Google AI Edge Portal 隆重推出：大規模基準測試 Edge AI。申請在非公開預先發布版期間要求存取權。

網頁版手勢辨識指南 (網頁版)

MediaPipe 手勢辨識器工作可即時辨識手勢，並提供辨識結果和偵測到的手部地標。這些操作說明將說明如何使用網頁和 JavaScript 應用程式的 Gesture Recognizer。

如要查看這項工作實際運作情形，請參閱示範。如要進一步瞭解這項工作的能力、模型和設定選項，請參閱總覽。

程式碼範例

手勢辨識器的程式碼範例提供這項工作的完整 JavaScript 實作，供您參考。這段程式碼可協助您測試這項工作，並開始建構自己的手勢辨識應用程式。您只需使用網路瀏覽器，即可查看、執行及編輯手勢辨識器範例。

設定

本節說明設定開發環境的主要步驟，以便使用手勢辨識器。如要瞭解如何設定網頁和 JavaScript 開發環境 (包括平台版本需求)，請參閱網頁設定指南。

JavaScript 套件

手勢辨識器程式碼可透過 MediaPipe @mediapipe/tasks-vision NPM 套件取得。如要尋找及下載這些程式庫，請按照平台設定指南中的操作說明進行。

您可以使用下列指令，透過 NPM 安裝必要套件：

npm install @mediapipe/tasks-vision

如要透過內容傳遞網路 (CDN) 服務匯入工作程式碼，請在 HTML 檔案的 <head> 標記中新增下列程式碼：

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

型號

MediaPipe 手勢辨識器工作需要與這項工作相容的訓練模型。如要進一步瞭解手勢辨識器可用的訓練模型，請參閱工作總覽的「模型」部分。

選取並下載模型，然後儲存在專案目錄中：

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

建立工作

使用其中一個手勢辨識器 createFrom...() 函式，準備執行推論作業。使用 createFromModelPath() 函式，搭配訓練好的模型檔案的相對或絕對路徑。如果模型已載入記憶體，可以使用 createFromModelBuffer() 方法。

下方程式碼範例說明如何使用 createFromOptions() 函式設定工作。createFromOptions 函式可讓您使用設定選項自訂手勢辨識器。如要進一步瞭解設定選項，請參閱「設定選項」。

下列程式碼示範如何使用自訂選項建構及設定工作：

// 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
});

設定選項

這項工作提供下列 Web 應用程式設定選項：

選項名稱	說明	值範圍	預設值
`runningMode`	設定工作執行模式。有兩種模式： IMAGE：單一圖片輸入模式。 VIDEO：用於影片解碼影格的模式，或用於輸入資料的直播，例如來自攝影機的資料。	{`IMAGE, VIDEO`}	`IMAGE`
`num_hands`	`GestureRecognizer` 最多可偵測到的手部數量。	`Any integer > 0`	`1`
`min_hand_detection_confidence`	手部偵測的最低信賴分數，手掌偵測模型會將此分數視為成功。	`0.0 - 1.0`	`0.5`
`min_hand_presence_confidence`	手部地標偵測模型中，手部存在分數的最低信賴分數。在 Gesture Recognizer 的「影片」模式和「直播」模式中，如果手部地標模型的手部存在信心分數低於這個門檻，就會觸發手掌偵測模型。否則，系統會使用輕量型手勢追蹤演算法，判斷手部位置，以利後續偵測地標。	`0.0 - 1.0`	`0.5`
`min_tracking_confidence`	手勢追蹤的最低信賴分數，達到這個分數才算成功。這是目前影格和上一個影格之間的手部定界框 IoU 門檻。在手勢辨識工具的「影片」模式和「串流」模式中，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`
`canned_gestures_classifier_options`	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"]` 顯示名稱語言代碼：如果有的話，用於透過 TFLite 模型中繼資料指定的顯示名稱。結果數上限：要傳回的最高分分類結果數上限。如果 < 0，則會傳回所有可用的結果。分數門檻：低於這個分數的結果會遭到拒絕。如果設為 0，系統會傳回所有可用的結果。類別許可清單：類別名稱的許可清單。如果這個集合不為空，系統會篩除類別不在這個集合中的分類結果。與拒絕清單互斥。類別拒絕清單：類別名稱的拒絕清單。如果這個集合不為空，系統會篩除類別位於這個集合中的分類結果。與允許清單互斥。	顯示名稱語言代碼：`any string` 最多結果數：`any integer` 分數門檻：`0.0-1.0` 類別許可清單：`vector of strings` 類別拒絕清單：`vector of strings`	顯示名稱語言代碼：`"en"` 最多結果數：`-1` 分數門檻：`0` 類別許可清單：空白類別拒絕清單：空白
`custom_gestures_classifier_options`	設定自訂手勢分類器行為的選項。顯示名稱語言代碼：如果有的話，用於透過 TFLite 模型中繼資料指定的顯示名稱。結果數上限：要傳回的最高分分類結果數上限。如果 < 0，則會傳回所有可用的結果。分數門檻：低於這個分數的結果會遭到拒絕。如果設為 0，系統會傳回所有可用的結果。類別許可清單：類別名稱的許可清單。如果這個集合不為空，系統會篩除類別不在這個集合中的分類結果。與拒絕清單互斥。類別拒絕清單：類別名稱的拒絕清單。如果這個集合不為空，系統會篩除類別位於這個集合中的分類結果。與允許清單互斥。	顯示名稱語言代碼：`any string` 最多結果數：`any integer` 分數門檻：`0.0-1.0` 類別許可清單：`vector of strings` 類別拒絕清單：`vector of strings`	顯示名稱語言代碼：`"en"` 最多結果數：`-1` 分數門檻：`0` 類別許可清單：空白類別拒絕清單：空白

準備資料

Gesture Recognizer 可辨識主機瀏覽器支援的任何格式圖片中的手勢。這項工作也會處理資料輸入預先處理作業，包括調整大小、旋轉和值正規化。如要辨識影片中的手勢，可以使用 API 逐一快速處理影格，並根據影格的時間戳記判斷手勢在影片中出現的時間。

執行工作

手勢辨識器會使用 recognize() (執行模式為 'image') 和 recognizeForVideo() (執行模式為 'video') 方法觸發推論。這項工作會處理資料、嘗試辨識手勢，然後回報結果。

以下程式碼示範如何使用工作模型執行處理作業：

圖片

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

影片

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();
  });
}

對手勢辨識器 recognize() 和 recognizeForVideo() 方法的呼叫會同步執行，並封鎖使用者介面執行緒。如果裝置攝影機的影片影格中出現手勢，每次辨識都會封鎖主要執行緒。如要避免這種情況，請實作網頁工作人員，在另一個執行緒上執行 recognize() 和 recognizeForVideo() 方法。

如要更完整地瞭解如何執行手勢辨識器工作，請參閱範例。

處理及顯示結果

手勢辨識器會在每次辨識作業中，產生手勢偵測結果物件。結果物件包含圖像座標中的手部地標、世界座標中的手部地標、慣用手(左/右手)，以及偵測到的手部手勢類別。

以下是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，每個元素都包含單一偵測到的手部偵測結果。

慣用手

手部慣用邊代表偵測到的手是左手還是右手。
手勢

偵測到的手部可辨識手勢類別。
地標

共有 21 個手部地標，每個地標都由 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，以手腕的深度為原點。值越小，地標距離攝影機越近。z 的量級與 x 大致相同。
世界著名地標

21 個手部地標也會以世界座標呈現。每個地標都由 x、y 和 z 組成，代表以公尺為單位的真實世界 3D 座標，原點位於手部幾何中心。

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)

下圖顯示工作輸出內容的視覺化效果：

一隻手做出大拇指朝上的動作，並繪製出手的骨骼結構

如要更完整地瞭解如何建立手勢辨識器工作，請參閱範例。