隆重推出 LiteRT：Google 為裝置端 AI (舊稱 TensorFlow Lite) 打造的高效能執行階段。

本頁面由 Cloud Translation API 翻譯而成。

Android 手勢辨識指南

MediaPipe 手勢辨識器工作可讓您即時辨識手勢，並提供已辨識的手勢結果和偵測到的手部地標。這些操作說明將說明如何在 Android 應用程式中使用手勢辨識器。您可以在 GitHub 上找到這些操作說明中的程式碼範例。

您可以查看網頁示範，瞭解這項工作的實際運作情形。如要進一步瞭解這項工作的功能、模型和設定選項，請參閱總覽。

程式碼範例

MediaPipe Tasks 範例程式碼是 Android 手勢辨識器應用程式的簡單實作項目。這個範例會使用實體 Android 裝置的相機持續偵測手勢，也可以使用裝置相片庫中的圖片和影片，以靜態方式偵測手勢。

您可以使用這個應用程式做為自有 Android 應用程式的起點，或是在修改現有應用程式時參考這個應用程式。Gesture Recognizer 範例程式碼託管於 GitHub。

下載程式碼

以下操作說明說明如何使用 git 指令列工具，建立範例程式碼的本機副本。

下載程式碼範例：

使用下列指令複製 Git 存放區：

git clone https://github.com/google-ai-edge/mediapipe-samples

您可以選擇將 Git 例項設定為使用稀疏檢查，這樣您就只會取得手勢辨識器範例應用程式的檔案：
```
cd mediapipe
git sparse-checkout init --cone
git sparse-checkout set examples/gesture_recognizer/android
```

建立本機版本的範例程式碼後，您可以將專案匯入 Android Studio 並執行應用程式。如需操作說明，請參閱 Android 設定指南。

重要元件

下列檔案包含手勢辨識範例應用程式的關鍵程式碼：

GestureRecognizerHelper.kt - 初始化手勢辨識器，並處理模型和委派選取作業。
MainActivity.kt：實作應用程式，包括呼叫 GestureRecognizerHelper 和 GestureRecognizerResultsAdapter。
GestureRecognizerResultsAdapter.kt - 處理及格式化結果。

設定

本節將說明設定開發環境和程式碼專案的關鍵步驟，以便使用手勢辨識器。如要進一步瞭解如何設定開發環境以使用 MediaPipe 工作，包括平台版本需求，請參閱 Android 設定指南。

依附元件

手勢辨識器工作會使用 com.google.mediapipe:tasks-vision 程式庫。將這個依附元件新增至 Android 應用程式的 build.gradle 檔案：

dependencies {
    implementation 'com.google.mediapipe:tasks-vision:latest.release'
}

型號

MediaPipe 手勢辨識器工作需要訓練過的模型套件，且必須與此工作相容。如要進一步瞭解手勢辨識器可用的訓練模型，請參閱任務總覽的「模型」一節。

選取並下載模型，並儲存在專案目錄中：

<dev-project-root>/src/main/assets

在 ModelAssetPath 參數中指定模型的路徑。在程式碼範例中，模型是在 GestureRecognizerHelper.kt 檔案中定義：

baseOptionBuilder.setModelAssetPath(MP_RECOGNIZER_TASK)

建立工作

MediaPipe 手勢辨識器工作會使用 createFromOptions() 函式設定工作。createFromOptions() 函式會接受設定選項的值。如要進一步瞭解設定選項，請參閱「設定選項」。

手勢辨識器支援 3 種輸入資料類型：靜態圖片、影片檔案和即時影片串流。建立工作時，您需要指定與輸入資料類型相對應的執行模式。請選擇對應於輸入資料類型的分頁，瞭解如何建立工作並執行推論。

圖片

val baseOptionsBuilder = BaseOptions.builder().setModelAssetPath(MP_RECOGNIZER_TASK)
val baseOptions = baseOptionBuilder.build()

val optionsBuilder =
    GestureRecognizer.GestureRecognizerOptions.builder()
        .setBaseOptions(baseOptions)
        .setMinHandDetectionConfidence(minHandDetectionConfidence)
        .setMinTrackingConfidence(minHandTrackingConfidence)
        .setMinHandPresenceConfidence(minHandPresenceConfidence)
        .setRunningMode(RunningMode.IMAGE)

val options = optionsBuilder.build()
gestureRecognizer =
    GestureRecognizer.createFromOptions(context, options)

影片

val baseOptionsBuilder = BaseOptions.builder().setModelAssetPath(MP_RECOGNIZER_TASK)
val baseOptions = baseOptionBuilder.build()

val optionsBuilder =
    GestureRecognizer.GestureRecognizerOptions.builder()
        .setBaseOptions(baseOptions)
        .setMinHandDetectionConfidence(minHandDetectionConfidence)
        .setMinTrackingConfidence(minHandTrackingConfidence)
        .setMinHandPresenceConfidence(minHandPresenceConfidence)
        .setRunningMode(RunningMode.VIDEO)

val options = optionsBuilder.build()
gestureRecognizer =
    GestureRecognizer.createFromOptions(context, options)

直播

val baseOptionsBuilder = BaseOptions.builder().setModelAssetPath(MP_RECOGNIZER_TASK)
val baseOptions = baseOptionBuilder.build()

val optionsBuilder =
    GestureRecognizer.GestureRecognizerOptions.builder()
        .setBaseOptions(baseOptions)
        .setMinHandDetectionConfidence(minHandDetectionConfidence)
        .setMinTrackingConfidence(minHandTrackingConfidence)
        .setMinHandPresenceConfidence(minHandPresenceConfidence)
        .setResultListener(this::returnLivestreamResult)
        .setErrorListener(this::returnLivestreamError)
        .setRunningMode(RunningMode.LIVE_STREAM)

val options = optionsBuilder.build()
gestureRecognizer =
    GestureRecognizer.createFromOptions(context, options)

手勢辨識器範例程式碼實作可讓使用者切換處理模式。這個方法會使建立工作程式的程式碼變得更複雜，可能不適合您的用途。您可以在 GestureRecognizerHelper.kt 檔案的 setupGestureRecognizer() 函式中看到這段程式碼。

設定選項

此工作提供下列 Android 應用程式設定選項：

選項名稱	說明	值範圍	預設值
`runningMode`	設定工作執行模式。共有三種模式： IMAGE：單一圖片輸入模式。 VIDEO：影片解碼影格模式。 LIVE_STREAM：輸入資料 (例如來自攝影機的資料) 的直播模式。在這個模式中，必須呼叫 resultListener，才能設定事件監聽器，以非同步方式接收結果。	{`IMAGE, VIDEO, LIVE_STREAM`}	`IMAGE`
`numHands`	`GestureRecognizer` 最多可偵測的手數。	`Any integer > 0`	`1`
`minHandDetectionConfidence`	在手掌偵測模型中，手部偵測的最低信賴分數，才會視為成功。	`0.0 - 1.0`	`0.5`
`minHandPresenceConfidence`	手部地標偵測模型中手部存在分數的最低可信度分數。在手勢辨識器的影片模式和直播模式中，如果手標記模型的手部存在可信度分數低於此閾值，則會觸發手掌偵測模型。否則，系統會使用輕量手勢追蹤演算法，判斷手的位置，以便後續的顯著點偵測。	`0.0 - 1.0`	`0.5`
`minTrackingConfidence`	手部追蹤系統判定為成功的最低可信度分數。這是目前影格和上一個影格中手的定界框交併比閾值。在手勢辨識器的「影片」模式和「串流」模式中，如果追蹤失敗，手勢辨識器會觸發手部偵測。否則系統會略過手勢偵測。	`0.0 - 1.0`	`0.5`
`cannedGesturesClassifierOptions`	設定預先錄製手勢分類器行為的選項。罐頭手勢為 `["None", "Closed_Fist", "Open_Palm", "Pointing_Up", "Thumb_Down", "Thumb_Up", "Victory", "ILoveYou"]` 顯示名稱語言代碼：透過 TFLite 模型中繼資料 (如有) 指定的顯示名稱所使用的語言代碼。結果數上限：要傳回的分類結果數量上限。如果小於 0，則會傳回所有可用的結果。分數門檻：低於這個分數的結果會遭到拒絕。如果設為 0，則會傳回所有可用的結果。類別許可清單：類別名稱的許可清單。如果不為空白，則系統會篩除類別不在這個集合中的分類結果。與拒絕清單互斥。類別拒絕清單：類別名稱的拒絕清單。如果不為空白，系統會篩除類別屬於此集合的分類結果。與許可清單互斥。	顯示名稱語言代碼：`any string` 搜尋結果上限：`any integer` 分數門檻：`0.0-1.0` 類別許可清單：`vector of strings` 類別拒絕清單：`vector of strings`	顯示名稱語言代碼：`"en"` 搜尋結果上限：`-1` 分數門檻：`0` 類別許可清單：空白類別拒絕清單：空白
`customGesturesClassifierOptions`	設定自訂手勢分類器行為的選項。顯示名稱語言代碼：透過 TFLite 模型中繼資料 (如有) 指定的顯示名稱所使用的語言代碼。結果數上限：要傳回的分類結果數量上限。如果小於 0，則會傳回所有可用的結果。分數門檻：低於這個分數的結果會遭到拒絕。如果設為 0，則會傳回所有可用的結果。類別許可清單：類別名稱的許可清單。如果不為空白，則系統會篩除類別不在這個集合中的分類結果。與拒絕清單互斥。類別拒絕清單：類別名稱的拒絕清單。如果不為空白，系統會篩除類別屬於此集合的分類結果。與許可清單互斥。	顯示名稱語言代碼：`any string` 搜尋結果上限：`any integer` 分數門檻：`0.0-1.0` 類別許可清單：`vector of strings` 類別拒絕清單：`vector of strings`	顯示名稱語言代碼：`"en"` 搜尋結果上限：`-1` 分數門檻：`0` 類別許可清單：空白類別拒絕清單：空白
`resultListener`	在手勢辨識器處於即時串流模式時，將結果事件監聽器設為以非同步方式接收分類結果。只有在執行模式設為 `LIVE_STREAM` 時，才能使用	`ResultListener`	不適用	不適用
`errorListener`	設定選用的錯誤監聽器。	`ErrorListener`	不適用	不適用

準備資料

手勢辨識器可用於圖片、影片檔案和直播影片。這個工作會處理資料輸入預先處理作業，包括調整大小、旋轉和值規格化。

以下程式碼示範如何將資料交由處理。這些範例包含如何處理圖片、影片檔案和即時影片串流的資料。

圖片

import com.google.mediapipe.framework.image.BitmapImageBuilder
import com.google.mediapipe.framework.image.MPImage

// Convert the input Bitmap object to an MPImage object to run inference
val mpImage = BitmapImageBuilder(image).build()

影片

import com.google.mediapipe.framework.image.BitmapImageBuilder
import com.google.mediapipe.framework.image.MPImage

val argb8888Frame =
    if (frame.config == Bitmap.Config.ARGB_8888) frame
    else frame.copy(Bitmap.Config.ARGB_8888, false)

// Convert the input Bitmap object to an MPImage object to run inference
val mpImage = BitmapImageBuilder(argb8888Frame).build()

直播

import com.google.mediapipe.framework.image.BitmapImageBuilder
import com.google.mediapipe.framework.image.MPImage

// Convert the input Bitmap object to an MPImage object to run inference
val mpImage = BitmapImageBuilder(rotatedBitmap).build()

在手勢辨識器範例程式碼中，資料準備作業是在 GestureRecognizerHelper.kt 檔案中處理。

執行工作

手勢辨識器會使用 recognize、recognizeForVideo 和 recognizeAsync 函式觸發推論。手勢辨識功能包括預先處理輸入資料、偵測圖片中的手部、偵測手部地標，以及根據地標辨識手勢。

以下程式碼示範如何使用工作模型執行處理作業。這些範例包含如何處理圖片、影片檔案和直播影片串流的資料。

圖片

val result = gestureRecognizer?.recognize(mpImage)

影片

val timestampMs = i * inferenceIntervalMs

gestureRecognizer?.recognizeForVideo(mpImage, timestampMs)
    ?.let { recognizerResult ->
        resultList.add(recognizerResult)
    }

直播

val mpImage = BitmapImageBuilder(rotatedBitmap).build()
val frameTime = SystemClock.uptimeMillis()

gestureRecognizer?.recognizeAsync(mpImage, frameTime)

注意事項：

在影片模式或直播模式下執行時，您也必須向手勢辨識器工作提供輸入影格時間戳記。
在圖片或影片模式下執行時，Gesture Recognizer 工作會阻斷目前的執行緒，直到處理完輸入圖片或影格為止。為避免阻斷使用者介面，請在背景執行緒中執行處理作業。
在直播模式下執行時，手勢辨識器工作不會阻斷目前的執行緒，而是立即傳回。每次處理完輸入影格時，它都會使用辨識結果叫用結果監聽器。如果在手勢辨識器工作忙於處理另一個影格時呼叫辨識函式，工作會忽略新的輸入影格。

在手勢辨識器範例程式碼中，recognize、recognizeForVideo 和 recognizeAsync 函式是在 GestureRecognizerHelper.kt 檔案中定義。

處理及顯示結果

手勢辨識器會為每次執行的辨識作業產生手勢偵測結果物件。結果物件包含圖片座標中的手標記、世界座標中的手標記、手的慣用手(左手/右手)，以及偵測到的手部手勢類別。

以下是這項工作的輸出資料範例：

產生的 GestureRecognizerResult 包含四個元件，每個元件都是陣列，每個元素都包含偵測到單一手的偵測結果。

慣用手

慣用手代表偵測到的手是左手還是右手。
手勢

系統偵測到的手勢類別。
地標

手部有 21 個地標，每個地標都由 x、y 和 z 座標組成。x 和 y 座標會分別根據圖片寬度和高度，正規化為 [0.0, 1.0]。z 座標代表地標深度，其中手腕的深度為原點。值越小，地標與相機的距離就越近。z 的大小會使用與 x 大致相同的刻度。
世界著名地標

21 個手部地標也會以世界座標呈現。每個地標都由 x、y 和 z 組成，代表以公尺為單位的實際 3D 座標，起點位於手的幾何中心。

GestureRecognizerResult:
  Handedness:
    Categories #0:
      index        : 0
      score        : 0.98396
      categoryName : Left
  Gestures:
    Categories #0:
      score        : 0.76893
      categoryName : Thumb_Up
  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)

下圖是工作輸出內容的視覺化呈現：

豎起大拇指的手，並標示手部骨骼結構

在手勢辨識器範例程式碼中，GestureRecognizerResultsAdapter.kt 檔案中的 GestureRecognizerResultsAdapter 類別會處理結果。