本文带大家在 Android 上体验 MLKit 的以下功能：

1. 图像识别（Image Labeling）
2. 目标检测（Object Detection）
3. 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。

默认模型当前支持的分类标注：

developers.google.com/ml-kit/visi…

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}\n"
    }.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 的列表，ImageLabel 代表每一个种类的标注信息，图像经识别后获得一组这样de 标注，包含每一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，即目标在哪里
识别（Lebeling）：关注的是 What is，即目标是什么

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。

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"
implementation "com.google.accompanist:accompanist-permissions:0.16.1"

如上，引入 CameraX 相关类库，同时引入 accompanist-permissions 用来动态申请相机权限。

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(this@ObjectAnalyzer.detectedObjects) {
                        clear()
                        addAll(detectedObjects)
                    }
                }
                .addOnFailureListener { e ->
                    // Task failed with an exception
                    // ...
                }
                .addOnCompleteListener {
                    imageProxy.close()
                }
        }
    }
}

ObjectAnalyzer 中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。

最后

本文为了参加平台的活动，以喵为例介绍了 MLKit 图像识别的能力， MLKit 还有很多实用功能，比如人脸检测相较于 Android 自带的 android.media.FaceDetector 无论性能还是识别率都有质的飞跃。此外国内不少 AI 大厂也有很多不错的解决方案，比如旷视。相信随着 AI 技术的发展，未来在移动端上的应用场景也会越来越多。

本文代码：github.com/vitaviva/Je…

【代码吸猫】使用 Google MLKit 进行图像识别

1. 图像识别（Image Labeling）

2. 目标检测（Object Detection）

3. 目标追踪（Object Tracking）

最后

热门文章

最新文章

相关课程

相关电子书

相关实验场景