带有 VNRecognizedObjectObservation 的 boundingBox 框架不正确

Question

我在使用 Core ML 和 Vision 在已识别对象周围显示边界框时遇到问题。

水平检测似乎工作正常，但是，垂直盒子太高了，超出了视频的顶部边缘，没有一直到视频的底部，并且没有跟随相机的正确运动。在这里你可以看到问题：https://imgur.com/Sppww8T

这是视频数据输出的初始化方式：

let videoDataOutput = AVCaptureVideoDataOutput()
videoDataOutput.alwaysDiscardsLateVideoFrames = true
videoDataOutput.videoSettings = [kCVPixelBufferPixelFormatTypeKey as String: Int(kCVPixelFormatType_420YpCbCr8BiPlanarFullRange)]
videoDataOutput.setSampleBufferDelegate(self, queue: dataOutputQueue!)
self.videoDataOutput = videoDataOutput
session.addOutput(videoDataOutput)
let c = videoDataOutput.connection(with: .video)
c?.videoOrientation = .portrait

我也尝试了其他视频方向，但没有多大成功。

执行视觉请求：

let handler = VNImageRequestHandler(cvPixelBuffer: image, options: [:])
try? handler.perform(vnRequests)

最后，一旦请求被处理。 viewRect 设置为视频视图的大小：812x375（我知道，视频层本身有点短，但这不是这里的问题）：

let observationRect = VNImageRectForNormalizedRect(observation.boundingBox, Int(viewRect.width), Int(viewRect.height))

我也尝试过做类似的事情（有更多问题）：

var observationRect = observation.boundingBox
observationRect.origin.y = 1.0 - observationRect.origin.y
observationRect = videoPreviewLayer.layerRectConverted(fromMetadataOutputRect: observationRect)

我已尝试尽可能多地删除我认为不相关的代码。

我实际上在使用 Apple 的示例代码时遇到了类似的问题，当边界框无法按预期垂直环绕对象时：https://developer.apple.com/documentation/vision/recognizing_objects_in_live_capture 也许这意味着 API 存在问题？

Answer 1

我使用这样的东西：

let width = view.bounds.width
let height = width * 16 / 9
let offsetY = (view.bounds.height - height) / 2
let scale = CGAffineTransform.identity.scaledBy(x: width, y: height)
let transform = CGAffineTransform(scaleX: 1, y: -1).translatedBy(x: 0, y: -height - offsetY)
let rect = prediction.boundingBox.applying(scale).applying(transform)

这假定纵向和 16:9 的纵横比。它假定.imageCropAndScaleOption = .scaleFill。

致谢：转换代码取自此 repo：https://github.com/Willjay90/AppleFaceDetection