GBIM

手势交互地图 GBIM(Gesture-Based Interaction map)，基于视觉深度神经网络的交互地图，通过电脑摄像头观察使用者的手势变化，进而控制地图进行简单的交互。网络使用PaddleX提供的轻量级模型PPYOLO Tiny以及MobileNet V3 small，使得整个模型大小约10MB左右，即使在CPU下也能快速定位和识别手势。

手势

手势	交互	手势	交互	手势	交互
	向上滑动		向左滑动		地图放大
手势	交互	手势	交互	手势	交互
	向下滑动		向右滑动		地图缩小

进度安排

基础

• 确认用于交互的手势。
• 使用det_acq.py采集一些电脑摄像头拍摄的人手姿势数据。
• 数据标注，训练手的目标检测模型
• 捕获目标手，使用clas_acq.py获取手部图像进行标注，并用于训练手势分类模型。
• 交互手势的检测与识别组合验证。
• 打开百度地图网页版，进行模拟按键交互。
• 组合功能，验证基本功能。

进阶

• 将图像分类改为序列图像分类，提高手势识别的流畅度和准确度。
• 重新采集和标注数据，调参训练模型。
• 搭建可用于参数调节的地图。
• 界面整合，整理及美化。

数据集 & 模型

手势检测

• 数据集使用来自联想小新笔记本摄像头采集的数据，使用labelImg标注为VOC格式，共1011张。该数据集场景、环境和人物单一，仅作为测试使用，不提供数据集下载。数据组织参考PaddelX下的PascalVOC数据组织方式。
• 模型使用超轻量级PPYOLO Tiny，模型大小小于4MB，随便训练了100轮后保留best_model作为测试模型，由于数据集和未调参训练的原因，当前默认识别效果较差。

手势分类

• 数据集使用来自联想小新笔记本摄像头采集的数据，通过手势检测模型提出出手图像，人工分为7类，分别为6种交互手势以及“其他”，共1102张。该数据集数量较少，手型及手势单一，仅作为测试使用，不提供数据集下载。数据组织形式如下：

dataset
	├-- Images
	|     ├-- up
	┆     ┆    └-- xxx.jpg
	|     └-- other
	┆          └-- xxx.jpg
	├-- labels.txt
	├-- train_list.txt
	└-- val_list.txt

• 模型使用超轻量级MobileNet V3 small，模型大小小于7MB，由于数据量很小，随便训练了20轮后保留best_model作为测试模型，当前识别分类效果较差。

模型文件上传使用LFS，下拉时注意需要安装LFS，参考LFS文档。后续将重新采集和标注更加多样的大量数据集，并采用更好的调参方法获得更加准确的识别模型

演示

手势识别

地图交互

*未显示Capture界面

使用

1. 克隆当前项目到本地，按照requirements.txt安装所依赖的包opencv、paddlex以及pynput。PaddleX对应请安装最新版的PaddlePaddle，由于模型轻量，CPU版本足矣，参考下面代码，细节参考官方网站：

python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

2. 进入demo.py，将浏览器路径修改为自己使用的浏览器路径：

web_path = '"D:/Twinkstar/Twinkstar Browser/twinkstar.exe"'  # 自己的浏览器路径

3. 运行``demo.py`启动程序：

cd GBIM
python demo.py

常见问题及解决

1. Q: 拉项目时卡住不动

   A：首先确认按照文档安装LFS。如果已经安装那极大可能是网络问题，可以等待一段时间，或先跳过LFS文件，再单独拉取，参考下面git代码：

   // 开启跳过无法clone的LFS文件
   git lfs install --skip-smudge 
   // clone当前项目
   git clone "current project" 
   // 进入当前项目，单独拉取LFS文件
   cd "current project" 
   git lfs pull 
   // 恢复LFS设置
   git lfs install --force

2. Q：按q或者手势交互无效

   A：请注意当前鼠标点击的焦点，焦点在Capture，则接受q退出；焦点在浏览器，则交互结果将驱动浏览器中的地图进行变换。

参考

1. 玩腻了小游戏？Paddle手势识别玩转游戏玩出新花样！
2. https://github.com/PaddlePaddle/PaddleX

交流与反馈

Email：[email protected]