MediaPipe 手勢辨識工作可讓您即時辨識手勢、提供已辨識的手勢結果，以及偵測到手部的手部地標。以下操作說明將說明如何搭配 Android 應用程式使用手勢辨識工具。您可以在 GitHub 取得這些操作說明中提及的程式碼範例。
如要查看這項工作的實際運作情形，請參閱網頁示範。如要進一步瞭解這項工作的功能、模型和設定選項，請參閱總覽。
程式碼範例
MediaPipe Tasks 範例程式碼是 Android 專用手勢辨識工具應用程式的簡易實作方式。這個範例使用實體 Android 裝置的相機持續偵測手勢，也能使用裝置圖片庫中的圖片和影片，以靜態方式偵測手勢。
您可以將該應用程式做為開發 Android 應用程式的起點，也可以在修改現有應用程式時參照。手勢辨識程式範例程式碼由 GitHub 代管。
下載程式碼
以下操作說明說明如何使用 git 指令列工具建立範例程式碼的本機副本。
如要下載範例程式碼，請按照下列步驟操作：
- 使用下列指令複製 Git 存放區：
git clone https://github.com/google-ai-edge/mediapipe-samples
- 您可以選擇將 Git 執行個體設為使用稀疏檢查，這樣您只有手勢辨識工具範例應用程式的檔案：
cd mediapipe git sparse-checkout init --cone git sparse-checkout set examples/gesture_recognizer/android
建立範例程式碼的本機版本後，您可以將專案匯入 Android Studio 並執行應用程式。如需操作說明，請參閱「Android 設定指南」。
重要元件
下列檔案包含這個手勢辨識範例應用程式的重要程式碼：
- GestureRecognizerHelper.kt - 初始化手勢辨識器並處理模型及委派選取。
- MainActivity.kt - 實作應用程式，包括呼叫
GestureRecognizerHelper和GestureRecognizerResultsAdapter。 - GestureRecognizerResultsAdapter.kt - 處理結果並設定格式。
設定
本節說明設定開發環境的重要步驟，以及專門用於手勢辨識工具的程式碼專案。如需瞭解如何設定開發環境以使用 MediaPipe 工作 (包括平台版本需求)，請參閱「Android 設定指南」。
依附元件
手勢辨識工作會使用 com.google.mediapipe:tasks-vision 程式庫。將此依附元件新增至 Android 應用程式的 build.gradle 檔案：
dependencies {
implementation 'com.google.mediapipe:tasks-vision:latest.release'
}
型號
MediaPipe 手勢辨識工作需要與這項工作相容的已訓練模型組合。如要進一步瞭解手勢辨識工具可用的已訓練模型，請參閱工作總覽一節。
選取並下載模型，並儲存在專案目錄中：
<dev-project-root>/src/main/assets
在 ModelAssetPath 參數中指定模型的路徑。在這個範例程式碼中，模型會在 GestureRecognizerHelper.kt 檔案中定義：
baseOptionBuilder.setModelAssetPath(MP_RECOGNIZER_TASK)
建立工作
MediaPipe 手勢辨識工作會使用 createFromOptions() 函式設定工作。createFromOptions() 函式可接受設定選項的值。如要進一步瞭解設定選項，請參閱設定選項一文。
手勢辨識工具支援 3 種輸入資料類型：靜態圖片、影片檔案和直播影片串流。您在建立工作時，需要指定與輸入資料類型相對應的執行模式。請選擇與輸入資料類型對應的分頁標籤，瞭解如何建立工作並執行推論。
圖片
val baseOptionsBuilder = BaseOptions.builder().setModelAssetPath(MP_RECOGNIZER_TASK)
val baseOptions = baseOptionBuilder.build()
val optionsBuilder =
GestureRecognizer.GestureRecognizerOptions.builder()
.setBaseOptions(baseOptions)
.setMinHandDetectionConfidence(minHandDetectionConfidence)
.setMinTrackingConfidence(minHandTrackingConfidence)
.setMinHandPresenceConfidence(minHandPresenceConfidence)
.setRunningMode(RunningMode.IMAGE)
val options = optionsBuilder.build()
gestureRecognizer =
GestureRecognizer.createFromOptions(context, options)
影片
val baseOptionsBuilder = BaseOptions.builder().setModelAssetPath(MP_RECOGNIZER_TASK)
val baseOptions = baseOptionBuilder.build()
val optionsBuilder =
GestureRecognizer.GestureRecognizerOptions.builder()
.setBaseOptions(baseOptions)
.setMinHandDetectionConfidence(minHandDetectionConfidence)
.setMinTrackingConfidence(minHandTrackingConfidence)
.setMinHandPresenceConfidence(minHandPresenceConfidence)
.setRunningMode(RunningMode.VIDEO)
val options = optionsBuilder.build()
gestureRecognizer =
GestureRecognizer.createFromOptions(context, options)
直播
val baseOptionsBuilder = BaseOptions.builder().setModelAssetPath(MP_RECOGNIZER_TASK)
val baseOptions = baseOptionBuilder.build()
val optionsBuilder =
GestureRecognizer.GestureRecognizerOptions.builder()
.setBaseOptions(baseOptions)
.setMinHandDetectionConfidence(minHandDetectionConfidence)
.setMinTrackingConfidence(minHandTrackingConfidence)
.setMinHandPresenceConfidence(minHandPresenceConfidence)
.setResultListener(this::returnLivestreamResult)
.setErrorListener(this::returnLivestreamError)
.setRunningMode(RunningMode.LIVE_STREAM)
val options = optionsBuilder.build()
gestureRecognizer =
GestureRecognizer.createFromOptions(context, options)
手勢辨識工具範例程式碼實作可讓使用者切換處理模式。這種做法會讓工作建立程式碼變得更加複雜，並且可能不適合您的用途。您可以在 GestureRecognizerHelper.kt 檔案的 setupGestureRecognizer() 函式中看到此程式碼。
設定選項
這項工作的 Android 應用程式設定選項如下：
| 選項名稱 | 說明 | 值範圍 | 預設值 | |
|---|---|---|---|---|
runningMode |
設定工作的執行模式。共有三種模式： IMAGE：單一圖片輸入的模式。 影片：影片已解碼影格的模式。 LIVE_STREAM：輸入資料串流 (例如攝影機) 的直播模式。在這個模式下，必須呼叫 resultListener 才能設定事件監聽器，以非同步方式接收結果。 |
{IMAGE, VIDEO, LIVE_STREAM} |
IMAGE |
|
numHands |
GestureRecognizer 可以偵測出手的數量上限。 |
Any integer > 0 |
1 |
|
minHandDetectionConfidence |
在手掌偵測模型中，系統判定手部偵測成功的最低信心分數。 | 0.0 - 1.0 |
0.5 |
|
minHandPresenceConfidence |
在手部地標偵測模型中，手持狀態分數的最低可信度分數。在影片模式和手勢辨識的直播模式中，如果手部地標模型的手持信心分數低於這個門檻，就會觸發手掌偵測模型。否則，系統會使用輕量的手追蹤演算法判斷手部位置，以便進行後續地標偵測。 | 0.0 - 1.0 |
0.5 |
|
minTrackingConfidence |
系統判定手機追蹤成功時的最低可信度分數。這是目前影格和最後一個影格之間的定界框 IoU 門檻。在影片模式和手勢辨識的串流模式下，如果追蹤失敗，手勢辨識工具會觸發手部偵測。否則系統會略過手部偵測。 | 0.0 - 1.0 |
0.5 |
|
cannedGesturesClassifierOptions |
設定罐頭手勢分類器行為的選項。罐頭手勢為 ["None", "Closed_Fist", "Open_Palm", "Pointing_Up", "Thumb_Down", "Thumb_Up", "Victory", "ILoveYou"] |
|
|
|
customGesturesClassifierOptions |
設定自訂手勢分類器行為的選項。 |
|
|
|
resultListener |
設定結果事件監聽器，在手勢辨識工具處於直播模式時，以非同步方式接收分類結果。只能在執行模式設為 LIVE_STREAM 時使用 |
ResultListener |
不適用 | 不適用 |
errorListener |
設定選用的錯誤事件監聽器。 | ErrorListener |
不適用 | 不適用 |
準備資料
手勢辨識工具支援圖片、影片檔案和直播影片。工作會處理資料輸入的預先處理作業，包括調整大小、旋轉和值正規化。
以下程式碼示範如何傳送資料以進行處理。這些範例包含如何處理圖片、影片檔案和直播影片串流的資料。
圖片
import com.google.mediapipe.framework.image.BitmapImageBuilder
import com.google.mediapipe.framework.image.MPImage
// Convert the input Bitmap object to an MPImage object to run inference
val mpImage = BitmapImageBuilder(image).build()
影片
import com.google.mediapipe.framework.image.BitmapImageBuilder
import com.google.mediapipe.framework.image.MPImage
val argb8888Frame =
if (frame.config == Bitmap.Config.ARGB_8888) frame
else frame.copy(Bitmap.Config.ARGB_8888, false)
// Convert the input Bitmap object to an MPImage object to run inference
val mpImage = BitmapImageBuilder(argb8888Frame).build()
直播
import com.google.mediapipe.framework.image.BitmapImageBuilder
import com.google.mediapipe.framework.image.MPImage
// Convert the input Bitmap object to an MPImage object to run inference
val mpImage = BitmapImageBuilder(rotatedBitmap).build()
在手勢辨識工具範例程式碼中，資料準備是在 GestureRecognizerHelper.kt 檔案中處理。
執行工作
手勢辨識工具會使用 recognize、recognizeForVideo 和 recognizeAsync 函式觸發推論。針對手勢辨識作業，這包括預先處理輸入資料、偵測圖片中的手、偵測手勢地標，以及辨識地標的手勢。
下列程式碼示範如何使用工作模型執行處理作業。這些範例包含如何處理圖片、影片檔案和直播影片串流的資料。
圖片
val result = gestureRecognizer?.recognize(mpImage)
影片
val timestampMs = i * inferenceIntervalMs
gestureRecognizer?.recognizeForVideo(mpImage, timestampMs)
?.let { recognizerResult ->
resultList.add(recognizerResult)
}
直播
val mpImage = BitmapImageBuilder(rotatedBitmap).build()
val frameTime = SystemClock.uptimeMillis()
gestureRecognizer?.recognizeAsync(mpImage, frameTime)
注意事項：
- 在影片模式或直播模式中執行時，您也必須為手勢辨識工作提供輸入影格的時間戳記。
- 在圖片或影片模式中執行時，手勢辨識工作會封鎖目前的執行緒，直到處理輸入圖片或影格為止。如要避免封鎖使用者介面，請在背景執行緒中執行處理作業。
- 以直播模式執行時，手勢辨識工作不會封鎖目前的執行緒，但會立即傳回。每當完成輸入影格處理作業時，就會透過辨識結果叫用結果事件監聽器。如果手勢辨識工作忙於處理其他影格時呼叫辨識函式，則任務會忽略新的輸入頁框。
在手勢辨識工具範例程式碼中，recognize、recognizeForVideo 和 recognizeAsync 函式是在 GestureRecognizerHelper.kt 檔案中定義。
處理並顯示結果
手勢辨識工具會為每個辨識執行作業產生手勢偵測結果物件。結果物件包含圖片座標中的手繪地標、世界座標的手部地標、慣用手(左/右手)，以及偵測到的手部手勢類別。
以下為這項工作的輸出資料範例：
產生的 GestureRecognizerResult 包含四個元件，每個元件都是陣列，其中每個元素都包含偵測到的一隻手的結果。
慣用手設計
慣用手是指偵測到的手是左手還是右手。
手勢
偵測到的手所辨識的手勢類別。
地標
有 21 個手部地標，每個地標由
x、y和z座標組成。x和y座標會分別根據圖片寬度和高度正規化為 [0.0, 1.0]。z座標代表地標深度，手腕的深度為起點。值越小，地標與相機越近。z的規模與x大致相同。世界著名地標
21 隻手的地標也會顯示在世界座標中。每個地標都由
x、y和z組成，代表實際的 3D 座標 (以公尺為單位)，其起點位於手的幾何中心。
GestureRecognizerResult:
Handedness:
Categories #0:
index : 0
score : 0.98396
categoryName : Left
Gestures:
Categories #0:
score : 0.76893
categoryName : Thumb_Up
Landmarks:
Landmark #0:
x : 0.638852
y : 0.671197
z : -3.41E-7
Landmark #1:
x : 0.634599
y : 0.536441
z : -0.06984
... (21 landmarks for a hand)
WorldLandmarks:
Landmark #0:
x : 0.067485
y : 0.031084
z : 0.055223
Landmark #1:
x : 0.063209
y : -0.00382
z : 0.020920
... (21 world landmarks for a hand)
下圖以視覺化方式呈現工作輸出：
在手勢辨識工具範例程式碼中，GestureRecognizerResultsAdapter.kt 檔案中的 GestureRecognizerResultsAdapter 類別會處理結果。