La tarea Reconocimiento de gestos de MediaPipe te permite reconocer gestos de las manos en tiempo real y proporciona los resultados reconocidos de los gestos de la mano y los puntos de referencia de las manos detectadas. En estas instrucciones, se muestra cómo usar el reconocedor de gestos en aplicaciones para iOS.
Puedes ver esta tarea en acción en la demostración web. Para obtener más información sobre las capacidades, los modelos y las opciones de configuración de esta tarea, consulta la Descripción general.
Ejemplo de código
El código de ejemplo de MediaPipe Tasks es una implementación básica de una app de reconocimiento de gestos para iOS. En el ejemplo, se usa la cámara de un dispositivo iOS físico para detectar de forma continua los gestos de la mano, y también se pueden usar imágenes y videos de la galería del dispositivo para detectar gestos de forma estática.
Puedes usarla como punto de partida de tu propia app para iOS o hacer referencia a ella cuando modifiques una app existente. El código de ejemplo del Reconocedor de gestos se aloja en GitHub.
Descarga el código
En las siguientes instrucciones, se muestra cómo crear una copia local del código de ejemplo con la herramienta de línea de comandos git.
Para descargar el código de ejemplo, haz lo siguiente:
Usa el siguiente comando para clonar el repositorio de Git:
git clone https://github.com/google-ai-edge/mediapipe-samples
De manera opcional, configura tu instancia de Git para que use un proceso de confirmación de compra disperso, de modo que solo tengas los archivos para la app de ejemplo de Reconocedor de gestos:
cd mediapipe git sparse-checkout init --cone git sparse-checkout set examples/gesture_recognizer/ios/
Después de crear una versión local del código de ejemplo, puedes instalar la biblioteca de tareas de MediaPipe, abrir el proyecto con Xcode y ejecutar la app. Para obtener instrucciones, consulta la Guía de configuración para iOS.
Componentes clave
Los siguientes archivos contienen el código fundamental para la aplicación de ejemplo del Reconocedor de gestos:
- GestureRecognizerService.swift: inicializa el reconocedor de gestos, maneja la selección de modelos y ejecuta inferencias en los datos de entrada.
- CameraViewController.swift: Implementa la IU para el modo de entrada del feed de la cámara en vivo y visualiza los resultados.
- MediaLibraryViewController.swift: Implementa la IU para el modo de entrada de archivos de imagen estática y video, y visualiza los resultados.
Configuración
En esta sección, se describen los pasos clave para configurar tu entorno de desarrollo y los proyectos de código a fin de usar el Reconocedor de gestos. Si quieres obtener información general sobre cómo configurar tu entorno de desarrollo para usar tareas de MediaPipe, incluidos los requisitos de la versión de la plataforma, consulta la Guía de configuración para iOS.
Dependencias
El Reconocedor de gestos usa la biblioteca MediaPipeTasksVision
, que se debe instalar con CocoaPods. La biblioteca es compatible con las apps de Swift y Objective-C,
y no requiere ninguna configuración adicional específica de un lenguaje.
Si quieres obtener instrucciones para instalar CocoaPods en macOS, consulta la guía de
instalación de CocoaPods.
Si quieres obtener instrucciones para crear un Podfile
con los Pods necesarios para tu
app, consulta Usa
CocoaPods.
Agrega el pod de MediaPipeTasksVision a Podfile
con el siguiente código:
target 'MyGestureRecognizerApp' do
use_frameworks!
pod 'MediaPipeTasksVision'
end
Si la app incluye objetivos de prueba de unidades, consulta la Guía de configuración para iOS y obtén información adicional sobre la configuración de tu Podfile
.
Modelo
La tarea Reconocedor de gestos de MediaPipe requiere un modelo entrenado que sea compatible con esta tarea. Si deseas obtener más información sobre los modelos entrenados disponibles para el Reconocedor de gestos, consulta la descripción general de tareas en la sección Modelos.
Selecciona y descarga un modelo, y agrégalo al directorio de tu proyecto con Xcode. Para obtener instrucciones sobre cómo agregar archivos al proyecto de Xcode, consulta Cómo administrar archivos y carpetas en tu proyecto de Xcode.
Usa la propiedad BaseOptions.modelAssetPath
para especificar la ruta de acceso al modelo en tu paquete de aplicación. Para ver un ejemplo de código, consulta la siguiente sección.
Crea la tarea
Puedes crear la tarea Reconocedor de gestos llamando a uno de sus inicializadores. El inicializador GestureRecognizer(options:)
acepta valores para las opciones de configuración.
Si no necesitas que se inicialice un reconocedor de gestos con opciones de configuración personalizadas, puedes usar el inicializador GestureRecognizer(modelPath:)
para crearlo con las opciones predeterminadas. Para obtener más información sobre las opciones de configuración, consulta Descripción general de la configuración.
La tarea Reconocedor de gestos admite 3 tipos de datos de entrada: imágenes fijas, archivos de video y transmisiones de video en vivo. De forma predeterminada, GestureRecognizer(modelPath:)
inicializa una tarea para imágenes estáticas. Si deseas que tu tarea se inicialice para procesar archivos de video o transmisiones de video en vivo, usa GestureRecognizer(options:)
para especificar el modo de ejecución de video o transmisión en vivo. El modo de transmisión en vivo también requiere la opción de configuración adicional gestureRecognizerLiveStreamDelegate
, que permite que el reconocedor de gestos entregue resultados de reconocimiento de gestos al delegado de forma asíncrona.
Elige la pestaña correspondiente a tu modo de ejecución para ver cómo crear la tarea y ejecutar la inferencia.
Swift
De imagen
import MediaPipeTasksVision let modelPath = Bundle.main.path(forResource: "gesture_recognizer", ofType: "task") let options = GestureRecognizerOptions() options.baseOptions.modelAssetPath = modelPath options.runningMode = .image options.minHandDetectionConfidence = minHandDetectionConfidence options.minHandPresenceConfidence = minHandPresenceConfidence options.minTrackingConfidence = minHandTrackingConfidence options.numHands = numHands let gestureRecognizer = try GestureRecognizer(options: options)
Video
import MediaPipeTasksVision let modelPath = Bundle.main.path(forResource: "gesture_recognizer", ofType: "task") let options = GestureRecognizerOptions() options.baseOptions.modelAssetPath = modelPath options.runningMode = .video options.minHandDetectionConfidence = minHandDetectionConfidence options.minHandPresenceConfidence = minHandPresenceConfidence options.minTrackingConfidence = minHandTrackingConfidence options.numHands = numHands let gestureRecognizer = try GestureRecognizer(options: options)
Transmisión en vivo
import MediaPipeTasksVision // Class that conforms to the `GestureRecognizerLiveStreamDelegate` protocol and // implements the method that the gesture recognizer calls once it finishes // performing recognizing hand gestures in each input frame. class GestureRecognizerResultProcessor: NSObject, GestureRecognizerLiveStreamDelegate { func gestureRecognizer( _ gestureRecognizer: GestureRecognizer, didFinishRecognition result: GestureRecognizerResult?, timestampInMilliseconds: Int, error: Error?) { // Process the gesture recognizer result or errors here. } } let modelPath = Bundle.main.path( forResource: "gesture_recognizer", ofType: "task") let options = GestureRecognizerOptions() options.baseOptions.modelAssetPath = modelPath options.runningMode = .liveStream options.minHandDetectionConfidence = minHandDetectionConfidence options.minHandPresenceConfidence = minHandPresenceConfidence options.minTrackingConfidence = minHandTrackingConfidence options.numHands = numHands // Assign an object of the class to the `gestureRecognizerLiveStreamDelegate` // property. let processor = GestureRecognizerResultProcessor() options.gestureRecognizerLiveStreamDelegate = processor let gestureRecognizer = try GestureRecognizer(options: options)
Objective‑C
De imagen
@import MediaPipeTasksVision; NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"gesture_recognizer" ofType:@"task"]; MPPGestureRecognizerOptions *options = [[MPPGestureRecognizerOptions alloc] init]; options.baseOptions.modelAssetPath = modelPath; options.runningMode = MPPRunningModeImage; options.minHandDetectionConfidence = minHandDetectionConfidence options.minHandPresenceConfidence = minHandPresenceConfidence options.minTrackingConfidence = minHandTrackingConfidence options.numHands = numHands MPPGestureRecognizer *gestureRecognizer = [[MPPGestureRecognizer alloc] initWithOptions:options error:nil];
Video
@import MediaPipeTasksVision; NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"gesture_recognizer" ofType:@"task"]; MPPGestureRecognizerOptions *options = [[MPPGestureRecognizerOptions alloc] init]; options.baseOptions.modelAssetPath = modelPath; options.runningMode = MPPRunningModeVideo; options.minHandDetectionConfidence = minHandDetectionConfidence options.minHandPresenceConfidence = minHandPresenceConfidence options.minTrackingConfidence = minHandTrackingConfidence options.numHands = numHands MPPGestureRecognizer *gestureRecognizer = [[MPPGestureRecognizer alloc] initWithOptions:options error:nil];
Transmisión en vivo
@import MediaPipeTasksVision; // Class that conforms to the `MPPGestureRecognizerLiveStreamDelegate` protocol // and implements the method that the gesture recognizer calls once it finishes // performing gesture recognition on each input frame. @interface APPGestureRecognizerResultProcessor : NSObject@end @implementation APPGestureRecognizerResultProcessor - (void)gestureRecognizer:(MPPGestureRecognizer *)gestureRecognizer didFinishRecognitionWithResult:(MPPGestureRecognizerResult *)gestureRecognizerResult timestampInMilliseconds:(NSInteger)timestampInMilliseconds error:(NSError *)error { // Process the gesture recognizer result or errors here. } @end NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"gesture_recognizer" ofType:@"task"]; MPPGestureRecognizerOptions *options = [[MPPGestureRecognizerOptions alloc] init]; options.baseOptions.modelAssetPath = modelPath; options.runningMode = MPPRunningModeLiveStream; options.minHandDetectionConfidence = minHandDetectionConfidence options.minHandPresenceConfidence = minHandPresenceConfidence options.minTrackingConfidence = minHandTrackingConfidence options.numHands = numHands // Assign an object of the class to the `gestureRecognizerLiveStreamDelegate` // property. APPGestureRecognizerResultProcessor *processor = [APPGestureRecognizerResultProcessor new]; options.gestureRecognizerLiveStreamDelegate = processor; MPPGestureRecognizer *gestureRecognizer = [[MPPGestureRecognizer alloc] initWithOptions:options error:nil];
Opciones de configuración
Esta tarea incluye las siguientes opciones de configuración para apps para iOS:
Nombre de la opción | Descripción | Rango de valores | Valor predeterminado | |
---|---|---|---|---|
runningMode |
Establece el modo de ejecución para la tarea. Existen tres modos: IMAGE: El modo para entradas de una sola imagen. VIDEO: Es el modo para los fotogramas decodificados de un video. LIVE_STREAM: Es el modo para una transmisión en vivo de datos de entrada, como los que provienen de una cámara. En este modo, se debe llamar a resultListener para configurar un objeto de escucha a fin de recibir resultados de forma asíncrona. En este modo, gestureRecognizerLiveStreamDelegate debe establecerse en una instancia de una clase que implemente GestureRecognizerLiveStreamDelegate para recibir los resultados de realizar el reconocimiento de gestos de forma asíncrona.
|
{RunningMode.image, RunningMode.video, RunningMode.liveStream } |
RunningMode.image |
|
num_hands |
GestureRecognizer puede detectar la cantidad máxima de manos.
|
Any integer > 0 |
1 |
|
min_hand_detection_confidence |
Puntuación de confianza mínima para que la detección de la mano se considere exitosa en el modelo de detección de palma. | 0.0 - 1.0 |
0.5 |
|
min_hand_presence_confidence |
Puntuación de confianza mínima de la puntuación de presencia de la mano en el modelo de detección de puntos de referencia de la mano. En los modos de video y de transmisión en vivo del Reconocedor de gestos, si la puntuación de confianza de la presencia de la mano del modelo de punto de referencia de la mano está por debajo de este umbral, se activa el modelo de detección de palma. De lo contrario, se usa un algoritmo ligero de seguimiento de la mano para determinar la ubicación de las manos y detectar puntos de referencia posteriormente. | 0.0 - 1.0 |
0.5 |
|
min_tracking_confidence |
La puntuación de confianza mínima para que el seguimiento de la mano se considere exitoso. Este es el umbral de IoU del cuadro de límite entre las manos en el marco actual y el último fotograma. En los modos de video y de transmisión del Reconocedor de gestos, si falla el seguimiento, el Reconocedor de gestos activa la detección de la mano. De lo contrario, se omitirá la detección de la mano. | 0.0 - 1.0 |
0.5 |
|
canned_gestures_classifier_options |
Opciones para configurar el comportamiento del clasificador de gestos estándar. Los gestos estándar son ["None", "Closed_Fist", "Open_Palm", "Pointing_Up", "Thumb_Down", "Thumb_Up", "Victory", "ILoveYou"] |
|
|
|
custom_gestures_classifier_options |
Opciones para configurar el comportamiento del clasificador de gestos personalizado. |
|
|
|
result_listener |
Configura el objeto de escucha de resultados para recibir los resultados de clasificación de forma asíncrona cuando el reconocedor de gestos está en el modo de transmisión en vivo.
Solo se puede usar cuando el modo de ejecución está configurado en LIVE_STREAM |
ResultListener |
N/A | N/A |
Cuando el modo de ejecución está configurado para transmitir en vivo, el Reconocedor de gestos requiere la opción de configuración adicional gestureRecognizerLiveStreamDelegate
, que permite que esta función entregue los resultados del reconocimiento de gestos de forma asíncrona.
El delegado debe implementar el método gestureRecognizer(_:didFinishRecognition:timestampInMilliseconds:error:)
, al que el Reconocedor de gestos llama después de procesar los resultados del reconocimiento de gestos en cada fotograma.
Nombre de la opción | Descripción | Rango de valores | Valor predeterminado |
---|---|---|---|
gestureRecognizerLiveStreamDelegate |
Habilita el reconocimiento de gestos para recibir los resultados del reconocimiento de gestos de forma asíncrona en el modo de transmisión en vivo. La clase cuya instancia se establece en esta propiedad debe implementar el método gestureRecognizer(_:didFinishRecognition:timestampInMilliseconds:error:) . |
No aplicable | No establecida |
Preparar los datos
Debes convertir la imagen o el marco de entrada en un objeto MPImage
antes de pasarlo al reconocedor de gestos. MPImage
admite diferentes tipos de formatos de imagen de iOS y puede usarlos en cualquier modo de ejecución para la inferencia. Para obtener más información sobre MPImage
, consulta la API de MPImage.
Elige un formato de imagen de iOS según tu caso de uso y el modo de ejecución que requiera tu aplicación.MPImage
acepta los formatos de imagen de iOS UIImage
, CVPixelBuffer
y CMSampleBuffer
.
UIImage
El formato UIImage
es adecuado para los siguientes modos de ejecución:
Imágenes: Las imágenes de un paquete de aplicación, una galería de usuario o un sistema de archivos con el formato de imágenes
UIImage
se pueden convertir en un objetoMPImage
.Videos: Usa AVAssetImageGenerator para extraer fotogramas de video al formato CGImage y, luego, convertirlos en imágenes
UIImage
.
Swift
// Load an image on the user's device as an iOS `UIImage` object. // Convert the `UIImage` object to a MediaPipe's Image object having the default // orientation `UIImage.Orientation.up`. let image = try MPImage(uiImage: image)
Objective‑C
// Load an image on the user's device as an iOS `UIImage` object. // Convert the `UIImage` object to a MediaPipe's Image object having the default // orientation `UIImageOrientationUp`. MPImage *image = [[MPPImage alloc] initWithUIImage:image error:nil];
En el ejemplo, se inicializa un objeto MPImage
con la orientación predeterminada UIImage.Orientation.Up. Puedes inicializar un objeto MPImage
con cualquiera de los valores UIImage.Orientation admitidos. El Reconocedor de gestos no admite orientaciones duplicadas, como .upMirrored
, .downMirrored
, .leftMirrored
y .rightMirrored
.
Para obtener más información sobre UIImage
, consulta la documentación de UIImage para desarrolladores de Apple.
CVPixelBuffer
El formato CVPixelBuffer
es adecuado para aplicaciones que generan marcos y usan el framework CoreImage de iOS para el procesamiento.
El formato CVPixelBuffer
es adecuado para los siguientes modos de ejecución:
Imágenes: Las apps que generan imágenes
CVPixelBuffer
después de procesarlas usando el frameworkCoreImage
de iOS se pueden enviar al reconocedor de gestos en el modo de ejecución de imágenes.Videos: Los fotogramas de video se pueden convertir al formato
CVPixelBuffer
para su procesamiento y, luego, enviarse al reconocedor de gestos en el modo de video.Transmisión en vivo: Las apps que usan una cámara de iOS para generar fotogramas se pueden convertir al formato
CVPixelBuffer
para su procesamiento antes de enviarse al reconocedor de gestos en el modo de transmisión en vivo.
Swift
// Obtain a CVPixelBuffer. // Convert the `CVPixelBuffer` object to a MediaPipe's Image object having the default // orientation `UIImage.Orientation.up`. let image = try MPImage(pixelBuffer: pixelBuffer)
Objective‑C
// Obtain a CVPixelBuffer. // Convert the `CVPixelBuffer` object to a MediaPipe's Image object having the // default orientation `UIImageOrientationUp`. MPImage *image = [[MPPImage alloc] initWithUIImage:image error:nil];
Para obtener más información sobre CVPixelBuffer
, consulta la documentación para desarrolladores de Apple CVPixelBuffer.
CMSampleBuffer
El formato CMSampleBuffer
almacena muestras de contenido multimedia de un tipo de medio uniforme y es adecuado para el modo de ejecución de transmisión en vivo. Los fotogramas en tiempo real de las cámaras iOS se entregan de forma asíncrona en formato CMSampleBuffer
por AVCaptureVideoDataOutput de iOS.
Swift
// Obtain a CMSampleBuffer. // Convert the `CMSampleBuffer` object to a MediaPipe's Image object having the default // orientation `UIImage.Orientation.up`. let image = try MPImage(sampleBuffer: sampleBuffer)
Objective‑C
// Obtain a `CMSampleBuffer`. // Convert the `CMSampleBuffer` object to a MediaPipe's Image object having the // default orientation `UIImageOrientationUp`. MPImage *image = [[MPPImage alloc] initWithSampleBuffer:sampleBuffer error:nil];
Para obtener más información sobre CMSampleBuffer
, consulta la documentación de CMSampleBuffer para desarrolladores de Apple.
Ejecuta la tarea
Para ejecutar el Reconocedor de gestos, usa el método recognize()
específico del modo de ejecución asignado:
- Imagen fija:
recognize(image:)
- Video:
recognize(videoFrame:timestampInMilliseconds:)
- Transmisión en vivo:
recognizeAsync(image:timestampInMilliseconds:)
En las siguientes muestras de código, se presentan ejemplos básicos de cómo ejecutar el Reconocedor de gestos en estos diferentes modos de ejecución:
Swift
De imagen
let result = try gestureRecognizer.recognize(image: image)
Video
let result = try gestureRecognizer.recognize( videoFrame: image, timestampInMilliseconds: timestamp)
Transmisión en vivo
try gestureRecognizer.recognizeAsync( image: image, timestampInMilliseconds: timestamp)
Objective‑C
De imagen
MPPGestureRecognizerResult *result = [gestureRecognizer recognizeImage:mppImage error:nil];
Video
MPPGestureRecognizerResult *result = [gestureRecognizer recognizeVideoFrame:image timestampInMilliseconds:timestamp error:nil];
Transmisión en vivo
BOOL success = [gestureRecognizer recognizeAsyncImage:image timestampInMilliseconds:timestamp error:nil];
El código de ejemplo permite que el usuario cambie entre los modos de procesamiento, que pueden no ser necesarios para tu caso de uso.
Ten en cuenta lo siguiente:
Cuando ejecutes en modo de video o transmisión en vivo, también deberás proporcionar la marca de tiempo del fotograma de entrada a la tarea del Reconocedor de gestos.
Cuando se ejecuta en modo de imagen o video, la tarea Reconocedor de gestos bloquea el subproceso actual hasta que termina de procesar la imagen o el marco de entrada. Para evitar que se bloquee el subproceso actual, ejecuta el procesamiento en un subproceso en segundo plano con los frameworks de Dispatch o NSOperation de iOS.
Cuando se ejecuta en el modo de transmisión en vivo, la tarea de Reconocedor de gestos se muestra de inmediato y no bloquea el subproceso actual. Invoca el método
gestureRecognizer(_:didFinishRecognition:timestampInMilliseconds:error:)
con el resultado del reconocimiento de gestos después de procesar cada fotograma de entrada. El reconocedor de gestos invoca este método de forma asíncrona en una cola de envío en serie dedicada. Para mostrar los resultados en la interfaz de usuario, envíalos a la cola principal después de procesarlos. Si se llama a la funciónrecognizeAsync
cuando la tarea Reconocedor de gestos está ocupada procesando otro fotograma, este último ignora el nuevo fotograma de entrada.
Cómo controlar y mostrar los resultados
Cuando se ejecuta la inferencia, la tarea Reconocedor de gestos muestra un GestureRecognizerResult
que contiene puntos de referencia de la mano en coordenadas de imágenes, puntos de referencia de la mano en coordenadas mundiales, mano(izquierda/derecha) y categorías de gestos de la mano de las manos detectadas.
A continuación, se muestra un ejemplo de los datos de salida de esta tarea:
El GestureRecognizerResult
resultante contiene cuatro componentes, y cada uno es un array, en el que cada elemento contiene el resultado detectado de una sola mano detectada.
Mano dominante
La mano representa si las manos detectadas son manos izquierdas o derechas.
Gestos
Las categorías de gestos reconocidas de las manos detectadas.
Puntos de referencia
Hay 21 puntos de referencia de la mano, cada uno compuesto por las coordenadas
x
,y
yz
. Las coordenadasx
yy
se normalizan a [0.0, 1.0] por el ancho y la altura de la imagen, respectivamente. La coordenadaz
representa la profundidad del punto de referencia, y la profundidad en la muñeca es el origen. Cuanto más bajo sea el valor, más cerca estará el punto de referencia de la cámara. La magnitud dez
usa más o menos la misma escala quex
.Monumentos universales
Los puntos de referencia de las 21 manos también se presentan en coordenadas mundiales. Cada punto de referencia está compuesto por
x
,y
yz
, que representan coordenadas 3D del mundo real en metros con el origen en el centro geométrico de la mano.
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)
En las siguientes imágenes, se muestra una visualización del resultado de la tarea: