Guía de detección de puntos de referencia manuales para la Web

La tarea Hand Landmarker de MediaPipe te permite detectar los puntos de referencia de las manos en una imagen. En estas instrucciones, se muestra cómo usar Hand Landmarker para apps web y de JavaScript.

Para obtener más información sobre las capacidades, los modelos y las opciones de configuración de esta tarea, consulta la Descripción general.

Ejemplo de código

El código de ejemplo de Hand Landmarker proporciona una implementación completa de esta tarea en JavaScript para tu referencia. Este código te ayuda a probar la tarea y a comenzar a crear tu propia app de detección de puntos de referencia de la mano. Puedes ver, ejecutar y editar el Hand Landmarker ejemplo con solo usar tu navegador web.

Configuración

En esta sección, se describen los pasos clave para configurar tu entorno de desarrollo específicamente para usar Hand Landmarker. Para obtener información general sobre la configuración de tu entorno de desarrollo web y de JavaScript, incluidos los requisitos de versión de la plataforma, consulta la guía de configuración para la Web.

Paquetes de JavaScript

El código de Hand Landmarker está disponible a través del paquete @mediapipe/tasks-vision NPM de MediaPipe. Para encontrar y descargar estas bibliotecas, sigue las instrucciones de la guía de configuración de la plataforma Setup guide.

Puedes instalar los paquetes requeridos a través de NPM con el siguiente comando:

npm install @mediapipe/tasks-vision

Si deseas importar el código de la tarea a través de un servicio de red de distribución de contenido (CDN), agrega el siguiente código en la etiqueta <head> de tu archivo HTML:

<!-- 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>

Modelo

La tarea Hand Landmarker de MediaPipe requiere un modelo entrenado que sea compatible con esta tarea. Para obtener más información sobre los modelos entrenados disponibles para Hand Landmarker, consulta la sección Modelos de la descripción general de la tarea.

Selecciona y descarga un modelo y, luego, guárdalo en el directorio de tu proyecto:

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

Crea la tarea

Usa una de las funciones createFrom...() de Hand Landmarker para preparar la tarea para ejecutar inferencias. Usa la función createFromModelPath() con una ruta de acceso relativa o absoluta al archivo del modelo entrenado. Si tu modelo ya está cargado en la memoria, puedes usar el método createFromModelBuffer().

En el siguiente ejemplo de código, se muestra el uso de la función createFromOptions() para configurar la tarea. La función createFromOptions te permite personalizar Hand Landmarker con opciones de configuración. Para obtener más información sobre las opciones de configuración, consulta Opciones de configuración.

En el siguiente código, se muestra cómo compilar y configurar la tarea con opciones personalizadas:

const vision = await FilesetResolver.forVisionTasks(
  // path/to/wasm/root
  "https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision@latest/wasm"
);
const handLandmarker = await HandLandmarker.createFromOptions(
    vision,
    {
      baseOptions: {
        modelAssetPath: "hand_landmarker.task"
      },
      numHands: 2
    });

Opciones de configuración

Esta tarea tiene las siguientes opciones de configuración para aplicaciones web y de JavaScript:

Nombre de la opción Descripción Rango de valores Valor predeterminado
runningMode Establece el modo de ejecución de la tarea. Existen dos modos:

IMAGE: El modo para entradas de una sola imagen.

VIDEO: El modo para fotogramas decodificados de un video o en una transmisión en vivo de datos de entrada, como desde una cámara.		 {IMAGE, VIDEO} IMAGE
numHands Es la cantidad máxima de manos detectadas por el detector de puntos de referencia de la mano. Any integer > 0 1
minHandDetectionConfidence Es la puntuación de confianza mínima para que la detección de manos se considere exitosa en el modelo de detección de palmas. 0.0 - 1.0 0.5
minHandPresenceConfidence Es la puntuación de confianza mínima para la puntuación de presencia de la mano en el modelo de detección de puntos de referencia de la mano. En el modo Video y el modo Transmisión en vivo, si la puntuación de confianza de presencia de la mano del modelo de puntos de referencia de la mano está por debajo de este umbral, Hand Landmarker activa el modelo de detección de palmas. De lo contrario, un algoritmo de monitoreo de manos liviano determina la ubicación de las manos para las detecciones de puntos de referencia posteriores. 0.0 - 1.0 0.5
minTrackingConfidence Es la puntuación de confianza mínima para que el monitoreo de manos se considere exitoso. Este es el umbral de IoU del cuadro delimitador entre las manos en el fotograma actual y el último. En el modo Video y el modo Transmisión de Hand Landmarker, si falla el seguimiento, Hand Landmarker activa la detección de manos. De lo contrario, se omite la detección de manos. 0.0 - 1.0 0.5

Preparar los datos

Hand Landmarker puede detectar puntos de referencia de la mano en imágenes en cualquier formato compatible con el navegador host. La tarea también controla el procesamiento previo de la entrada de datos, incluido el cambio de tamaño, la rotación y la normalización de valores. Para detectar puntos de referencia de la mano en videos, puedes usar la API para procesar rápidamente un fotograma a la vez, usando la marca de tiempo del fotograma para determinar cuándo ocurren los puntos de referencia de la mano dentro del video.

Ejecutar la tarea

Hand Landmarker usa los métodos detect() (con el modo de ejecución image) y detectForVideo() (con el modo de ejecución video) para activar las inferencias. La tarea procesa los datos, intenta detectar puntos de referencia de la mano y, luego, informa los resultados.

Las llamadas a los métodos detect() y detectForVideo() de Hand Landmarker se ejecutan de forma síncrona y bloquean el subproceso de la interfaz de usuario. Si detectas puntos de referencia de la mano en fotogramas de video de la cámara de un dispositivo, cada detección bloquea el subproceso principal. Para evitar esto, implementa trabajadores web para ejecutar los métodos detect() y detectForVideo() en otro subproceso.

En el siguiente código, se muestra cómo ejecutar el procesamiento con el modelo de tarea:

Imagen

const image = document.getElementById("image") as HTMLImageElement;
const handLandmarkerResult = handLandmarker.detect(image);

Video

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

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

  if (video.currentTime !== lastVideoTime) {
    const detections = handLandmarker.detectForVideo(video);
    processResults(detections);
    lastVideoTime = video.currentTime;
  }

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

Para obtener una implementación más completa de la ejecución de una tarea de Hand Landmarker, consulta el ejemplo.

Controlar y mostrar los resultados

Hand Landmarker genera un objeto de resultado de Hand Landmarker para cada ejecución de detección. El objeto de resultado contiene puntos de referencia de la mano en coordenadas de imagen, puntos de referencia de la mano en coordenadas mundiales y lateralidad(mano izquierda o derecha) de las manos detectadas.

A continuación, se muestra un ejemplo de los datos de resultado de esta tarea:

El resultado HandLandmarkerResult contiene tres componentes. Cada componente es un array, en el que cada elemento contiene los siguientes resultados para una sola mano detectada:

  • Lateralidad

    La lateralidad representa si las manos detectadas son izquierdas o derechas.

  • Puntos de referencia

    Hay 21 puntos de referencia de la mano, cada uno compuesto por coordenadas x, y y z. Las coordenadas x y y se normalizan a [0.0, 1.0] por el ancho y la altura de la imagen, respectivamente. La coordenada z representa la profundidad del punto de referencia, y la profundidad en la muñeca es el origen. Cuanto menor sea el valor, más cerca estará el punto de referencia de la cámara. La magnitud de z usa aproximadamente la misma escala que x.

  • Puntos de referencia universales

    Los 21 puntos de referencia de la mano también se presentan en coordenadas mundiales. Cada punto de referencia se compone de x, y y z, que representan coordenadas 3D del mundo real en metros con el origen en el centro geométrico de la mano.

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)

En la siguiente imagen, se muestra una visualización del resultado de la tarea:

Una mano con el pulgar hacia arriba y la estructura esquelética de la mano trazada

En el código de ejemplo de Hand Landmarker, se muestra cómo mostrar los resultados que devuelve la tarea. Consulta el ejemplo.