windows基于MediaPipe 和 TensorFlow.js的3D手势检测、人脸检测、身体检测

目录

流程总结

第一步：安装 Node.js 和 Yarn

1.安装 Node.js：

1.1 如果安装了其他版本不合适，可以安装调整nvm-setup.exe来调整

2.安装 Yarn：

第二步：克隆项目仓库

第三步：替换共享文件

1.删除旧的共享文件夹：

1.1 删除tfjs-models\hand-pose-detection\src的shared

1.2 tfjs-models\hand-pose-detection\demos\live_video\src的shared

2.复制新的共享文件夹：

1.2 复制tfjs-models下的shared到tfjs-models\hand-pose-detection\src和 tfjs-models\hand-pose-detection\demos\live_video\src

2.2复制tfjs-models\hand-pose-detection\demos\shared下的文件到 tfjs-models\hand-pose-detection\demos\live_video\src\shared下

第四步：安装依赖并构建项目

1.进入项目目录并删除缓存和旧的 node_modules 文件夹：

2.使用 Yarn 安装项目的依赖项：

3.运行构建：

4.启动项目：

---

 

流程总结

1. 安装 Node.js 和 Yarn。
2. 克隆项目代码。
3. 替换项目中的共享文件。
4. 安装依赖和构建项目，然后运行。

 

第一步：安装 Node.js 和 Yarn

1.安装 Node.js：

• 到 Node.js 官方网站 下载适用于 Windows 的安装程序。
• 安装过程中确保选中 "Add to PATH" 选项。

1.1 如果安装了其他版本不合适，可以安装调整nvm-setup.exe来调整

• 安装 nvm-windows。

• 安装 Node.js 16 LTS 版本（我测试16版本没有问题）：

  nvm install 16

• 切换到 Node.js 16：

  nvm use 16

2.安装 Yarn：

• 在命令行中通过 npm 安装 Yarn：

  npm install -g yarn

• 安装完后，运行 yarn -v 来检查 Yarn 是否成功安装。

第二步：克隆项目仓库

使用 git 克隆 TensorFlow.js 的手部姿态识别项目到本地。

git clone https://github.com/tensorflow/tfjs-models.git

第三步：替换共享文件

在 Windows 中，文件操作命令与 Linux/Unix 不同。你可以使用 PowerShell 或者手动替换文件，下面为手动替换。

1.删除旧的共享文件夹：

1.1 删除tfjs-models\hand-pose-detection\src的shared

1.2 tfjs-models\hand-pose-detection\demos\live_video\src的shared

2.复制新的共享文件夹：

1.2 复制tfjs-models下的shared到tfjs-models\hand-pose-detection\src和 tfjs-models\hand-pose-detection\demos\live_video\src

2.2 复制tfjs-models\hand-pose-detection\demos\shared下的文件到 tfjs-models\hand-pose-detection\demos\live_video\src\shared下

第四步：安装依赖并构建项目

1.进入项目目录并删除缓存和旧的 node_modules 文件夹：

2.使用 Yarn 安装项目的依赖项：

yarn build-dep

3.运行构建：

yarn

4.启动项目：

yarn watch

运行之后（初次启动，需要等待），你可以在浏览器中访问 http://localhost:1234/?model=mediapipe_hands，确认手势识别项目是否成功运行。

第五步：其它项目

1.face-landmarks-detection

1.1 步骤参考上面的手势

1.2 访问localhost:1234/?model=mediapipe_face_mesh

2.pose-detection

2.1 复制tfjs-models到tfjs-models\pose-detection\src下（注意先删除该目录从下的shared）

2.2访问http://localhost:1234/?model=movenet

3. body-segmentation

3.1 步骤参考上面的手势

3.2 http://localhost:1234/?model=selfie_segmentation