Python용 동작 인식 가이드

MediaPipe 동작 인식기 작업을 사용하면 손 동작을 실시간으로 인식할 수 있으며 인식된 손 동작 결과와 인식된 손의 손 랜드마크를 제공합니다. 다음 안내에서는 Python 애플리케이션에서 동작 인식기를 사용하는 방법을 보여줍니다.

웹 데모에서 이 작업의 작동 방식을 확인할 수 있습니다. 이 작업의 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.

코드 예시

동작 인식기의 예시 코드는 참조용으로 Python으로 이 작업을 완전히 구현합니다. 이 코드를 통해 이 작업을 테스트하고 자체 손 동작 인식기 빌드를 시작할 수 있습니다. 웹브라우저만 사용하여 동작 인식기 예시 코드를 보고 실행하고 수정할 수 있습니다.

Raspberry Pi용 동작 인식기를 구현하는 경우 Raspberry Pi 예시 앱을 참고하세요.

설정

이 섹션에서는 특히 동작 인식기를 사용하기 위해 개발 환경과 코드 프로젝트를 설정하는 주요 단계를 설명합니다. 플랫폼 버전 요구사항을 포함하여 MediaPipe 작업을 사용하기 위한 개발 환경 설정에 관한 일반적인 정보는 Python 설정 가이드를 참고하세요.

패키지

MediaPipe 동작 인식기 작업에는 mediapipe PyPI 패키지가 필요합니다. 다음을 사용하여 이러한 종속 항목을 설치하고 가져올 수 있습니다.

$ python -m pip install mediapipe

가져오기

동작 인식기 작업 함수에 액세스하려면 다음 클래스를 가져옵니다.

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

모델

MediaPipe 동작 인식기 작업에는 이 작업과 호환되는 학습된 모델 번들이 필요합니다. 동작 인식기에 사용할 수 있는 학습된 모델에 대한 자세한 내용은 모델 섹션 작업 개요를 참조하세요.

모델을 선택 및 다운로드한 다음 로컬 디렉터리에 저장합니다.

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

아래와 같이 모델 이름 매개변수 내에서 모델의 경로를 지정합니다.

base_options = BaseOptions(model_asset_path=model_path)

할 일 만들기

MediaPipe 동작 인식기 작업은 create_from_options 함수를 사용하여 작업을 설정합니다. create_from_options 함수는 처리할 구성 옵션의 값을 허용합니다. 구성 옵션에 대한 자세한 내용은 구성 옵션을 참고하세요.

다음 코드는 이 작업을 빌드하고 구성하는 방법을 보여줍니다.

또한 이 샘플은 이미지, 동영상 파일, 라이브 동영상 스트림의 작업 구성의 변형을 보여줍니다.

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.
  # ...
    

구성 옵션

이 태스크에는 다음과 같은 Python 애플리케이션 구성 옵션이 있습니다.

데이터 준비

입력을 이미지 파일 또는 Numpy 배열로 준비한 다음 mediapipe.Image 객체로 변환합니다. 입력이 웹캠의 동영상 파일이나 라이브 스트림인 경우 OpenCV와 같은 외부 라이브러리를 사용하여 입력 프레임을 Numpy 배열로 로드할 수 있습니다.

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)
    

작업 실행

동작 인식기는 remember,recognize_for_video,recognize_async 함수를 사용하여 추론을 트리거합니다. 동작 인식의 경우 입력 데이터 사전 처리, 이미지에서 손 감지, 손 모양 인식, 랜드마크에서 손 동작 인식이 포함됩니다.

다음 코드는 작업 모델을 사용하여 처리를 실행하는 방법을 보여줍니다.

# 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)
    

다음에 유의하세요.

• 동영상 모드 또는 라이브 스트림 모드에서 실행하는 경우 동작 인식기 작업에 입력 프레임의 타임스탬프도 제공해야 합니다.
• 이미지 또는 동영상 모델에서 실행되는 경우 동작 인식기 작업은 입력 이미지 또는 프레임 처리를 완료할 때까지 현재 스레드를 차단합니다.
• 라이브 스트림 모드에서 실행될 때 동작 인식기 작업이 현재 스레드를 차단하지 않고 즉시 반환됩니다. 입력 프레임 처리가 완료될 때마다 인식 결과와 함께 결과 리스너를 호출합니다. 동작 인식기 작업이 다른 프레임을 처리 중일 때 인식 기능이 호출되면 작업은 새 입력 프레임을 무시합니다.

이미지에서 동작 인식기를 실행하는 전체 예는 코드 예를 참고하세요.

결과 처리 및 표시

동작 인식기는 인식을 실행할 때마다 동작 감지 결과 객체를 생성합니다. 결과 객체에는 이미지 좌표의 손 랜드마크, 세계 좌표의 손 랜드마크, 손잡이(왼쪽/오른손), 감지된 손의 손 동작 카테고리가 포함됩니다.

다음은 이 작업의 출력 데이터 예를 보여줍니다.

결과 GestureRecognizerResult에는 4개의 구성요소가 포함되며, 각 구성요소는 배열이며, 각 요소에는 감지된 손 한 개의 감지된 결과가 포함되어 있습니다.

• 잘 쓰는 손

  잘 쓰는 손은 감지된 손이 왼손인지 오른손인지를 나타냅니다.

• 동작

  감지된 손에서 인식된 동작 카테고리입니다.

• 명소

  21개의 손 랜드마크가 있으며 각각 x, y, z 좌표로 구성됩니다. x 및 y 좌표는 이미지 너비와 높이에 따라 각각 [0.0, 1.0] 으로 정규화됩니다. z 좌표는 랜드마크의 깊이를 나타내며 손목의 깊이가 원점입니다. 값이 작을수록 랜드마크가 카메라에 더 가까워집니다. z의 크기는 거의 x와 동일한 배율을 사용합니다.

• 세계의 명소

  21개의 손 모양 랜드마크도 세계 좌표로 표시됩니다. 각 랜드마크는 x, y, z로 구성되며, 실제 3D 좌표를 손의 기하학적 중심에 원점이 있는 미터 단위로 나타냅니다.

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)

다음 이미지는 작업 출력을 시각화한 것입니다.

동작 인식기 예시 코드는 작업에서 반환된 인식 결과를 표시하는 방법을 보여줍니다. 자세한 내용은 코드 예를 참고하세요.