 
        BitmapFactory.decodeStream(it)
    }

 

点击 Button 后,对 Bitmap 进行识别,获取识别后的信息更新imageLabel

 

 

看一下 onClick 内的内容:

 

val labeler = ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS)
val image = InputImage.fromBitmap(bmp, 0)
labeler.process(image).addOnSuccessListener {
  labels : List<ImageLabel> ->
    // Task completed successfully
    imageLabel = labels.scan("") {
  acc, label ->
        acc + "${
   label.text} : ${
   label.confidence}
"
    }.last()
}.addOnFailureListener {
 
    // Task failed with an exception
}

 

首先创建ImageLabeler
处理器,InputImage.fromBitmap
将 Bitmap 处理为 ImageLabeler 可接受的资源类型,处理结果通过 Listener 返回。

 

处理成功,返回ImageLabel
标注列表,ImageLabel 代表每一个种类的标注,包含种类的名字以及其出现概率,这些信息可以在图像检索等场景中作为权重使用。

 

2. 目标检测(Object Detection)

 

目标检测也是计算机视觉的一个基础研究方向。这里需要注意 “检测” 和 “识别” 的区别:

检测(Detecting)
:关注的是Where is
,目标在哪里
识别(Lebeling)
:关注的是What is
,目标是什幺

ImageLebeling可以识别图像中的事物分类,但是无法确定哪个事物在哪里。而目标检测可以确定有几个事物分别在哪里,但是事物的分类信息不清晰。

 

ObjectDetection虽然也提供了一定的识别能力,但是其默认的模型文件只能识别有限的几个种类,无法像 ImageLebeling 那样精确分类。想要识别更准确的信息需要借助额外的模型文件。但是我们可以将上述两套 API 配合使用,各取所长以达到目标检测的同时进行准确的识别和分类。

 

 

首先添加 ObjectDetection 依赖

 

implementation 'com.google.mlkit:object-detection:16.2.7'

 

接下来在上面例子中,增加一个 Button 用于点击后的目标检测

 

@Composable
fun MLKitSample() {
 
    Column(Modifier.fillMaxSize()) {
 
        val detctedObject = remember {
  mutableStateListOf<DetectedObject>() }
        //Load Image
        val context = LocalContext.current
        val bmp = remember(context) {
 
            context.assetsToBitmap("dog_cat.jpg")!!
        }
        Canvas(Modifier.aspectRatio(
            bmp.width.toFloat() / bmp.height.toFloat())) {
 
            
            drawIntoCanvas {
  canvas ->
                canvas.withSave {
 
                    canvas.scale(size.width / bmp.width)
                    canvas.drawImage( // 绘制 image
                        image = bmp.asImageBitmap(), Offset(0f, 0f), Paint()
                    )
                    detctedObject.forEach {
 
                        canvas.drawRect( //绘制目标检测的边框
                            it.boundingBox.toComposeRect(),
                            Paint().apply {
 
                                color = Color.Red.copy(alpha = 0.5f)
                                style = PaintingStyle.Stroke
                                strokeWidth = bmp.width * 0.01f
                            })
                        if (it.labels.isNotEmpty()) {
 
                            canvas.nativeCanvas.drawText( //绘制物体识别信息
                                it.labels.first().text,
                                it.boundingBox.left.toFloat(),
                                it.boundingBox.top.toFloat(),
                                android.graphics.Paint().apply {
 
                                    color = Color.Green.toArgb()
                                    textSize = bmp.width * 0.05f
                                })
                        }
                    }
                }
            }
        }
        Button(
            onClick = {
 
                //TODO : 目标检测具体逻辑,见后文
            }) 
        {
   Text("Object Detect") }
    }
}

 

由于我们要在图像上绘制目标边界的信息,所以这次采用Canvas
绘制 UI,包括以下内容:

drawImage
:绘制目标图片
drawRect
:MLKit 检测成功后会返回List<DetectedObject>
信息,基于 DetectedObject 绘制目标边界
drawText
:基于 DetectedObject 绘制目标的分类标注

点击 Button 后进行目标检测,具体实现如下:

 

val options =
    ObjectDetectorOptions.Builder()
        .setDetectorMode(ObjectDetectorOptions.SINGLE_IMAGE_MODE)
        .enableMultipleObjects()
        .enableClassification()
        .build()
        
val objectDetector = ObjectDetection.getClient(options)
val image = InputImage.fromBitmap(bmp, 0)
objectDetector.process(image)
    .addOnSuccessListener {
  detectedObjects ->
        // Task completed successfully
        coroutineScope.launch {
 
            detctedObject.clear()
            detctedObject.addAll(getLabels(bmp, detectedObjects).toList())
        }
    }
    .addOnFailureListener {
  e ->
        // Task failed with an exception
        // ...
    }

 

通过ObjectDetectorOptions
我们对检测处理进行配置。可使用 Builder 进行多个配置:

setDetectorMode
: ObjectDetection 有多种目标检测方式,这里使用的是最简单的一种SINGLE_IMAGE_MODE
即针对单张图片的检测。此外还有针对视频流的检测等其他方式,后文介绍。
enableMultipleObjects
:可以只检测最突出的事物或是检测所有可事物,我们这里启动多目标检测,检测所有可检测的事物。
enableClassification
: ObjectDetection 在图像识别上的能力有限,默认模型只能识别 5 个种类,且都是比较宽泛的分类,比如植物、动物等。enableClassification 可以开启图像识别能力。开启后,其识别结果会存入DetectedObject.labels
。由于这个识别结果没有意义,我们在例子中会替换为使用 ImageLebeling 识别后的标注信息

基于ObjectDetectorOptions
创建ObjectDetector
处理器,传入图片后开始检测。getLabels
是自定义方法,基于 ImageLebeling 添加图像识别信息。检测的最终结果更新至detctedObject
这个MutableStateList
,刷新 Compose UI。

 

private fun getLabels(
    bitmap: Bitmap,
    objects: List<DetectedObject>
) = flow {
 
    val labeler = ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS)
    for (obj in objects) {
 
        val bounds = obj.boundingBox
        val croppedBitmap = Bitmap.createBitmap(
            bitmap,
            bounds.left,
            bounds.top,
            bounds.width(),
            bounds.height()
        )
        emit(
            DetectedObject(
                obj.boundingBox,
                obj.trackingId,
                getLabel(labeler, croppedBitmap).map {
 
                    //转换为 DetectedObject.Label
                    DetectedObject.Label(it.text, it.confidence, it.index)
                })
        )
    }
}

 

首先根据DetectedObject
的边框信息boundingBox
将 Bitmap 分解为小图片,然后对其调用getLabel
获取标注信息补充进 DetectedObject 实例(这里实际是重建了一个实例)

 

getLabel
中的 ImageLebeling 是一个异步过程,为了调用方便,定义为一个挂起函数:

 

suspend fun getLabel(labeler: ImageLabeler, image: Bitmap): List<ImageLabel> =
    suspendCancellableCoroutine {
  cont ->
        labeler.process(InputImage.fromBitmap(image, 0))
            .addOnSuccessListener {
  labels ->
                // Task completed successfully
                cont.resume(labels)
            }
    }

 

3. 目标追踪(Object Tracking)

 

目标追踪就是通过对视频逐帧进行 ObjectDetection ,以达到连续捕捉的效果。接下来的例子中我们启动一个相机预览,对拍摄到图像进行 ObjectTracking。

我们使用 CameraX 启动相机,因为 CameraX 封装的 API 更易用,引入相关类库如下:

 

implementation "androidx.camera:camera-camera2:1.0.0-rc01"
implementation "androidx.camera:camera-lifecycle:1.0.0-rc01"
implementation "androidx.camera:camera-view:1.0.0-alpha20"

 

CameraX 的预览需要使用androidx.camera.view.PreviewView
,我们通过AndroidView
集成到 Composable 中,AndroidView 上方覆盖 Canvas ,Canvas 绘制目标边框。

 

整个 UI 布局如下:

 

val detectedObjects = mutableStateListOf<DetectedObject>()
Box {
 
    CameraPreview(detectedObjects)
    Canvas(modifier = Modifier.fillMaxSize()) {
 
        drawIntoCanvas {
  canvas ->
            detectedObjects.forEach {
 
                canvas.scale(size.width / 480, size.height / 640)
                canvas.drawRect( //绘制边框
                    it.boundingBox.toComposeRect(),
                    Paint().apply {
 
                        color = Color.Red
                        style = PaintingStyle.Stroke
                        strokeWidth = 5f
                    })
                canvas.nativeCanvas.drawText( // 绘制文字
                    "TrackingId_${
   it.trackingId}",
                    it.boundingBox.left.toFloat(),
                    it.boundingBox.top.toFloat(),
                    android.graphics.Paint().apply {
 
                        color = Color.Green.toArgb()
                        textSize = 20f
                    })
            }
        }
    }
}

 

detectedObjects
是 ObjectDetection 逐帧实时检测的结果。CameraPreview
中集成了相机预览的 AndroidView,并实时更新detectedObjects
。drawRect 和 drawText 在前面例子中也出现过,但需要注意这里 drawText 绘制的是trackingId
。 视频的 ObjectDetection 会为DetectedObject
添加trackingId
信息, 视频目标的边框位置会不断变换,但是trackingId
是不变的,这便于在多目标中更好地锁定个体。

 

@Composable
private fun CameraPreview(detectedObjects: SnapshotStateList<DetectedObject>) {
 
    val lifecycleOwner = LocalLifecycleOwner.current
    val context = LocalContext.current
    val cameraProviderFuture = remember {
  ProcessCameraProvider.getInstance(context) }
    val coroutineScope = rememberCoroutineScope()
    val objectAnalyzer = remember {
  ObjectAnalyzer(coroutineScope, detectedObjects) }
    AndroidView(
        factory = {
  ctx ->
            val previewView = PreviewView(ctx)
            val executor = ContextCompat.getMainExecutor(ctx)
            val imageAnalyzer = ImageAnalysis.Builder()
                .setBackpressureStrategy(ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST)
                .build()
                .also {
 
                    it.setAnalyzer(executor, objectAnalyzer)
                }
            cameraProviderFuture.addListener({
 
                val cameraProvider = cameraProviderFuture.get()
                val preview = Preview.Builder().build().also {
 
                    it.setSurfaceProvider(previewView.surfaceProvider)
                }
                val cameraSelector = CameraSelector.Builder()
                    .requireLensFacing(CameraSelector.LENS_FACING_BACK)
                    .build()
                cameraProvider.unbindAll()
                cameraProvider.bindToLifecycle(
                    lifecycleOwner,
                    cameraSelector,
                    preview,
                    imageAnalyzer
                )
            }, executor)
            previewView
        },
        modifier = Modifier.fillMaxSize(),
    )
}

 

CameraPreview
主要是关于 CameraX 的使用,本文不会逐行说明 CameraX 的使用,只关注与主题相关的代码: CameraX 可以设置ImageAnalyzer
用于对视频帧进行解析,这正是用于我们的需求,这里自定义了ObjectAnalyzer
做目标检测。

 

最后看一下 ObjectAnalyzer 的实现

 

class ObjectAnalyzer(
    private val coroutineScope: CoroutineScope,
    private val detectedObjects: SnapshotStateList<DetectedObject>
) : ImageAnalysis.Analyzer {
 
    private val options = ObjectDetectorOptions.Builder()
        .setDetectorMode(ObjectDetectorOptions.STREAM_MODE)
        .build()
    private val objectDetector = ObjectDetection.getClient(options)
    @SuppressLint("UnsafeExperimentalUsageError")
    override fun analyze(imageProxy: ImageProxy) {
 
        val frame = InputImage.fromMediaImage(
            imageProxy.image,
            imageProxy.imageInfo.rotationDegrees
        )
        coroutineScope.launch {
 
            objectDetector.process(frame)
                .addOnSuccessListener {
  detectedObjects ->
                    // Task completed successfully
                    with([email protected]) {
 
                        clear()
                        addAll(detectedObjects)
                    }
                }
                .addOnFailureListener {
  e ->
                    // Task failed with an exception
                    // ...
                }
                .addOnCompleteListener {
 
                    imageProxy.close()
                }
        }
    }
}

 

ObjectAnalyzer
获取相机预览的视频帧对其进行 ObjectDetection,检测结果更新至detectedObjects
。注意此处ObjectDetectorOptions
设置为STREAM_MODE
专门处理视频检测。虽然把每一帧都当做SINGLE_IMAGE_MODE
处理理论上也是可行的,但只有STREAM_MODE
的检测结果才带有trackingId
的值,而且STREAM_MODE
下的边框位置经过防抖处理,位移更加顺滑。

 

除了上面例子展示的图像识别、物体检测之外,MLKit 还提供了其他一些实用功能,比如人脸检测、二维码识别、文字识别等,开发者可以免费使用这些能力,让计算机视觉技术更好地服务于我们的移动应用。

 

本文代码:

 

https://github.com/vitaviva/JetpackComposePlayground/tree/main/mlkit_exp

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注