全新推出：LiteRT：Google 专为设备端 AI 打造的高性能运行时，以前称为 TensorFlow Lite。

此页面由 Cloud Translation API 翻译。

Python 手部特征点检测指南

借助 MediaPipe Hand Landmarker 任务，您可以检测图片中的手的特征点。以下说明介绍了如何将手部地标检测器与 Python 搭配使用。这些说明中介绍的代码示例可在 GitHub 上找到。

如需详细了解此任务的功能、模型和配置选项，请参阅概览。

代码示例

手部地标检测器的示例代码提供了使用 Python 对此任务的完整实现，供您参考。此代码可帮助您测试此任务，并开始构建自己的手部地标检测器。您只需使用网络浏览器即可查看、运行和修改 Hand Markerer 示例代码。

如果您要为 Raspberry Pi 实现手部地标器，请参阅 Raspberry Pi 示例应用。

设置

本部分介绍了专门为使用 Hand Markerer 而设置开发环境和代码项目的关键步骤。如需了解有关设置开发环境以使用 MediaPipe 任务的一般信息（包括平台版本要求），请参阅 Python 设置指南。

软件包

MediaPipe Hand Landmarker 任务需要 mediapipe PyPI 软件包。您可以使用以下命令安装和导入这些依赖项：

$ python -m pip install mediapipe

导入

导入以下类以使用手部特征点任务函数：

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

型号

MediaPipe 手部标记任务需要与此任务兼容的训练模型。如需详细了解手部地标检测器的可用训练模型，请参阅任务概览的“模型”部分。

选择并下载模型，然后将其存储在本地目录中：

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

使用 BaseOptions 对象 model_asset_path 参数指定要使用的模型的路径。如需查看代码示例，请参阅下一部分。

创建任务

MediaPipe Hand Landmarker 任务使用 create_from_options 函数来设置任务。create_from_options 函数接受配置选项要处理的值。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构建和配置此任务。

这些示例还展示了图片、视频文件和直播的任务构建的各种变体。

Image

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.
  # ...

视频

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.
  # ...

直播

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.
  # ...

如需查看有关创建手部地标以与图片搭配使用的完整示例，请参阅代码示例。

配置选项

此任务针对 Python 应用提供了以下配置选项：

选项名称	说明	值范围	默认值
`running_mode`	设置任务的运行模式。有三种模式： IMAGE：单图输入的模式。视频：视频的解码帧模式。 LIVE_STREAM：输入数据实时流式传输的模式，例如来自摄像头的流式传输模式。在此模式下，必须调用 resultListener 才能设置监听器以异步接收结果。	{`IMAGE, VIDEO, LIVE_STREAM`}	`IMAGE`
`num_hands`	手部特征点检测器检测到的手的数量上限。	`Any integer > 0`	`1`
`min_hand_detection_confidence`	在手掌检测模型中被视为成功的手检测的最低置信度分数。	`0.0 - 1.0`	`0.5`
`min_hand_presence_confidence`	手掌地标检测模型中手掌存在得分的最小置信度得分。在视频模式和直播模式下，如果手部地标模型的手部存在置信度得分低于此阈值，手部地标定位器会触发手掌检测模型。否则，轻量级手部跟踪算法会确定手的具体位置，以便进行后续的特征点检测。	`0.0 - 1.0`	`0.5`
`min_tracking_confidence`	手部跟踪被视为成功所需的最低置信度得分。这是当前帧和上一帧中手部之间的边界框 IoU 阈值。在手部特征点检测器的“视频”模式和“流式传输”模式下，如果跟踪失败，手部特征点检测器会触发手部检测。否则，它会跳过手部检测。	`0.0 - 1.0`	`0.5`
`result_callback`	设置结果监听器，以便在手部地标检测器处于实时流式传输模式时异步接收检测结果。仅在运行模式设置为 `LIVE_STREAM` 时适用	不适用	不适用

准备数据

将输入准备为图片文件或 NumPy 数组，然后将其转换为 mediapipe.Image 对象。如果输入是视频文件或来自摄像头的直播，您可以使用 OpenCV 等外部库将输入帧加载为 numpy 数组。

Image

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)

视频

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)

直播

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)

运行任务

Hand Landmarker 使用 detect、detect_for_video 和 detect_async 函数来触发推理。对于手部地标检测，这涉及预处理输入数据、检测图片中的手以及检测手部地标。

以下代码演示了如何使用任务模型执行处理。

Image

# 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)

视频

# 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)

直播

# 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)

请注意以下几点：

在视频模式或直播模式下运行时，您还必须向手部地标任务提供输入帧的时间戳。
在图片或视频模型中运行时，手部地标定位器任务会阻塞当前线程，直到其处理完输入图片或帧。
在直播模式下运行时，手部地标任务不会阻塞当前线程，而是会立即返回。每当它处理完一个输入帧后，都会调用其结果监听器并传递检测结果。如果在手部地标定位任务忙于处理其他帧时调用检测函数，该任务将忽略新的输入帧。

如需查看在图片上运行手部地标检测器的完整示例，请参阅代码示例了解详情。

处理和显示结果

手部地标器会为每次检测运行生成手部地标器结果对象。结果对象包含图片坐标中的手形地标、世界坐标中的手地标以及检测到的手的用手（左/右）。

以下是此任务的输出数据示例：

HandLandmarkerResult 输出包含三个组成部分。每个组件都是一个数组，其中每个元素都包含单个检测到的手的以下结果：

惯用手

惯用手表示检测到的手是左手还是右手。
地标

手部地标共有 21 个，每个地标都由 x、y 和 z 坐标组成。x 和 y 坐标分别按图片宽度和高度归一化为 [0.0, 1.0]。z 坐标表示地标深度，其中手腕处的深度为原点。值越小，地标离相机越近。z 的震级使用的标度与 x 大致相同。
世界地标

21 个手部特征点也以世界坐标表示。每个地标均由 x、y 和 z 组成，表示以米为单位的真实 3D 坐标，其原点位于手的几何中心。

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)

下图直观显示了任务输出：

手部地标示例代码演示了如何显示从任务返回的结果，如需了解详情，请参阅代码示例。