手势识别开源项目教程-CSDN博客

本文链接：https://blog.csdn.net/gitblog_00072/article/details/146994612

手势识别开源项目教程

hand-gesture-recognition-mediapipe This is a sample program that recognizes hand signs and finger gestures with a simple MLP using the detected key points. Handpose is estimated using MediaPipe. 项目地址: https://gitcode.com/gh_mirrors/ha/hand-gesture-recognition-mediapipe

1. 项目目录结构及介绍

该项目是一个使用MediaPipe进行手势识别的开源项目，目录结构如下：

hand-gesture-recognition-mediapipe/
│  app.py                      # 主程序文件
│  keypoint_classification.ipynb # 手势识别模型训练脚本
│  point_history_classification.ipynb # 指尖轨迹识别模型训练脚本
│
├─model/
│  ├─keypoint_classifier/
│  │  │  keypoint.csv            # 手势识别训练数据
│  │  │  keypoint_classifier.hdf5 # 训练好的模型文件
│  │  │  keypoint_classifier.py   # 手势识别模型推理模块
│  │  │  keypoint_classifier.tflite # 转换为TFLite的模型文件
│  │  └─ keypoint_classifier_label.csv # 手势标签数据
│  │
│  └─point_history_classifier/
│      │  point_history.csv       # 指尖轨迹识别训练数据
│      │  point_history_classifier.hdf5 # 训练好的模型文件
│      │  point_history_classifier.py    # 指尖轨迹识别模型推理模块
│      │  point_history_classifier.tflite # 转换为TFLite的模型文件
│      └─ point_history_classifier_label.csv # 指尖轨迹标签数据
│
└─utils/
   └─cvfpscalc.py                # FPS计算模块

2. 项目的启动文件介绍

项目的启动文件是app.py，它包含了以下几个主要功能：

使用MediaPipe进行手势关键点检测。
根据检测到的关键点进行手势识别。
根据用户输入的指令收集训练数据。
实时显示手势识别结果和FPS信息。

可以通过以下命令运行app.py：

python app.py

在运行时，可以指定一些参数，例如：

--device：指定相机设备编号。
--width：指定捕获时的宽度。
--height：指定捕获时的高度。
--use_static_image_mode：是否使用静态图像模式进行MediaPipe推理。
--min_detection_confidence：检测置信度阈值。
--min_tracking_confidence：跟踪置信度阈值。

3. 项目的配置文件介绍

该项目中没有明确的配置文件。项目的配置主要是通过修改app.py中的参数和keypoint_classification.ipynb、point_history_classification.ipynb中的模型参数来进行。例如：

在keypoint_classification.ipynb中，可以修改NUM_CLASSES来设置训练数据的类别数，并相应修改keypoint_classifier_label.csv中的标签数据。
在point_history_classification.ipynb中，也可以修改NUM_CLASSES以及point_history_classifier_label.csv中的标签数据来匹配训练数据。

在训练模型时，确保已经收集了足够的训练数据，并且数据类别已经正确标记在CSV文件中。通过Jupyter Notebook执行相关的训练脚本，可以训练出新的模型。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考