網頁版手勢辨識指南 (網頁版)

MediaPipe 手勢辨識工作可讓您即時辨識手勢、提供已辨識的手勢結果，以及偵測到的手部的手勢地標。以下操作說明將說明如何在網路和 JavaScript 應用程式中使用手勢辨識工具。

如要查看這項工作的運作情形，請查看示範。如要進一步瞭解這項工作的功能、模型和設定選項，請參閱總覽。

程式碼範例

手勢辨識工具的範例程式碼提供此工作在 JavaScript 中的完整實作方式，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。您可以透過網路瀏覽器查看、執行及編輯手勢辨識工具範例程式碼。

設定

本節將特別說明設定開發環境的重要步驟，特別是使用手勢辨識工具。如需瞭解如何設定網站和 JavaScript 開發環境的一般資訊，包括平台版本需求，請參閱網頁版設定指南。

JavaScript 套件

您可以透過 MediaPipe @mediapipe/tasks-vision NPM 套件取得手勢辨識工具代碼。您可以依照平台設定指南中的操作說明，尋找及下載這些程式庫。

您可以使用下列指令，透過 NPM 安裝所需套件：

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> 標記中加入下列程式碼：

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

型號

MediaPipe 手勢辨識工作需要與這項工作相容的已訓練模型。如要進一步瞭解手勢辨識工具可用的已訓練模型，請參閱工作總覽一節。

選取並下載模型，然後將其儲存在專案目錄中：

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

建立工作

使用其中一個手勢辨識工具 createFrom...() 函式，準備執行推論的工作。使用 createFromModelPath() 函式搭配已訓練模型檔案的相對或絕對路徑。如果模型已載入記憶體，您可以使用 createFromModelBuffer() 方法。

以下程式碼範例示範如何使用 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工具。如要進一步瞭解設定選項，請參閱「設定選項」一文。

以下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

這項工作的網頁應用程式設定選項如下：

選項名稱	說明	值範圍	預設值
`runningMode`	設定工作的執行模式。系統提供兩種模式： IMAGE：單一圖片輸入的模式。影片：這種模式為影片中解碼的影格或即時輸入資料 (例如攝影機) 的直播。	{`IMAGE, VIDEO`}	`IMAGE`
`num_hands`	`GestureRecognizer` 可以偵測出手的數量上限。	`Any integer > 0`	`1`
`min_hand_detection_confidence`	在手掌偵測模型中，系統判定手部偵測成功的最低信心分數。	`0.0 - 1.0`	`0.5`
`min_hand_presence_confidence`	在手部地標偵測模型中，手持狀態分數的最低可信度分數。在影片模式和手勢辨識的直播模式中，如果手部地標模型的手持信心分數低於這個門檻，就會觸發手掌偵測模型。否則，系統會使用輕量的手追蹤演算法判斷手部位置，以便進行後續地標偵測。	`0.0 - 1.0`	`0.5`
`min_tracking_confidence`	系統判定手機追蹤成功時的最低可信度分數。這是目前影格和最後一個影格之間的定界框 IoU 門檻。在影片模式和手勢辨識的串流模式下，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：透過 TFLite 模型中繼資料指定的顯示名稱 (如有)。結果數量上限：要傳回的最高分數分類結果數量上限。如果小於 0，系統會傳回所有可用的結果。分數門檻：分數遭到拒絕的分數，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。如果不是空白，系統會篩除不屬於這個組合的分類結果。與拒絕清單互斥。類別拒絕清單：類別名稱的拒絕清單。如果不是空白，系統會篩除此組合中類別所屬的分類結果。允許與許可清單互斥。	顯示名稱語言代碼：`any string` 結果數量上限：`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"` 結果數量上限：`-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：透過 TFLite 模型中繼資料指定的顯示名稱 (如有)。結果數量上限：要傳回的最高分數分類結果數量上限。如果小於 0，系統會傳回所有可用的結果。分數門檻：分數遭到拒絕的分數，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。如果不是空白，系統會篩除不屬於這個組合的分類結果。與拒絕清單互斥。類別拒絕清單：類別名稱的拒絕清單。如果不是空白，系統會篩除此組合中類別所屬的分類結果。允許與許可清單互斥。	顯示名稱語言代碼：`any string` 結果數量上限：`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"` 結果數量上限：`-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

手勢辨識工具能夠以主機瀏覽器支援的任何格式辨識圖片中的手勢。這項工作也會處理資料輸入預先處理，包括調整大小、旋轉和值正規化。如要識別影片中的手勢，您可以使用 API 一次快速處理一個影格，並使用影格的時間戳記來判斷手勢在影片中發生的時間。

執行工作

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

下列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();
  });
}

對手勢辨識工具 recognize() 和 recognizeForVideo() 方法發出的呼叫會同步執行，並封鎖使用者介面執行緒。如果您發現裝置相機影片影格中的手勢，每項辨識都會封鎖主執行緒。如要避免這種情況發生，您可以實作網路 worker，在其他執行緒上執行 recognize() 和 recognizeForVideo() 方法。

如要進一步瞭解如何執行手勢辨識工具工作，請參閱程式碼範例。

處理並顯示結果

手勢辨識工具會為每個辨識執行作業產生手勢偵測結果物件。結果物件包含圖片座標中的手繪地標、世界座標的手部地標、慣用手(左/右手)，以及偵測到的手部手勢類別。

以下為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，其中每個元素都包含偵測到的一隻手的結果。

慣用手設計

慣用手是指偵測到的手是左手還是右手。
手勢

偵測到的手所辨識的手勢類別。
地標

有 21 個手部地標，每個地標由 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，手腕的深度為起點。值越小，地標與相機越近。z 的規模與 x 大致相同。
世界著名地標

21 隻手的地標也會顯示在世界座標中。每個地標都由 x、y 和 z 組成，代表實際的 3D 座標 (以公尺為單位)，其起點位於手的幾何中心。

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)

下圖以視覺化方式呈現工作輸出：

如要進一步瞭解如何建立手勢辨識工具工作，請參閱程式碼範例。