网页版手势识别指南

借助 MediaPipe 手势识别器任务，你可以实时识别手势；提供识别出的手势结果以及检测到手部设备。以下说明介绍了如何使用手势识别程序。

要了解此任务的实际运行情况，请查看演示。如需详细了解功能、模型和配置选项部分，请参阅概览。

代码示例

手势识别程序的示例代码提供了该手势的完整实现，供您参考。此代码可帮助您测试此任务，开始打造自己的手势识别应用。您可以查看、运行修改手势识别器示例代码只需使用网络浏览器即可。

设置

本部分介绍设置开发环境的关键步骤特别是使用手势识别器有关设置 Web 和 JavaScript 开发环境平台版本要求，请参阅网页版设置指南。

JavaScript 软件包

手势识别器代码可通过 MediaPipe @mediapipe/tasks-vision 获取 NPM 软件包。您可以按照平台中的说明查找并下载这些库设置指南。

您可以通过 NPM 安装所需的软件包创建 Deployment

npm install @mediapipe/tasks-vision

如果您想通过内容分发网络 (CDN) 导入任务代码服务，请在 HTML 文件的 <head> 标记中添加以下代码：

<!-- You can replace JSDeliver with another CDN if you prefer to -->
<head>
  <script src="https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision/vision_bundle.js"
    crossorigin="anonymous"></script>
</head>

型号

MediaPipe 手势识别器任务需要一个与此任务兼容的经过训练的模型任务。如需详细了解适用于手势识别程序且经过训练的模型，请参阅任务概览的“模型”部分。

选择并下载模型，然后将其存储在项目目录中：

<dev-project-root>/app/shared/models/

创建任务

使用某个手势识别器 createFrom...() 函数执行以下操作：为运行推理准备任务。使用 createFromModelPath() 函数。如果模型已加载到内存中，您可以使用 createFromModelBuffer() 方法结合使用。

以下代码示例演示了如何使用 createFromOptions() 函数来设置任务。借助 createFromOptions 函数，您可以自定义具有配置选项的手势识别器。如需详细了解配置选项，请参阅配置选项。

以下代码演示了如何使用自定义的选项：

// Create task for image file processing:
const vision = await FilesetResolver.forVisionTasks(
  // path/to/wasm/root
  "https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision@latest/wasm "
);
const gestureRecognizer = await GestureRecognizer.createFromOptions(vision, {
  baseOptions: {
    modelAssetPath: "https://storage.googleapis.com/mediapipe-tasks/gesture_recognizer/gesture_recognizer.task"
  },
  numHands: 2
});

配置选项

此任务具有以下适用于 Web 应用的配置选项：

选项名称	说明	值范围	默认值
`runningMode`	设置任务的运行模式。有两个模式： IMAGE：单图输入的模式。视频：已解码的帧的模式。视频或对输入数据（例如来自摄像头的直播数据）进行直播。	{`IMAGE, VIDEO`}	`IMAGE`
`num_hands`	最多能检测出手的数量 `GestureRecognizer`。	`Any integer > 0`	`1`
`min_hand_detection_confidence`	手部检测要计算的最低置信度分数在手掌检测模型中被认为是成功的。	`0.0 - 1.0`	`0.5`
`min_hand_presence_confidence`	手部存在状态分数的最低置信度分数特征点检测模型。在手势识别程序的视频模式和直播模式下，如果来自手部特征码模型的手部存在信心得分低于达到此阈值后，就会触发手掌检测模型。否则，轻量级的手部跟踪算法用于确定进行后续地标检测。	`0.0 - 1.0`	`0.5`
`min_tracking_confidence`	要考虑的手部跟踪的最低置信度分数成功。这是两只手之间的边界框 IoU 阈值，分别表示当前帧和最后一帧。处于视频模式和直播模式手势识别程序，如果追踪失败，手势识别程序会触发手部检测。否则，系统会跳过手部检测。	`0.0 - 1.0`	`0.5`
`canned_gestures_classifier_options`	用于配置预设手势分类器行为的选项。预设的手势为 `["None", "Closed_Fist", "Open_Palm", "Pointing_Up", "Thumb_Down", "Thumb_Up", "Victory", "ILoveYou"]` 显示名称语言区域：通过 TFLite 模型元数据指定的显示名称（如果有）的语言区域。结果数上限：要返回的评分最高的分类结果的数量上限。如果 <0，则返回所有可用的结果。分数阈值：低于此分数的结果将被拒绝。如果设置为 0，则返回所有可用的结果。类别许可名单：类别名称许可名单。如果为非空值，则类别不在此集合中的分类结果将被滤除。与拒绝名单相互排斥。类别拒绝名单：类别名称的拒绝名单。如果为非空值，则此集合中的类别将被滤除。与许可名单相互排斥。	显示名称语言区域：`any string` 结果数上限：`any integer` 分数阈值：`0.0-1.0` 类别许可名单：`vector of strings` 类别拒绝名单：`vector of strings`	显示名称语言区域：`"en"` 结果数上限：`-1` 分数阈值：`0` 类别许可名单：空类别拒绝名单：空
`custom_gestures_classifier_options`	用于配置自定义手势分类器行为的选项。显示名称语言区域：通过 TFLite 模型元数据指定的显示名称（如果有）的语言区域。结果数上限：要返回的评分最高的分类结果的数量上限。如果 <0，则返回所有可用的结果。分数阈值：低于此分数的结果将被拒绝。如果设置为 0，则返回所有可用的结果。类别许可名单：类别名称许可名单。如果为非空值，则类别不在此集合中的分类结果将被滤除。与拒绝名单相互排斥。类别拒绝名单：类别名称的拒绝名单。如果为非空值，则此集合中的类别将被滤除。与许可名单相互排斥。	显示名称语言区域：`any string` 结果数上限：`any integer` 分数阈值：`0.0-1.0` 类别许可名单：`vector of strings` 类别拒绝名单：`vector of strings`	显示名称语言区域：`"en"` 结果数上限：`-1` 分数阈值：`0` 类别许可名单：空类别拒绝名单：空

准备数据

手势识别程序可以识别图片中采用托管浏览器该任务还会处理数据输入预处理，包括调整大小、旋转和值归一化。要识别视频中的手势，您需要可以使用该 API 根据事件视频的时间戳，一次快速处理一帧。帧，以确定手势在视频中出现的时间。

运行任务

手势识别程序使用 recognize()（在运行模式 'image' 下）和要触发的 recognizeForVideo()（采用运行模式 'video'）方法推理。任务处理数据，尝试识别手部信息并报告结果。

以下代码演示了如何使用任务模型执行处理：

映像

const image = document.getElementById("image") as HTMLImageElement;
const gestureRecognitionResult = gestureRecognizer.recognize(image);

视频

await gestureRecognizer.setOptions({ runningMode: "video" });

let lastVideoTime = -1;
function renderLoop(): void {
  const video = document.getElementById("video");

  if (video.currentTime !== lastVideoTime) {
    const gestureRecognitionResult = gestureRecognizer.recognizeForVideo(video);
    processResult(gestureRecognitionResult);
    lastVideoTime = video.currentTime;
  }

  requestAnimationFrame(() => {
    renderLoop();
  });
}

运行对手势识别器 recognize() 和 recognizeForVideo() 方法的调用同时阻塞界面线程。如果你熟悉以下手势：从设备相机拍摄视频帧时，每次识别都会屏蔽主视频线程。为防止这种情况发生，您可以实施 Web Worker 另一个线程上的 recognize() 和 recognizeForVideo() 方法。

有关运行手势识别器任务的更完整实现，请参阅代码示例。

处理和显示结果

手势识别程序会针对每个人识别运行。结果对象包含图片坐标形式的手部特征点，用世界坐标表示的手形地标、惯用手（左手/右手）和手用手势所检测到的手的手势类别。

以下示例展示了此任务的输出数据：

生成的 GestureRecognizerResult 包含四个组成部分，每个组成部分都是一个数组，其中每个元素都包含所检测到的一只手的检测结果。

惯用手

惯用手表示检测到的手是左手还是右手。
手势

检测到的手的已识别手势类别。
地标

这里有 21 个手形标志，每个标志由 x、y 和 z 坐标组成。通过 x 和 y 坐标按图片宽度和高度。z 坐标表示地标深度，手腕的深度就是起点。值越小，最接近的是镜头。z的震级使用的刻度与 x。
世界地标

21 个手形地标也以世界坐标表示。每个地标由 x、y 和 z 组成，表示现实世界中的 3D 坐标以指针的几何中心为起点

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)

下图直观显示了任务输出：

有关创建手势识别器任务的更完整实现，请参阅代码示例。