[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

• 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)

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)

│  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。

ハンドサイン認識用のモデル訓練用スクリプトです。

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。

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)

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)

FPS計測用のモジュールです。

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。

「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。
　　

「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。

「keypoint_classification.ipynb」で用意しているモデルのイメージは以下です。

「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。
　　　

「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。

「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))

以下に応用事例を紹介します。

• Control DJI Tello drone with Hand gestures
• Classifying American Sign Language Alphabets on the OAK-D

• MediaPipe
• Kazuhito00/mediapipe-python-sample

高橋かずひと(https://twitter.com/KzhtTkhs)

hand-gesture-recognition-using-mediapipe is under Apache v2 license.