Guía de reconocimiento de gestos para Python

La tarea de reconocimiento de gestos de MediaPipe te permite reconocer gestos de la mano en tiempo real. proporciona resultados de gestos reconocidos con la mano y puntos de referencia de las manos manos. Estas instrucciones te muestran cómo usar el Reconocedor de gestos con aplicaciones Python.

Puedes ver esta tarea en acción en el sitio web demo Para 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 para el Reconocedor de gestos proporciona una implementación completa de esto en Python para tu referencia. Este código te ayuda a probar esta tarea y obtener empezaste a crear tu propio reconocedor de gestos de la mano. Puedes ver, ejecutar y Edita el ejemplo de Reconocedor de gestos. código usando solo el navegador web.

Si estás implementando el reconocedor de gestos para Raspberry Pi, consulta la Ejemplo de Raspberry Pi de la app.

Configuración

En esta sección, se describen los pasos clave para configurar tu entorno de desarrollo y proyectos de código específicamente para usar el Reconocedor de gestos. Para obtener información general configurar tu entorno de desarrollo para usar tareas de MediaPipe, como requisitos de la versión de la plataforma, consulta la Guía de configuración de Python

Paquetes

La tarea de reconocimiento de gestos de MediaPipe requiere el paquete mediapipe de PyPI. Puedes instalar y importa estas dependencias con lo siguiente:

$ python -m pip install mediapipe

Importaciones

Importa las siguientes clases para acceder a las funciones de tarea del Reconocedor de gestos:

import mediapipe as mp
from mediapipe.tasks import python
from mediapipe.tasks.python import vision

Modelo

La tarea Reconocedor de gestos de MediaPipe requiere un paquete de modelos entrenados compatible con esta tarea. Para obtener más información sobre los modelos entrenados disponibles para el Reconocedor de gestos, consulta la sección Modelos en la descripción general de la tarea.

Selecciona y descarga el modelo y, luego, guárdalo en un directorio local:

model_path = '/absolute/path/to/gesture_recognizer.task'

Especifica la ruta del modelo dentro del parámetro Model Name, como se muestra a continuación:

base_options = BaseOptions(model_asset_path=model_path)

Crea la tarea

La tarea Reconocedor de gestos de MediaPipe usa la función create_from_options para configurar la tarea. La función create_from_options acepta valores para la configuración que manejar. Para obtener más información sobre las opciones de configuración, consulta Opciones de configuración.

En el siguiente código, se muestra cómo compilar y configurar esta tarea.

Estos ejemplos también muestran las variaciones de la construcción de tareas para imágenes archivos de video y transmisiones de video en vivo.

import mediapipe as mp

BaseOptions = mp.tasks.BaseOptions
GestureRecognizer = mp.tasks.vision.GestureRecognizer
GestureRecognizerOptions = mp.tasks.vision.GestureRecognizerOptions
VisionRunningMode = mp.tasks.vision.RunningMode

# Create a gesture recognizer instance with the image mode:
options = GestureRecognizerOptions(
    base_options=BaseOptions(model_asset_path='/path/to/model.task'),
    running_mode=VisionRunningMode.IMAGE)
with GestureRecognizer.create_from_options(options) as recognizer:
  # The detector is initialized. Use it here.
  # ...
    

import mediapipe as mp

BaseOptions = mp.tasks.BaseOptions
GestureRecognizer = mp.tasks.vision.GestureRecognizer
GestureRecognizerOptions = mp.tasks.vision.GestureRecognizerOptions
VisionRunningMode = mp.tasks.vision.RunningMode

# Create a gesture recognizer instance with the video mode:
options = GestureRecognizerOptions(
    base_options=BaseOptions(model_asset_path='/path/to/model.task'),
    running_mode=VisionRunningMode.VIDEO)
with GestureRecognizer.create_from_options(options) as recognizer:
  # The detector is initialized. Use it here.
  # ...
    

import mediapipe as mp

BaseOptions = mp.tasks.BaseOptions
GestureRecognizer = mp.tasks.vision.GestureRecognizer
GestureRecognizerOptions = mp.tasks.vision.GestureRecognizerOptions
GestureRecognizerResult = mp.tasks.vision.GestureRecognizerResult
VisionRunningMode = mp.tasks.vision.RunningMode

# Create a gesture recognizer instance with the live stream mode:
def print_result(result: GestureRecognizerResult, output_image: mp.Image, timestamp_ms: int):
    print('gesture recognition result: {}'.format(result))

options = GestureRecognizerOptions(
    base_options=BaseOptions(model_asset_path='/path/to/model.task'),
    running_mode=VisionRunningMode.LIVE_STREAM,
    result_callback=print_result)
with GestureRecognizer.create_from_options(options) as recognizer:
  # The detector is initialized. Use it here.
  # ...
    

Opciones de configuración

Esta tarea tiene las siguientes opciones de configuración para las aplicaciones de Python:

Preparar los datos

Prepara tu entrada como un archivo de imagen o un array de NumPy y, luego, conviértelo en un mediapipe.Image. Si se trata de un archivo de video o una transmisión en vivo desde un cámara web, puedes usar una biblioteca externa como OpenCV para cargar tus marcos de entrada como NumPy para los diferentes tipos de arrays.

import mediapipe as mp

# Load the input image from an image file.
mp_image = mp.Image.create_from_file('/path/to/image')

# Load the input image from a numpy array.
mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=numpy_image)
    

import mediapipe as mp

# Use OpenCV’s VideoCapture to load the input video.

# Load the frame rate of the video using OpenCV’s CV_CAP_PROP_FPS
# You’ll need it to calculate the timestamp for each frame.

# Loop through each frame in the video using VideoCapture#read()

# Convert the frame received from OpenCV to a MediaPipe’s Image object.
mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=numpy_frame_from_opencv)
    

import mediapipe as mp

# Use OpenCV’s VideoCapture to start capturing from the webcam.

# Create a loop to read the latest frame from the camera using VideoCapture#read()

# Convert the frame received from OpenCV to a MediaPipe’s Image object.
mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=numpy_frame_from_opencv)
    

Ejecuta la tarea

El Reconocedor de gestos usa los elementos reconoce, reconocedo_video y reconoce_async_async. funciones para activar inferencias. Para el reconocimiento de gestos, esto implica procesamiento previo de los datos de entrada, detección de manos en la imagen, detección de mano puntos de referencia y reconocer gestos con manos de los puntos de referencia.

En el siguiente código, se muestra cómo ejecutar el procesamiento con el modelo de tareas.

# Perform gesture recognition on the provided single image.
# The gesture recognizer must be created with the image mode.
gesture_recognition_result = recognizer.recognize(mp_image)
    

# Perform gesture recognition on the provided single image.
# The gesture recognizer must be created with the video mode.
gesture_recognition_result = recognizer.recognize_for_video(mp_image, frame_timestamp_ms)
    

# Send live image data to perform gesture recognition.
# The results are accessible via the `result_callback` provided in
# the `GestureRecognizerOptions` object.
# The gesture recognizer must be created with the live stream mode.
recognizer.recognize_async(mp_image, frame_timestamp_ms)
    

Ten en cuenta lo siguiente:

• Cuando se ejecuta en el modo de video o de transmisión en vivo, también debes y proporcionarle la marca de tiempo del fotograma de entrada a la tarea de Reconocedor de gestos.
• Cuando se ejecuta en el modelo de imagen o video, la tarea Reconocedor de gestos bloquear el subproceso actual hasta que termine de procesar la imagen de entrada o marco.
• Cuando se ejecuta en el modo de transmisión en vivo, la tarea Reconocedor de gestos no bloquea el subproceso actual, pero se muestra inmediatamente. Invocará su resultado objeto de escucha con el resultado del reconocimiento cada vez que haya terminado de procesarse un marco de entrada. Si se llama a la función de reconocimiento cuando el Reconocedor de gestos la tarea está ocupada procesando otro fotograma, la tarea ignorará la nueva entrada marco.

Para ver un ejemplo completo de cómo ejecutar un Reconocedor de gestos en una imagen, consulta el código ejemplo para conocer los detalles.

Cómo controlar y mostrar resultados

El Reconocedor de gestos genera un objeto de resultado de detección de gestos para cada reconocimiento. El objeto result contiene puntos de referencia de la mano en coordenadas de imágenes. puntos de referencia de la mano en coordenadas mundiales, mano(izquierda/derecha) y mano categorías de gestos de las manos detectadas.

A continuación, se muestra un ejemplo de los datos de salida de esta tarea:

El GestureRecognizerResult resultante contiene cuatro componentes, cada uno de los cuales es un array, en el que cada elemento contiene el resultado detectado de una sola mano detectada.

• Mano dominante

  La Mano dominante representa si las manos detectadas son la izquierda o la derecha.

• 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 coordenadas x, y y z. El Las coordenadas x y y se normalizan a [0.0, 1.0] por el ancho de la imagen y altura, respectivamente. La coordenada z representa la profundidad del punto de referencia, con y la profundidad en la muñeca es el origen. Cuanto menor sea el valor, más cerca punto de referencia a la cámara. La magnitud de z usa más o menos la misma escala que x

• Monumentos universales

  Los 21 puntos de referencia de las manos también se presentan en coordenadas mundiales. Cada punto de referencia está compuesto por x, y y z, 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:

El código de ejemplo del Reconocedor de gestos muestra cómo mostrar el valor resultados devueltos por la tarea, consulta el código ejemplo para conocer los detalles.