Python용 손 랜드마크 감지 가이드

MediaPipe 손 랜드마크 작업자 작업을 사용하면 이미지에서 손의 랜드마크를 감지할 수 있습니다. 다음 안내에서는 Python으로 Hand Landscapeer를 사용하는 방법을 보여줍니다. 이 안내에 설명된 코드 샘플은 GitHub에서 제공됩니다.

이 태스크의 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.

코드 예시

Hand Landscapeer의 예시 코드는 이러한 작업을 Python으로 완전히 구현한 예를 참고할 수 있도록 제공합니다. 이 코드는 이 작업을 테스트하고 자체 손 랜드마크 감지기 빌드를 시작하는 데 도움이 됩니다. 웹브라우저만 사용하여 Hand lander 예시 코드를 보고 실행하고 수정할 수 있습니다.

설정

이 섹션에서는 개발 환경 및 코드 프로젝트를 설정하여 Hand 글머리 기호를 사용하기 위한 주요 단계를 설명합니다. 플랫폼 버전 요구사항을 포함하여 MediaPipe 태스크를 사용하기 위한 개발 환경 설정에 관한 일반적인 정보는 Python 설정 가이드를 참조하세요.

패키지

MediaPipe 손 랜드마크 작업자 작업에는 미디어파이프 PyPI 패키지가 필요합니다. 다음을 사용하여 이러한 종속 항목을 설치하고 가져올 수 있습니다.

$ python -m pip install mediapipe

가져오기

손 랜드마크 작업자 작업 기능에 액세스하려면 다음 클래스를 가져오세요.

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

모델

MediaPipe 손 랜드마크 작업자 작업에는 이 작업과 호환되는 학습된 모델이 필요합니다. Hand Landscapeer에 사용 가능한 학습된 모델에 대한 자세한 내용은 작업 개요 모델 섹션을 참조하세요.

모델을 선택 및 다운로드한 다음 로컬 디렉터리에 저장합니다.

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

BaseOptions 객체 model_asset_path 매개변수를 사용하여 사용할 모델의 경로를 지정합니다. 코드 예는 다음 섹션을 참고하세요.

할 일 만들기

MediaPipe 손 랜드마크 작업자 작업에서는 create_from_options 함수를 사용하여 작업을 설정합니다. create_from_options 함수는 처리할 구성 옵션의 값을 허용합니다. 구성 옵션에 대한 자세한 내용은 구성 옵션을 참조하세요.

다음 코드는 이 작업을 빌드하고 구성하는 방법을 보여줍니다.

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

import mediapipe as mp

BaseOptions = mp.tasks.BaseOptions
HandLandmarker = mp.tasks.vision.HandLandmarker
HandLandmarkerOptions = mp.tasks.vision.HandLandmarkerOptions
VisionRunningMode = mp.tasks.vision.RunningMode

# Create a hand landmarker instance with the image mode:
options = HandLandmarkerOptions(
    base_options=BaseOptions(model_asset_path='/path/to/model.task'),
    running_mode=VisionRunningMode.IMAGE)
with HandLandmarker.create_from_options(options) as landmarker:
  # The landmarker is initialized. Use it here.
  # ...
    

import mediapipe as mp

BaseOptions = mp.tasks.BaseOptions
HandLandmarker = mp.tasks.vision.HandLandmarker
HandLandmarkerOptions = mp.tasks.vision.HandLandmarkerOptions
VisionRunningMode = mp.tasks.vision.RunningMode

# Create a hand landmarker instance with the video mode:
options = HandLandmarkerOptions(
    base_options=BaseOptions(model_asset_path='/path/to/model.task'),
    running_mode=VisionRunningMode.VIDEO)
with HandLandmarker.create_from_options(options) as landmarker:
  # The landmarker is initialized. Use it here.
  # ...
    

import mediapipe as mp

BaseOptions = mp.tasks.BaseOptions
HandLandmarker = mp.tasks.vision.HandLandmarker
HandLandmarkerOptions = mp.tasks.vision.HandLandmarkerOptions
HandLandmarkerResult = mp.tasks.vision.HandLandmarkerResult
VisionRunningMode = mp.tasks.vision.RunningMode

# Create a hand landmarker instance with the live stream mode:
def print_result(result: HandLandmarkerResult, output_image: mp.Image, timestamp_ms: int):
    print('hand landmarker result: {}'.format(result))

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

이미지에 사용할 손 랜드마크 도구를 만드는 전체 예는 코드 예를 참고하세요.

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 동영상 파일이나 웹캠의 실시간 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

손 랜드마크 도구는 detect_for_video 및 detect_async 함수를 사용하여 추론을 트리거합니다. 손 랜드마크 감지의 경우 여기에는 입력 데이터 사전 처리, 이미지에서 손 감지, 손 랜드마크 감지가 포함됩니다.

다음 코드는 작업 모델을 사용하여 처리를 실행하는 방법을 보여줍니다.

# Perform hand landmarks detection on the provided single image.
# The hand landmarker must be created with the image mode.
hand_landmarker_result = landmarker.detect(mp_image)
    

# Perform hand landmarks detection on the provided single image.
# The hand landmarker must be created with the video mode.
hand_landmarker_result = landmarker.detect_for_video(mp_image, frame_timestamp_ms)
    

# Send live image data to perform hand landmarks detection.
# The results are accessible via the `result_callback` provided in
# the `HandLandmarkerOptions` object.
# The hand landmarker must be created with the live stream mode.
landmarker.detect_async(mp_image, frame_timestamp_ms)
    

다음에 유의하세요.

• 동영상 모드 또는 실시간 스트림 모드에서 실행하는 경우 손 랜드마크 작업에 입력 프레임의 타임스탬프도 제공해야 합니다.
• 이미지 또는 동영상 모델에서 실행되는 경우 손 랜드마크 도구 작업은 입력 이미지 또는 프레임 처리를 완료할 때까지 현재 스레드를 차단합니다.
• 실시간 스트림 모드에서 실행 중인 경우 Hand Landscapeer 작업은 현재 스레드를 차단하지 않고 즉시 반환됩니다. 입력 프레임 처리가 완료될 때마다 감지 결과와 함께 결과 리스너를 호출합니다. 손 랜드마크 작업자 작업이 다른 프레임을 처리 중일 때 감지 함수가 호출되면 작업은 새 입력 프레임을 무시합니다.

이미지에서 핸드 랜드마크 도구를 실행하는 전체 예는 코드 예시를 참고하세요.

결과 처리 및 표시

손 랜드마크러는 각 감지 실행 시 손 랜드마크 결과 객체를 생성합니다. 결과 객체에는 이미지 좌표의 손 랜드마크, 세계 좌표의 손 랜드마크, 감지된 손의 잘 쓰는 손(왼쪽/오른손)이 포함됩니다.

다음은 이 작업의 출력 데이터 예를 보여줍니다.

HandLandmarkerResult 출력에는 세 가지 구성요소가 포함됩니다. 각 구성요소는 배열이며, 각 요소에는 감지된 손 하나에 대해 다음과 같은 결과가 포함됩니다.

• 잘 쓰는 손

  잘 쓰는 손은 감지된 손이 왼손인지 오른손인지를 나타냅니다.

• 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.

HandLandmarkerResult:
  Handedness:
    Categories #0:
      index        : 0
      score        : 0.98396
      categoryName : Left
  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.

손 랜드마크 생성기 예시 코드는 작업에서 반환된 결과를 표시하는 방법을 보여줍니다. 자세한 내용은 코드 예시를 참고하세요.