华为机器学习(ML Kit)提供手部关键点识别服务,可用于手语识别。手部关键点识别服务能识别手部21个关键点,通过每个手指的方向和手语规则作比较去找手语字母表。

应用场景
手语通常被听力和口语有障碍的人来使用,是收集手势包含日常互动中所使用的动作和手势。使用ML Kit 可以建立一个智能手语字母表识别器,它可以像一个辅助器一样将手势翻译成单词或者句子,也可以将单词或者句子翻译成手势。这里尝试的是手势当中的美国手语字母表,是基于关节,手指和手腕的位置进行分类。接下来小编将会尝试从手势中收集单词“HELLO”。
up-55a2f859fd345c417e7abc90a947bed58f9.png

开发步骤

1. 开发准备

详细的准备步骤可以参考华为开发者联盟,这里列举关键的开发步骤。(https://developer.huawei.com/consumer/cn/doc/development/hiai-Guides/config-agc-0000001050990353?ha_source=hms1)

1.1 启动ML Kit

在华为开发者AppGallery Connect, 选择Develop > Manage APIs。确保ML Kit 激活。

1.2 项目级gradle里配置Maven仓地址
buildscript {
  • repositories {
  • ...
  • maven {url 'https://developer.huawei.com/repo/'}
  • }
  • }
  • dependencies {
  • ...
  • classpath 'com.huawei.agconnect:agcp:1.3.1.301'
  • }
  • allprojects {
  • repositories {
  • ...
  • maven {url 'https://developer.huawei.com/repo/'}
  • }
  • }
  • 复制代码
    1.3 集成SDK后,在文件头添加配置
    apply plugin: 'com.android.application'      
  • apply plugin: 'com.huawei.agconnect'
  •    
  • dependencies{
  •   //   Import the base SDK.
  •       implementation   'com.huawei.hms:ml-computer-vision-handkeypoint:2.0.2.300'
  •   //   Import the hand keypoint detection model package.
  •       implementation   'com.huawei.hms:ml-computer-vision-handkeypoint-model:2.0.2.300'
  •   }
  • 复制代码
    1.4 将以下语句添加到AndroidManifest.xml文件中
    <meta-data   
  •             android:name="com.huawei.hms.ml.DEPENDENCY"   
  •             android:value= "handkeypoint"/>
  • 复制代码
    1.5 申请摄像头权限和本地文件读取权限
    <!--Camera permission-->
  • <uses-permission android:name="android.permission.CAMERA" />
  • <!--Read permission-->
  • <uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" />
  • 复制代码
    2. 代码开发

    2.1 创建用于相机预览的Surface View,创建用于结果的Surface View。
    目前我们只在UI中显示结果,您也可以使用TTS识别扩展和读取结果。
      mSurfaceHolderCamera.addCallback(surfaceHolderCallback)
  •     private val surfaceHolderCallback = object : SurfaceHolder.Callback {   
  •       override fun surfaceCreated(holder: SurfaceHolder) {   
  •           createAnalyzer()   
  •       }   
  •       override fun surfaceChanged(holder: SurfaceHolder, format: Int, width: Int, height: Int) {   
  •           prepareLensEngine(width, height)   
  •           mLensEngine.run(holder)   
  •       }   
  •       override fun surfaceDestroyed(holder: SurfaceHolder) {   
  •           mLensEngine.release()   
  •       }   
  •   }
  • 复制代码
    2.2 创建手部关键点分析器
    //Creates MLKeyPointAnalyzer with MLHandKeypointAnalyzerSetting.
  • val settings = MLHandKeypointAnalyzerSetting.Factory()
  •         .setSceneType(MLHandKeypointAnalyzerSetting.TYPE_ALL)
  •         .setMaxHandResults(2)
  •         .create()
  • // Set the maximum number of hand regions  that can be detected within an image. A maximum of 10 hand regions can be   detected by default
  • mAnalyzer = MLHandKeypointAnalyzerFactory.getInstance().getHandKeypointAnalyzer(settings)
  • mAnalyzer.setTransactor(mHandKeyPointTransactor)
  • 复制代码
    2.3 开发者创建识别结果处理类“HandKeypointTransactor”

    该类MLAnalyzer.MLTransactor<T>接口,使用此类中的“transactResult”方法获取检测结果并实现具体业务。
    class HandKeyPointTransactor(surfaceHolder: SurfaceHolder? = null): MLAnalyzer.MLTransactor<MLHandKeypoints> {
  • override fun transactResult(result: MLAnalyzer.Result<MLHandKeypoints>?) {
  •     var foundCharacter = findTheCharacterResult(result)
  •     if (foundCharacter.isNotEmpty() && !foundCharacter.equals(lastCharacter)) {
  •         lastCharacter = foundCharacter
  •         displayText.append(lastCharacter)
  •     }
  •     canvas.drawText(displayText.toString(), paddingleft, paddingRight, Paint().also {
  •         it.style = Paint.Style.FILL
  •         it.color = Color.YELLOW
  •     })
  •    
  • }
  • 复制代码
    2.4 创建LensEngine
    LensEngine lensEngine = new LensEngine.Creator(getApplicationContext(), analyzer)
  • setLensType(LensEngine.BACK_LENS)
  • applyDisplayDimension(width, height) // adjust width and height depending on the orientation
  • applyFps(5f)
  • enableAutomaticFocus(true)
  • create();
  • 复制代码
    2.5 运行LensEngine
    private val surfaceHolderCallback = object : SurfaceHolder.Callback {
  • // run the LensEngine in surfaceChanged()
  • override fun surfaceChanged(holder: SurfaceHolder, format: Int, width: Int, height: Int) {
  •     createLensEngine(width, height)
  •     mLensEngine.run(holder)
  • }
  • }
  • 复制代码
    2.6 停止分析器,释放检测资源
    fun stopAnalyzer() {   
  •       mAnalyzer.stop()   
  •   }<code class="language-java"></code>
  • 复制代码
    2.7 处理 transactResult() 以检测字符

    您可以使用HandKeypointTransactor类中的transtresult方法来获取检测结果并实现特定的服务。检测结果除了手部各关键点的坐标信息外,还包括手掌和每个关键点的置信值。手掌和手部关键点识别错误可以根据置信值过滤掉。在实际应用中,可以根据误认容忍度灵活设置阈值。

    2.7.1 找到手指的方向

    让我们先假设可能手指的矢量斜率分别在X轴和Y轴上。
    private const val X_COORDINATE = 0
  • private const val Y_COORDINATE = 1
  • 复制代码
    假设我们有手指分别在5个矢量上,任意手指的方向在任意时间可以被分类为上,下,下-上,上-下,不动。
    enum class FingerDirection {
  •     VECTOR_UP, VECTOR_DOWN, VECTOR_UP_DOWN, VECTOR_DOWN_UP, VECTOR_UNDEFINED
  • }
  • enum class Finger {
  •     THUMB, FIRST_FINGER, MIDDLE_FINGER, RING_FINGER, LITTLE_FINGER
  • }
  • 复制代码
    首先将对应的关键点从结果中分离到不同手指的关键点数组,像这样:
    var firstFinger = arrayListOf<MLHandKeypoint>()
  • var middleFinger = arrayListOf<MLHandKeypoint>()
  • var ringFinger = arrayListOf<MLHandKeypoint>()
  • var littleFinger = arrayListOf<MLHandKeypoint>()
  • var thumb = arrayListOf<MLHandKeypoint>()
  • 复制代码
    手指上的每个关键点都对应手指的关节,通过计算关节与手指的平均位置值之间的距离就可以计算出斜率。根据附近关键点的坐标,查询该关键点的坐标。
    拿字母H的两个简单关键点来说:
    int[] datapointSampleH1 = {623, 497, 377, 312,    348, 234, 162, 90,     377, 204, 126, 54,     383, 306, 413, 491,     455, 348, 419, 521 };
  • int [] datapointSampleH2 = {595, 463, 374, 343,    368, 223, 147, 78,     381, 217, 110, 40,     412, 311, 444, 526,     450, 406, 488, 532};
  • 复制代码
    用手指坐标的平均值来计算矢量
    //For ForeFinger - 623, 497, 377, 312
  • double avgFingerPosition = (datapoints[0].getX()+datapoints[1].getX()+datapoints[2].getX()+datapoints[3].getX())/4;
  • // find the average and subract it from the value of x
  • double diff = datapointSampleH1 [position] .getX() - avgFingerPosition ;
  • //vector either positive or negative representing the direction
  • int vector =  (int)((diff *100)/avgFingerPosition ) ;
  • 复制代码
    矢量的结果将会是正值或者负值,如果它是正值它会出现X轴的正四方向,如果相反它就是负值。用这个方式对所有字母进行矢量映射,一旦你掌握了所有的矢量我们就可以用它们来进行编程。
    up-e9f941121c8680362fcfa110c93c0fd56b5.png
    用上述矢量方向,我们可以分类矢量,定义第一个为手指方向枚举
    private fun getSlope(keyPoints: MutableList<MLHandKeypoint>, coordinate: Int): FingerDirection {
  •     when (coordinate) {
  •         X_COORDINATE -> {
  •             if (keyPoints[0].pointX > keyPoints[3].pointX && keyPoints[0].pointX > keyPoints[2].pointX)
  •                 return FingerDirection.VECTOR_DOWN
  •             if (keyPoints[0].pointX > keyPoints[1].pointX && keyPoints[3].pointX > keyPoints[2].pointX)
  •                 return FingerDirection.VECTOR_DOWN_UP
  •             if (keyPoints[0].pointX < keyPoints[1].pointX && keyPoints[3].pointX < keyPoints[2].pointX)
  •                 return FingerDirection.VECTOR_UP_DOWN
  •             if (keyPoints[0].pointX < keyPoints[3].pointX && keyPoints[0].pointX < keyPoints[2].pointX)
  •                 return FingerDirection.VECTOR_UP
  •         }
  •         Y_COORDINATE -> {
  •             if (keyPoints[0].pointY > keyPoints[1].pointY && keyPoints[2].pointY > keyPoints[1].pointY && keyPoints[3].pointY > keyPoints[2].pointY)
  •                 return FingerDirection.VECTOR_UP_DOWN
  •             if (keyPoints[0].pointY > keyPoints[3].pointY && keyPoints[0].pointY > keyPoints[2].pointY)
  •                 return FingerDirection.VECTOR_UP
  •             if (keyPoints[0].pointY < keyPoints[1].pointY && keyPoints[3].pointY < keyPoints[2].pointY)
  •                 return FingerDirection.VECTOR_DOWN_UP
  •             if (keyPoints[0].pointY < keyPoints[3].pointY && keyPoints[0].pointY < keyPoints[2].pointY)
  •                 return FingerDirection.VECTOR_DOWN
  •         }
  •     }
  • return FingerDirection.VECTOR_UNDEFINED
  • 复制代码
    获取每个手指的方向并且储存在一个数组里。
    xDirections[Finger.FIRST_FINGER] = getSlope(firstFinger, X_COORDINATE)yDirections[Finger.FIRST_FINGER] = getSlope(firstFinger, Y_COORDINATE )<code class="language-java"></code><code class="language-java">
  • </code>
  • 复制代码
    up-c4400f8511326df213b9f1c4d4e7963bafc.png
    2.7.2 从手指方向找到字符:

    现在我们把它当作唯一的单词“HELLO”,它需要字母H,E,L,O。它们对应的X轴和Y轴的矢量如图所示。

    假设:手的方向总是竖向的。让手掌和手腕与手机平行,也就是与X轴成90度。姿势至少保持3秒用来记录字符。

    开始用字符映射矢量来查找字符串
    // Alphabet H
  • if (xDirections[Finger.LITTLE_FINGER] == FingerDirection.VECTOR_DOWN_UP
  •         && xDirections [Finger.RING_FINGER] ==  FingerDirection.VECTOR_DOWN_UP
  •     && xDirections [Finger.MIDDLE_FINGER] ==  FingerDirection.VECTOR_DOWN
  •     && xDirections [Finger.FIRST_FINGER] ==  FingerDirection.VECTOR_DOWN
  •         && xDirections [Finger.THUMB] ==  FingerDirection.VECTOR_DOWN)
  •     return "H"
  • //Alphabet E
  • if (yDirections[Finger.LITTLE_FINGER] == FingerDirection.VECTOR_UP_DOWN
  •         && yDirections [Finger.RING_FINGER] ==  FingerDirection.VECTOR_UP_DOWN
  •         && yDirections [Finger.MIDDLE_FINGER] ==  FingerDirection.VECTOR_UP_DOWN
  •         && yDirections [Finger.FIRST_FINGER] ==  FingerDirection.VECTOR_UP_DOWN
  •         && xDirections [Finger.THUMB] ==  FingerDirection.VECTOR_DOWN)
  •     return "E"
  • if (yDirections[Finger.LITTLE_FINGER] == FingerDirection.VECTOR_UP_DOWN
  •         && yDirections [Finger.RING_FINGER] ==  FingerDirection.VECTOR_UP_DOWN
  •         && yDirections [Finger.MIDDLE_FINGER] ==  FingerDirection.VECTOR_UP_DOWN
  •         && yDirections [Finger.FIRST_FINGER] ==  FingerDirection.VECTOR_UP
  •         && yDirections [Finger.THUMB] ==  FingerDirection.VECTOR_UP)
  •     return "L"
  • if (xDirections[Finger.LITTLE_FINGER] == FingerDirection.VECTOR_UP
  •         && xDirections [Finger.RING_FINGER] ==  FingerDirection.VECTOR_UP
  •         && yDirections [Finger.THUMB] ==  FingerDirection.VECTOR_UP)
  • return "O"
  • 复制代码
    3. 画面和结果

    up-ac8a0b9cc457691523d09dafe1f81dccdc5.png

    4.更多技巧和诀窍

    1. 当扩展到26个字母时,误差很更多。为了更精准的扫描需要2-3秒,从2-3秒的时间寻找和计算最有可能的字符,这可以减少字母表的误差。
    2. 为了能支持所有方向,在X-Y轴上增加8个或者更多的方向。首先,需要求出手指的度数和对应的手指矢量。

    总结

    这个尝试是强力坐标技术,它可以在生成矢量映射后扩展到所有26个字母,方向也可以扩展所有8个方向,所以它会有26*8*5个手指=1040个矢量。为了更好的解决这一问题,我们可以利用手指的一阶导数函数来代替矢量从而简化计算。

    我们可以增强其它的去代替创建矢量,可以使用图像分类和训练模型,然后使用自定义模型。这个训练是为了检查华为ML Kit使用关键点处理特性的可行性。