[Japanese/English]
Note
キーポイント分類について、モデルを集めたリポジトリを作成しました。
→ Kazuhito00/hand-keypoint-classification-model-zoo
MediaPipe(Python版)を用いて手の姿勢推定を行い、検出したキーポイントを用いて、
簡易なMLPでハンドサインとフィンガージェスチャーを認識するサンプルプログラムです。
本リポジトリは以下の内容を含みます。
- サンプルプログラム
- ハンドサイン認識モデル(TFLite)
- フィンガージェスチャー認識モデル(TFLite)
- ハンドサイン認識用学習データ、および、学習用ノートブック
- フィンガージェスチャー認識用学習データ、および、学習用ノートブック
Requirements
- mediapipe 0.8.4
- OpenCV 4.6.0.66 or Later
- Tensorflow 2.9.0 or Later
- protobuf <3.20,>=3.9.2
- scikit-learn 1.0.2 or Later (学習時に混同行列を表示したい場合のみ)
- matplotlib 3.5.1 or Later (学習時に混同行列を表示したい場合のみ)
Demo
Webカメラを使ったデモの実行方法は以下です。
python app.py
DockerとWebカメラを使ったデモの実行方法は以下です。
docker build -t hand_gesture .
xhost +local: && \
docker run --rm -it \
--device /dev/video0:/dev/video0 \
-v `pwd`:/home/user/workdir \
-v /tmp/.X11-unix/:/tmp/.X11-unix:rw \
-e DISPLAY=$DISPLAY \
hand_gesture:latest
python app.py
デモ実行時には、以下のオプションが指定可能です。
- –device
カメラデバイス番号の指定 (デフォルト：0)
- –width
カメラキャプチャ時の横幅 (デフォルト：960)
- –height
カメラキャプチャ時の縦幅 (デフォルト：540)
- –use_static_image_mode
MediaPipeの推論にstatic_image_modeを利用するか否か (デフォルト：未指定)
- –min_detection_confidence
検出信頼値の閾値 (デフォルト：0.5)
- –min_tracking_confidence
トラッキング信頼値の閾値 (デフォルト：0.5)
Directory
│ app.py
│ keypoint_classification.ipynb
│ point_history_classification.ipynb
│
├─model
│ ├─keypoint_classifier
│ │ │ keypoint.csv
│ │ │ keypoint_classifier.hdf5
│ │ │ keypoint_classifier.py
│ │ │ keypoint_classifier.tflite
│ │ └─ keypoint_classifier_label.csv
│ │
│ └─point_history_classifier
│ │ point_history.csv
│ │ point_history_classifier.hdf5
│ │ point_history_classifier.py
│ │ point_history_classifier.tflite
│ └─ point_history_classifier_label.csv
│
└─utils
└─cvfpscalc.py
推論用のサンプルプログラムです。
また、ハンドサイン認識用の学習データ(キーポイント)、
フィンガージェスチャー認識用の学習データ(人差指の座標履歴)を収集することもできます。
keypoint_classification.ipynb
ハンドサイン認識用のモデル訓練用スクリプトです。
point_history_classification.ipynb
フィンガージェスチャー認識用のモデル訓練用スクリプトです。
model/keypoint_classifier
ハンドサイン認識に関わるファイルを格納するディレクトリです。
以下のファイルが格納されます。
- 学習用データ(keypoint.csv)
- 学習済モデル(keypoint_classifier.tflite)
- ラベルデータ(keypoint_classifier_label.csv)
- 推論用クラス(keypoint_classifier.py)
model/point_history_classifier
フィンガージェスチャー認識に関わるファイルを格納するディレクトリです。
以下のファイルが格納されます。
- 学習用データ(point_history.csv)
- 学習済モデル(point_history_classifier.tflite)
- ラベルデータ(point_history_classifier_label.csv)
- 推論用クラス(point_history_classifier.py)
utils/cvfpscalc.py
FPS計測用のモジュールです。
Training
ハンドサイン認識、フィンガージェスチャー認識は、
学習データの追加、変更、モデルの再トレーニングが出来ます。
ハンドサイン認識トレーニング方法
1.学習データ収集
「k」を押すと、キーポイントの保存するモードになります（「MODE:Logging Key Point」と表示される）
「0」～「9」を押すと「model/keypoint_classifier/keypoint.csv」に以下のようにキーポイントが追記されます。
1列目：押下した数字(クラスIDとして使用)、2列目以降：キーポイント座標
キーポイント座標は以下の前処理を④まで実施したものを保存します。
初期状態では、パー(クラスID：0)、グー(クラスID：1)、指差し(クラスID：2)の3種類の学習データが入っています。
必要に応じて3以降を追加したり、csvの既存データを削除して、学習データを用意してください。
2.モデル訓練
「keypoint_classification.ipynb」をJupyter Notebookで開いて上から順に実行してください。
学習データのクラス数を変更する場合は「NUM_CLASSES = 3」の値を変更し、
「model/keypoint_classifier/keypoint_classifier_label.csv」のラベルを適宜修正してください。
X.モデル構造
「keypoint_classification.ipynb」で用意しているモデルのイメージは以下です。
フィンガージェスチャー認識トレーニング方法
1.学習データ収集
「h」を押すと、指先座標の履歴を保存するモードになります（「MODE:Logging Point History」と表示される）
「0」～「9」を押すと「model/point_history_classifier/point_history.csv」に以下のようにキーポイントが追記されます。
1列目：押下した数字(クラスIDとして使用)、2列目以降：座標履歴
キーポイント座標は以下の前処理を④まで実施したものを保存します。
初期状態では、静止(クラスID：0)、時計回り(クラスID：1)、反時計回り(クラスID：2)、移動(クラスID：4)の
4種類の学習データが入っています。
必要に応じて5以降を追加したり、csvの既存データを削除して、学習データを用意してください。
2.モデル訓練
「point_history_classification.ipynb」をJupyter Notebookで開いて上から順に実行してください。
学習データのクラス数を変更する場合は「NUM_CLASSES = 4」の値を変更し、
「model/point_history_classifier/point_history_classifier_label.csv」のラベルを適宜修正してください。
X.モデル構造
「point_history_classification.ipynb」で用意しているモデルのイメージは以下です。
「LSTM」を用いたモデルは以下です。
使用する際には「use_lstm = False」を「True」に変更してください（要tf-nightly(2020/12/16時点))
Application example
以下に応用事例を紹介します。
Reference
Author
高橋かずひと(https://twitter.com/KzhtTkhs)
License
hand-gesture-recognition-using-mediapipe is under Apache v2 license.
评论