অ্যান্ড্রয়েডে এমএল কিট দিয়ে বস্তু সনাক্ত করুন এবং ট্র্যাক করুন

আপনি এমএল কিট ব্যবহার করে ভিডিওর বিভিন্ন ফ্রেমে বস্তু শনাক্ত ও ট্র্যাক করতে পারেন।

আপনি যখন এমএল কিট-এ ছবি পাঠান, তখন এটি প্রতিটি ছবির জন্য সর্বোচ্চ পাঁচটি শনাক্তকৃত বস্তু এবং ছবিতে সেগুলোর অবস্থানের একটি তালিকা ফেরত দেয়। ভিডিও স্ট্রিমে বস্তু শনাক্ত করার সময়, প্রতিটি বস্তুর একটি আইডি থাকে যা ব্যবহার করে আপনি ছবিগুলো জুড়ে বস্তুটিকে ট্র্যাক করতে পারেন। এছাড়াও আপনি ঐচ্ছিকভাবে স্থূল বস্তু শ্রেণিবিন্যাস (coarse object classification) চালু করতে পারেন, যা বস্তুগুলোকে বিস্তৃত বিভাগীয় বিবরণ দিয়ে চিহ্নিত করে।

শুরু করার আগে

  1. যদি আগে থেকে না করে থাকেন, তাহলে আপনার অ্যান্ড্রয়েড প্রজেক্টে ফায়ারবেস যোগ করুন ।
  2. আপনার মডিউল (অ্যাপ-লেভেল) গ্রেডল ফাইলে (সাধারণত app/build.gradle ) এমএল কিট অ্যান্ড্রয়েড লাইব্রেরির ডিপেন্ডেন্সিগুলো যোগ করুন: 
    apply plugin: 'com.android.application'
apply plugin: 'com.google.gms.google-services'

dependencies {
  // ...

  implementation 'com.google.firebase:firebase-ml-vision:24.0.3'
  implementation 'com.google.firebase:firebase-ml-vision-object-detection-model:19.0.6'
}

১. অবজেক্ট ডিটেক্টরটি কনফিগার করুন।

অবজেক্ট শনাক্তকরণ এবং ট্র্যাকিং শুরু করতে, প্রথমে FirebaseVisionObjectDetector এর একটি ইনস্ট্যান্স তৈরি করুন এবং ঐচ্ছিকভাবে ডিফল্ট থেকে আপনার পছন্দের যেকোনো ডিটেক্টর সেটিংস উল্লেখ করুন।

  1. একটি FirebaseVisionObjectDetectorOptions অবজেক্ট ব্যবহার করে আপনার ব্যবহারের জন্য অবজেক্ট ডিটেক্টরটি কনফিগার করুন। আপনি নিম্নলিখিত সেটিংস পরিবর্তন করতে পারেন:

    অবজেক্ট ডিটেক্টর সেটিংস
    সনাক্তকরণ মোড STREAM_MODE (ডিফল্ট) | SINGLE_IMAGE_MODE

    STREAM_MODE (ডিফল্ট), অবজেক্ট ডিটেক্টর কম ল্যাটেন্সিতে চলে, কিন্তু ডিটেক্টরের প্রথম কয়েকটি চালনায় এটি অসম্পূর্ণ ফলাফল (যেমন অনির্দিষ্ট বাউন্ডিং বক্স বা ক্যাটাগরি লেবেল) দিতে পারে। এছাড়াও, STREAM_MODE ডিটেক্টর অবজেক্টগুলোকে ট্র্যাকিং আইডি প্রদান করে, যা ব্যবহার করে আপনি বিভিন্ন ফ্রেমে অবজেক্ট ট্র্যাক করতে পারেন। যখন আপনি অবজেক্ট ট্র্যাক করতে চান, অথবা যখন কম ল্যাটেন্সি গুরুত্বপূর্ণ, যেমন রিয়েল টাইমে ভিডিও স্ট্রিম প্রসেস করার সময়, তখন এই মোডটি ব্যবহার করুন।

    SINGLE_IMAGE_MODE এ, অবজেক্ট ডিটেক্টর কোনো ফলাফল ফেরত দেওয়ার আগে, শনাক্ত করা বস্তুর বাউন্ডিং বক্স এবং (যদি আপনি ক্লাসিফিকেশন চালু করে থাকেন) ক্যাটাগরি লেবেল পাওয়া পর্যন্ত অপেক্ষা করে। এর ফলে, ডিটেকশন ল্যাটেন্সি সম্ভাব্যভাবে বেশি হতে পারে। এছাড়াও, SINGLE_IMAGE_MODE এ ট্র্যাকিং আইডি বরাদ্দ করা হয় না। এই মোডটি ব্যবহার করুন যদি ল্যাটেন্সি খুব গুরুত্বপূর্ণ না হয় এবং আপনি আংশিক ফলাফল নিয়ে কাজ করতে না চান।

    একাধিক বস্তু সনাক্ত ও ট্র্যাক করুন false (ডিফল্ট) | true

    সর্বোচ্চ পাঁচটি বস্তু সনাক্ত ও ট্র্যাক করা হবে, নাকি শুধুমাত্র সবচেয়ে সুস্পষ্ট বস্তুটি (ডিফল্ট)।

    বস্তু শ্রেণীবদ্ধ করুন false (ডিফল্ট) | true

    শনাক্তকৃত বস্তুগুলোকে স্থূল শ্রেণীতে শ্রেণীবদ্ধ করা হবে কি না। এটি সক্রিয় করা হলে, অবজেক্ট ডিটেক্টর বস্তুগুলোকে নিম্নলিখিত শ্রেণীতে শ্রেণীবদ্ধ করে: ফ্যাশন সামগ্রী, খাদ্য, গৃহস্থালি সামগ্রী, স্থান, উদ্ভিদ এবং অজানা।

    অবজেক্ট ডিটেকশন এবং ট্র্যাকিং এপিআইটি এই দুটি মূল ব্যবহারের ক্ষেত্রের জন্য অপ্টিমাইজ করা হয়েছে:

    • ক্যামেরার ভিউফাইন্ডারে সবচেয়ে সুস্পষ্ট বস্তুটির সরাসরি শনাক্তকরণ এবং অনুসরণ
    • একটি স্থির চিত্র থেকে একাধিক বস্তু সনাক্তকরণ

    এই ব্যবহারের ক্ষেত্রগুলির জন্য API কনফিগার করতে:

    Java 

    // Live detection and tracking
FirebaseVisionObjectDetectorOptions options =
        new FirebaseVisionObjectDetectorOptions.Builder()
                .setDetectorMode(FirebaseVisionObjectDetectorOptions.STREAM_MODE)
                .enableClassification()  // Optional
                .build();

// Multiple object detection in static images
FirebaseVisionObjectDetectorOptions options =
        new FirebaseVisionObjectDetectorOptions.Builder()
                .setDetectorMode(FirebaseVisionObjectDetectorOptions.SINGLE_IMAGE_MODE)
                .enableMultipleObjects()
                .enableClassification()  // Optional
                .build();

    Kotlin 

    // Live detection and tracking
val options = FirebaseVisionObjectDetectorOptions.Builder()
        .setDetectorMode(FirebaseVisionObjectDetectorOptions.STREAM_MODE)
        .enableClassification()  // Optional
        .build()

// Multiple object detection in static images
val options = FirebaseVisionObjectDetectorOptions.Builder()
        .setDetectorMode(FirebaseVisionObjectDetectorOptions.SINGLE_IMAGE_MODE)
        .enableMultipleObjects()
        .enableClassification()  // Optional
        .build()

  2. FirebaseVisionObjectDetector এর একটি ইনস্ট্যান্স নিন:

    Java 

    FirebaseVisionObjectDetector objectDetector =
        FirebaseVision.getInstance().getOnDeviceObjectDetector();

// Or, to change the default settings:
FirebaseVisionObjectDetector objectDetector =
        FirebaseVision.getInstance().getOnDeviceObjectDetector(options);

    Kotlin 

    val objectDetector = FirebaseVision.getInstance().getOnDeviceObjectDetector()

// Or, to change the default settings:
val objectDetector = FirebaseVision.getInstance().getOnDeviceObjectDetector(options)

২. অবজেক্ট ডিটেক্টরটি চালান।

অবজেক্ট শনাক্ত ও ট্র্যাক করতে, FirebaseVisionObjectDetector ইনস্ট্যান্সের processImage() মেথডে ছবিগুলো পাঠান।

একটি সিকোয়েন্সের প্রতিটি ভিডিও বা ইমেজ ফ্রেমের জন্য নিম্নলিখিত কাজগুলো করুন:

  1. আপনার ইমেজ থেকে একটি FirebaseVisionImage অবজেক্ট তৈরি করুন।

    • একটি media.Image অবজেক্ট থেকে একটি FirebaseVisionImage অবজেক্ট তৈরি করতে, যেমন ডিভাইসের ক্যামেরা থেকে ছবি তোলার সময়, FirebaseVisionImage.fromMediaImage() ফাংশনে media.Image অবজেক্টটি এবং ছবিটির রোটেশন পাস করুন।

      আপনি যদি CameraX লাইব্রেরি ব্যবহার করেন, তাহলে OnImageCapturedListener এবং ImageAnalysis.Analyzer ক্লাসগুলো আপনার জন্য রোটেশন ভ্যালু গণনা করে দেয়, তাই FirebaseVisionImage.fromMediaImage() কল করার আগে আপনাকে শুধু রোটেশনটিকে ML Kit-এর ROTATION_ কনস্ট্যান্টগুলোর একটিতে রূপান্তর করতে হবে।

      Java 

      private class YourAnalyzer implements ImageAnalysis.Analyzer {

    private int degreesToFirebaseRotation(int degrees) {
        switch (degrees) {
            case 0:
                return FirebaseVisionImageMetadata.ROTATION_0;
            case 90:
                return FirebaseVisionImageMetadata.ROTATION_90;
            case 180:
                return FirebaseVisionImageMetadata.ROTATION_180;
            case 270:
                return FirebaseVisionImageMetadata.ROTATION_270;
            default:
                throw new IllegalArgumentException(
                        "Rotation must be 0, 90, 180, or 270.");
        }
    }

    @Override
    public void analyze(ImageProxy imageProxy, int degrees) {
        if (imageProxy == null || imageProxy.getImage() == null) {
            return;
        }
        Image mediaImage = imageProxy.getImage();
        int rotation = degreesToFirebaseRotation(degrees);
        FirebaseVisionImage image =
                FirebaseVisionImage.fromMediaImage(mediaImage, rotation);
        // Pass image to an ML Kit Vision API
        // ...
    }
}

      Kotlin 

      private class YourImageAnalyzer : ImageAnalysis.Analyzer {
    private fun degreesToFirebaseRotation(degrees: Int): Int = when(degrees) {
        0 -> FirebaseVisionImageMetadata.ROTATION_0
        90 -> FirebaseVisionImageMetadata.ROTATION_90
        180 -> FirebaseVisionImageMetadata.ROTATION_180
        270 -> FirebaseVisionImageMetadata.ROTATION_270
        else -> throw Exception("Rotation must be 0, 90, 180, or 270.")
    }

    override fun analyze(imageProxy: ImageProxy?, degrees: Int) {
        val mediaImage = imageProxy?.image
        val imageRotation = degreesToFirebaseRotation(degrees)
        if (mediaImage != null) {
            val image = FirebaseVisionImage.fromMediaImage(mediaImage, imageRotation)
            // Pass image to an ML Kit Vision API
            // ...
        }
    }
}

      যদি আপনি এমন কোনো ক্যামেরা লাইব্রেরি ব্যবহার না করেন যা আপনাকে ছবির ঘূর্ণন (rotation) দেয়, তাহলে আপনি ডিভাইসের ঘূর্ণন এবং ডিভাইসের ক্যামেরা সেন্সরের অভিমুখ (orientation) থেকে এটি গণনা করতে পারেন:

      Java 

      private static final SparseIntArray ORIENTATIONS = new SparseIntArray();
static {
    ORIENTATIONS.append(Surface.ROTATION_0, 90);
    ORIENTATIONS.append(Surface.ROTATION_90, 0);
    ORIENTATIONS.append(Surface.ROTATION_180, 270);
    ORIENTATIONS.append(Surface.ROTATION_270, 180);
}

/**
 * Get the angle by which an image must be rotated given the device's current
 * orientation.
 */
@RequiresApi(api = Build.VERSION_CODES.LOLLIPOP)
private int getRotationCompensation(String cameraId, Activity activity, Context context)
        throws CameraAccessException {
    // Get the device's current rotation relative to its "native" orientation.
    // Then, from the ORIENTATIONS table, look up the angle the image must be
    // rotated to compensate for the device's rotation.
    int deviceRotation = activity.getWindowManager().getDefaultDisplay().getRotation();
    int rotationCompensation = ORIENTATIONS.get(deviceRotation);

    // On most devices, the sensor orientation is 90 degrees, but for some
    // devices it is 270 degrees. For devices with a sensor orientation of
    // 270, rotate the image an additional 180 ((270 + 270) % 360) degrees.
    CameraManager cameraManager = (CameraManager) context.getSystemService(CAMERA_SERVICE);
    int sensorOrientation = cameraManager
            .getCameraCharacteristics(cameraId)
            .get(CameraCharacteristics.SENSOR_ORIENTATION);
    rotationCompensation = (rotationCompensation + sensorOrientation + 270) % 360;

    // Return the corresponding FirebaseVisionImageMetadata rotation value.
    int result;
    switch (rotationCompensation) {
        case 0:
            result = FirebaseVisionImageMetadata.ROTATION_0;
            break;
        case 90:
            result = FirebaseVisionImageMetadata.ROTATION_90;
            break;
        case 180:
            result = FirebaseVisionImageMetadata.ROTATION_180;
            break;
        case 270:
            result = FirebaseVisionImageMetadata.ROTATION_270;
            break;
        default:
            result = FirebaseVisionImageMetadata.ROTATION_0;
            Log.e(TAG, "Bad rotation value: " + rotationCompensation);
    }
    return result;
}
      VisionImage.java

      Kotlin 

      private val ORIENTATIONS = SparseIntArray()

init {
    ORIENTATIONS.append(Surface.ROTATION_0, 90)
    ORIENTATIONS.append(Surface.ROTATION_90, 0)
    ORIENTATIONS.append(Surface.ROTATION_180, 270)
    ORIENTATIONS.append(Surface.ROTATION_270, 180)
}
/**
 * Get the angle by which an image must be rotated given the device's current
 * orientation.
 */
@RequiresApi(api = Build.VERSION_CODES.LOLLIPOP)
@Throws(CameraAccessException::class)
private fun getRotationCompensation(cameraId: String, activity: Activity, context: Context): Int {
    // Get the device's current rotation relative to its "native" orientation.
    // Then, from the ORIENTATIONS table, look up the angle the image must be
    // rotated to compensate for the device's rotation.
    val deviceRotation = activity.windowManager.defaultDisplay.rotation
    var rotationCompensation = ORIENTATIONS.get(deviceRotation)

    // On most devices, the sensor orientation is 90 degrees, but for some
    // devices it is 270 degrees. For devices with a sensor orientation of
    // 270, rotate the image an additional 180 ((270 + 270) % 360) degrees.
    val cameraManager = context.getSystemService(CAMERA_SERVICE) as CameraManager
    val sensorOrientation = cameraManager
            .getCameraCharacteristics(cameraId)
            .get(CameraCharacteristics.SENSOR_ORIENTATION)!!
    rotationCompensation = (rotationCompensation + sensorOrientation + 270) % 360

    // Return the corresponding FirebaseVisionImageMetadata rotation value.
    val result: Int
    when (rotationCompensation) {
        0 -> result = FirebaseVisionImageMetadata.ROTATION_0
        90 -> result = FirebaseVisionImageMetadata.ROTATION_90
        180 -> result = FirebaseVisionImageMetadata.ROTATION_180
        270 -> result = FirebaseVisionImageMetadata.ROTATION_270
        else -> {
            result = FirebaseVisionImageMetadata.ROTATION_0
            Log.e(TAG, "Bad rotation value: $rotationCompensation")
        }
    }
    return result
}
      VisionImage.kt

      তারপর, media.Image অবজেক্ট এবং রোটেশন ভ্যালুটি FirebaseVisionImage.fromMediaImage() -এ পাস করুন:

      Java 

      FirebaseVisionImage image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation);
      VisionImage.java

      Kotlin 

      val image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation)
      VisionImage.kt
    • একটি ফাইল URI থেকে FirebaseVisionImage অবজেক্ট তৈরি করতে, FirebaseVisionImage.fromFilePath() -এ অ্যাপ কনটেক্সট এবং ফাইল URI পাস করুন। এটি তখন কাজে আসে যখন আপনি ACTION_GET_CONTENT ইন্টেন্ট ব্যবহার করে ব্যবহারকারীকে তার গ্যালারি অ্যাপ থেকে একটি ছবি বেছে নিতে বলেন।

      Java 

      FirebaseVisionImage image;
try {
    image = FirebaseVisionImage.fromFilePath(context, uri);
} catch (IOException e) {
    e.printStackTrace();
}
      VisionImage.java

      Kotlin 

      val image: FirebaseVisionImage
try {
    image = FirebaseVisionImage.fromFilePath(context, uri)
} catch (e: IOException) {
    e.printStackTrace()
}
      VisionImage.kt
    • ByteBuffer বা বাইট অ্যারে থেকে একটি FirebaseVisionImage অবজেক্ট তৈরি করতে, প্রথমে media.Image ইনপুটের জন্য উপরে বর্ণিত পদ্ধতি অনুযায়ী ছবির ঘূর্ণন গণনা করুন।

      এরপর, একটি FirebaseVisionImageMetadata অবজেক্ট তৈরি করুন যাতে ছবিটির উচ্চতা, প্রস্থ, কালার এনকোডিং ফরম্যাট এবং রোটেশন থাকবে:

      Java 

      FirebaseVisionImageMetadata metadata = new FirebaseVisionImageMetadata.Builder()
        .setWidth(480)   // 480x360 is typically sufficient for
        .setHeight(360)  // image recognition
        .setFormat(FirebaseVisionImageMetadata.IMAGE_FORMAT_NV21)
        .setRotation(rotation)
        .build();
      VisionImage.java

      Kotlin 

      val metadata = FirebaseVisionImageMetadata.Builder()
        .setWidth(480) // 480x360 is typically sufficient for
        .setHeight(360) // image recognition
        .setFormat(FirebaseVisionImageMetadata.IMAGE_FORMAT_NV21)
        .setRotation(rotation)
        .build()
      VisionImage.kt

      একটি FirebaseVisionImage অবজেক্ট তৈরি করতে বাফার বা অ্যারে এবং মেটাডেটা অবজেক্ট ব্যবহার করুন:

      Java 

      FirebaseVisionImage image = FirebaseVisionImage.fromByteBuffer(buffer, metadata);
// Or: FirebaseVisionImage image = FirebaseVisionImage.fromByteArray(byteArray, metadata);
      VisionImage.java

      Kotlin 

      val image = FirebaseVisionImage.fromByteBuffer(buffer, metadata)
// Or: val image = FirebaseVisionImage.fromByteArray(byteArray, metadata)
      VisionImage.kt
    • একটি Bitmap অবজেক্ট থেকে একটি FirebaseVisionImage অবজেক্ট তৈরি করতে:

      Java 

      FirebaseVisionImage image = FirebaseVisionImage.fromBitmap(bitmap);
      VisionImage.java

      Kotlin 

      val image = FirebaseVisionImage.fromBitmap(bitmap)
      VisionImage.kt
      Bitmap অবজেক্ট দ্বারা উপস্থাপিত চিত্রটি অবশ্যই খাড়া হতে হবে, এর জন্য কোনো অতিরিক্ত ঘূর্ণনের প্রয়োজন নেই।

  2. ছবিটি processImage() মেথডে পাঠান:

    Java 

    objectDetector.processImage(image)
        .addOnSuccessListener(
                new OnSuccessListener<List<FirebaseVisionObject>>() {
                    @Override
                    public void onSuccess(List<FirebaseVisionObject> detectedObjects) {
                        // Task completed successfully
                        // ...
                    }
                })
        .addOnFailureListener(
                new OnFailureListener() {
                    @Override
                    public void onFailure(@NonNull Exception e) {
                        // Task failed with an exception
                        // ...
                    }
                });

    Kotlin 

    objectDetector.processImage(image)
        .addOnSuccessListener { detectedObjects ->
            // Task completed successfully
            // ...
        }
        .addOnFailureListener { e ->
            // Task failed with an exception
            // ...
        }

  3. processImage() কলটি সফল হলে, FirebaseVisionObject গুলোর একটি তালিকা success listener-এ পাঠানো হয়।

    প্রতিটি FirebaseVisionObject নিম্নলিখিত প্রোপার্টিগুলো থাকে:

    বাউন্ডিং বক্স একটি Rect যা ছবিতে বস্তুটির অবস্থান নির্দেশ করে।
    ট্র্যাকিং আইডি একটি পূর্ণসংখ্যা যা একাধিক ছবির মধ্যে বস্তুটিকে শনাক্ত করে। SINGLE_IMAGE_MODE-এ এর মান নাল (Null)।
    বিভাগ বস্তুটির স্থূল শ্রেণীবিভাগ। যদি অবজেক্ট ডিটেক্টরে শ্রেণীবিভাগ সক্রিয় না থাকে, তবে এটি সর্বদা FirebaseVisionObject.CATEGORY_UNKNOWN হয়।
    আত্মবিশ্বাস বস্তুর শ্রেণীকরণের নির্ভরযোগ্যতার মান। যদি অবজেক্ট ডিটেক্টরে শ্রেণীকরণ সক্রিয় না থাকে, অথবা বস্তুটি অজানা হিসাবে শ্রেণীবদ্ধ করা হয়, তবে এর null ) হয়।

    Java 

    // The list of detected objects contains one item if multiple object detection wasn't enabled.
for (FirebaseVisionObject obj : detectedObjects) {
    Integer id = obj.getTrackingId();
    Rect bounds = obj.getBoundingBox();

    // If classification was enabled:
    int category = obj.getClassificationCategory();
    Float confidence = obj.getClassificationConfidence();
}

    Kotlin 

    // The list of detected objects contains one item if multiple object detection wasn't enabled.
for (obj in detectedObjects) {
    val id = obj.trackingId       // A number that identifies the object across images
    val bounds = obj.boundingBox  // The object's position in the image

    // If classification was enabled:
    val category = obj.classificationCategory
    val confidence = obj.classificationConfidence
}

ব্যবহারযোগ্যতা এবং কর্মক্ষমতা উন্নত করা

সর্বোত্তম ব্যবহারকারী অভিজ্ঞতার জন্য, আপনার অ্যাপে এই নির্দেশিকাগুলো অনুসরণ করুন:

  • সফল বস্তু শনাক্তকরণ বস্তুটির দৃশ্যমান জটিলতার উপর নির্ভর করে। অল্প সংখ্যক দৃশ্যমান বৈশিষ্ট্যযুক্ত বস্তু শনাক্ত করার জন্য ছবির একটি বড় অংশ জুড়ে থাকার প্রয়োজন হতে পারে। আপনি যে ধরনের বস্তু শনাক্ত করতে চান, সেগুলোর জন্য উপযুক্ত ইনপুট গ্রহণের বিষয়ে ব্যবহারকারীদের নির্দেশনা দেওয়া উচিত।
  • শ্রেণীবিভাগ ব্যবহার করার সময়, যদি আপনি এমন বস্তু শনাক্ত করতে চান যা সমর্থিত বিভাগগুলোর কোনোটিতেই স্পষ্টভাবে পড়ে না, তাহলে অজানা বস্তুগুলোর জন্য বিশেষ ব্যবস্থা গ্রহণ করুন।

এছাড়াও, [এমএল কিট ম্যাটেরিয়াল ডিজাইন শোকেস অ্যাপ][showcase-link]{: .external } এবং মেশিন লার্নিং-চালিত ফিচারগুলোর জন্য ম্যাটেরিয়াল ডিজাইন প্যাটার্নস কালেকশনটি দেখুন।

রিয়েল-টাইম অ্যাপ্লিকেশনে স্ট্রিমিং মোড ব্যবহার করার সময় সেরা ফ্রেমরেট পেতে এই নির্দেশিকাগুলো অনুসরণ করুন:

  • স্ট্রিমিং মোডে একাধিক বস্তু শনাক্তকরণ ব্যবহার করবেন না, কারণ বেশিরভাগ ডিভাইস পর্যাপ্ত ফ্রেমরেট তৈরি করতে পারবে না।

  • প্রয়োজন না থাকলে শ্রেণিবিন্যাস নিষ্ক্রিয় করুন।

  • ডিটেক্টরে পাঠানো কলগুলোর গতি সীমিত করুন। ডিটেক্টরটি চালু থাকা অবস্থায় যদি কোনো নতুন ভিডিও ফ্রেম পাওয়া যায়, তবে ফ্রেমটি বাদ দিন।
  • আপনি যদি ইনপুট ইমেজের উপর গ্রাফিক্স ওভারলে করার জন্য ডিটেক্টরের আউটপুট ব্যবহার করেন, তাহলে প্রথমে এমএল কিট (ML Kit) থেকে ফলাফলটি নিন, তারপর ইমেজটি রেন্ডার করুন এবং এক ধাপেই ওভারলে করুন। এভাবে করলে, প্রতিটি ইনপুট ফ্রেমের জন্য ডিসপ্লে সারফেসে কেবল একবারই রেন্ডার করা হয়।

  • আপনি যদি Camera2 API ব্যবহার করেন, তাহলে ImageFormat.YUV_420_888 ফরম্যাটে ছবি তুলুন।

    আপনি যদি পুরোনো ক্যামেরা এপিআই ব্যবহার করেন, তাহলে ImageFormat.NV21 ফরম্যাটে ছবি তুলুন।