基于YOLOv5的手势识别系统(含手势识别数据集+训练代码)

基于YOLOv5的手势识别系统(含手势识别数据集+训练代码)
手势识别2：基于YOLOv5的手势识别系统(含手势识别数据集+训练代码)

目录

手势识别2：基于YOLOv5的手势识别系统(含手势识别数据集+训练代码)

1. 前言

2. 手势识别的方法

（1）基于多目标检测的手势识别方法

（2）基于手部检测+手势分类识别方法

3. 手势识别数据集说明

（1）HaGRID手势识别数据集

（2）自定义数据集

4. 基于YOLOv5的手势识别训练

（1）YOLOv5安装

（2）准备Train和Test数据

（3）配置数据文件

（4）配置模型文件

（5）重新聚类Anchor（可选）

（6）开始训练

（7）可视化训练过程

（8）常见的错误

5. Python版本手势识别测试效果

6. Android版本手势识别

7.项目源码下载

8.项目推荐：手部关键点检测

1. 前言

手势作为一种肢体语言，在人类交流中的使用起着重要作用。一个简单的手势蕴涵着丰富的信息，正因为如此，人与人可以之间通过手势来传达大量的信息，实现高速的通信。将手势运用于计算机，能够很好地改善人机交互的效率。

人类的手势主要分为：

1）交互性手势与操作性手势：前者手的运动表示特定的信息（如乐队指挥），靠视觉来感知，后者不表达任何信息（如弹琴）。

2）自主性手势和非自主性手势：后者与语音配合用来加强或补充某些信息（如演讲者用手势描述动作、空间结构等信息）。

3）离心手势和向心手势：前者直接针对说话人，有明确的交流意图，后者只是反映说话人的情绪和内心的愿望。

手势识别（HGR）作为人机交互的一部分，在汽车领域、家庭自动化系统、各种视频/流媒体平台等领域具有广泛的实际应用。本篇博客，将基于YOLOv5搭建一个手势识别目标检测系统，支持one,two,ok等18种常见的通用手势动作识别，目前基于多目标检测的手势识别方法YOLOv5s的平均精度平均值mAP_0.5=0.99569，mAP_0.5:0.95=0.87605，基本满足业务的性能需求。

另外，为了能部署在手机Android平台，本人对YOLOv5s进行了模型轻量化，开发了一个轻量级的版本，yolov5s05，在普通Android手机上可以达到实时的手势识别效果，CPU(4线程)约30ms左右，GPU约25ms左右，基本满足业务的性能需求。

先展示一下Python版本手势识别Demo视频效果：

【源码下载】基于YOLOv5的手势识别系统(含手势识别数据集+训练代码)

【尊重原创，转载请注明出处】https://blog.csdn.net/guyuealian/article/details/126750433

更多手势识别，手部关键点检测的系列文章请参考：
还有更多Android版本的手势识别效果：Android手部检测和手势识别（含训练代码+Android源码+手势识别数据集）

2. 手势识别的方法

（1）基于多目标检测的手势识别方法

基于多目标检测的手势识别方法，一步到位，把手势类别直接当成多个目标检测的类别进行训练。
1. 该方案采用one-stage的方法，直接端到端训练，任务简单，速度较快；
2. 新增类别或者数据，需要人工拉框标注手势，成本较大
3. 需要均衡采集的不同手势类别的样本数
4. 部署简单
（2）基于手部检测+手势分类识别方法

该方法，先训练一个通用的手部检测模型(不区分手势，只检测手部框)，然后裁剪手部区域，再训练一个手势分类器，完成对不同手势的分类识别。
1. 该方案采用two-stage方法，可针对性分别提高检测模型和分类模型的性能
2. 手部检测模型不区分手势，只检测手部框，检测精度较高，
3. 手势分类模型可以做到很轻量
4. 手势分类数据比较容易采集（你可以采集一个动手一个视频，这样经过手部检测裁剪下来的图片都是同一个类别的动作，减少人工拉框标注手势的成本）
5. 由于采用two-stage方法进行检测-识别，因此速度相对较慢
考虑到HaGRID手势识别数据集，所有图片已经标注了手势类别和检测框，因此采用“基于多目标检测的手势识别方法”更为简单。本篇博客就是基于多目标检测的手势识别方法，多目标检测的的方法较多，比如Faster-RCNN，YOLO系列，SSD等均可以采用，本博客将采用YOLOv5进行多目标检测的手势识别训练。

如果你的数据集仅有部分检测框，但手势分类图片的数据集比较容易采集，建议使用“基于手部检测+手势分类识别方法”，毕竟这方案标注成本比较低。若你需要这个方案，可以微信公众号联系我。

3. 手势识别数据集说明

（1）HaGRID手势识别数据集

原始的HaGRID数据集非常大，图片都是高分辨率（1920 × 1080）200W像素，完整下载HaGRID数据集，至少需要716GB的硬盘空间。另外，由于是外网链接，下载可能经常掉线。

考虑到这些问题，本人对HaGRID数据集进行精简和缩小分辨率，目前整个数据集已经压缩到18GB左右，可以满足手势识别分类和检测的任务需求，为了有别于原始数据集，该数据集称为Light-HaGRID数据集，即一个比较轻量的手势识别数据集。
- 提供手势动作识别数据集，共18个手势类别，每个类别约含有7000张图片，总共123731张图片(12W+)
- 提供所有图片的json标注格式文件，即原始HaGRID数据集的标注格式
- 提供所有图片的XML标注格式文件，即转换为VOC数据集的格式
- 提供所有手势区域的图片，每个标注框的手部区域都裁剪下来，并保存在Classification文件夹下
- 可用于手势目标检测模型训练
- 可用于手势分类识别模型训练
关于《HaGRID手势识别数据集使用说明和下载》，请参考鄙人另一篇博客，

HaGRID手势识别数据集使用说明和下载_AI吃大瓜的博客-CSDN博客

（2）自定义数据集

如果需要增/删类别数据进行训练，或者需要自定数据集进行训练，可参考如下步骤：
1. 采集手势图片，建议不少于200张图片
2. 使用Labelme等标注工具，对手势拉框标注：labelme工具：GitHub - wkentaro/labelme: Image Polygonal Annotation with Python (polygon, rectangle, circle, line, point and image-level flag annotation).
3. 将标注格式转换为VOC数据格式，参考工具：labelme/labelme2voc.py at main · wkentaro/labelme · GitHub
4. 生成训练集train.txt和验证集val.txt文件列表
5. 修改engine/configs/voc_local.yaml的train和val的数据路径
6. 重新开始训练
4. 基于YOLOv5的手势识别训练

（1）YOLOv5安装

训练Pipeline采用YOLOv5: https://github.com/ultralytics/yolov5 , 原始代码训练需要转换为YOLO的格式，不支持VOC的数据格式。为了适配VOC数据，本人新增了LoadVOCImagesAndLabels用于解析VOC数据集进行训练。另外，为了方便测试，还增加demo.py文件，可支持对图片和视频的测试。

推荐使用Python3.8或Python3.7，更高版本可能存在版本差异问题， Python依赖环境：
```
 
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.2
Pillow
PyYAML>=5.3.1
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.41.0
tensorboard>=2.4.1
seaborn>=0.11.0
pandas
thop  # FLOPs computation
pybaseutils
```
项目安装教程请参考（初学者入门，麻烦先看完下面教程，配置好开发环境）：
- 项目开发使用教程和常见问题和解决方法
- 视频教程：1 手把手教你安装CUDA和cuDNN(1)
- 视频教程：2 手把手教你安装CUDA和cuDNN(2)
- 视频教程：3 如何用Anaconda创建pycharm环境
- 视频教程：4 如何在pycharm中使用Anaconda创建的python环境
- 推荐使用Python3.8或Python3.7，更高版本可能存在版本差异问题
（2）准备Train和Test数据

下载HaGRID手势识别数据集，这个数据至少需要716GB的硬盘空间，超大哦；如果你想偷点懒，那就直接采用Light-HaGRID数据集下载，才18GB，数据格式都已经处理好，可以直接拿来使用。关于《HaGRID手势识别数据集使用说明和下载》，请参考鄙人另一篇博客：

HaGRID手势识别数据集使用说明和下载

（3）配置数据文件
- 修改训练和测试数据的路径：engine/configs/voc_local.yaml （一共有18个手势文件夹，全部加上）
- 注意数据路径分隔符使用【/】,不是【\】
- 项目不要出现含有中文字符的目录文件或路径，否则会出现很多异常！
```
# 数据路径
path: ""  # 不需要修改，dataset root dir
# 注意数据路径分隔符使用【/】,不是【\】
# 项目不要出现含有中文字符的目录文件或路径，否则会出现很多异常！
train:
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/call/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/dislike/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/fist/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/four/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/like/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/mute/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/ok/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/one/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/palm/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/peace/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/peace_inverted/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/rock/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/stop/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/stop_inverted/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/three/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/three2/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/two_up/train.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/two_up_inverted/train.txt"
 
val:
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/call/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/dislike/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/fist/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/four/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/like/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/mute/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/ok/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/one/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/palm/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/peace/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/peace_inverted/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/rock/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/stop/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/stop_inverted/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/three/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/three2/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/two_up/val.txt"
  - "D:/dataset/csdn/gesture/Light-HaGRID/trainval/two_up_inverted/val.txt"
 
test:  # test images (optional)
data_type: voc
 
# Classes
nc: 19  # number of classes
names: { 'one': 0, 'two_up': 1, 'two_up_inverted': 2, 'three': 3, 'three2': 4,
         'four': 5, 'fist': 6, 'palm': 7, 'ok': 8, 'peace': 9,
         'peace_inverted': 10, 'like': 11, 'dislike': 12, 'stop': 13, 'stop_inverted': 14,
         'call': 15, 'mute': 16, 'rock': 17, 'no_gesture': 18 }
 
```
HaGRID手势识别数据集一共有18个手势，额外还有一个无手势的类别，即no_gesture；如果你想自定义手势类型，比如你希望只训练one,tow,three,four和no_gesture类别，请修改，请修改：
names: { 'one': 0, 'two_up': 1, 'three': 2, 'four': 3, 'no_gesture': 4 } nc: 5
（4）配置模型文件

官方YOLOv5给出了YOLOv5l,YOLOv5m,YOLOv5s等模型，这里仅仅考虑YOLOv5s模型。考虑到手机端CPU/GPU性能比较弱鸡，直接部署yolov5s运行速度十分慢。所以本人在yolov5s基础上进行模型轻量化处理，即将yolov5s的模型的channels通道数全部都减少一半，并且模型输入由原来的640×640降低到320×320，该轻量化的模型我称之为yolov5s05。从性能来看，yolov5s05比yolov5s快5多倍，而mAP下降了5%（0.87605→0.82706），对于手机端，这精度还是可以接受。

官方YOLOv5: https://github.com/ultralytics/yolov5

下面是yolov5s05和yolov5s的参数量和计算量对比：

模型 input-size params(M) GFLOPs 手势识别mAP(0.5:0.95)
yolov5s 640×640 7.2 16.5 0.87605
yolov5s05 320×320 1.7 1.1 0.82706

（5）重新聚类Anchor（可选）

官方yolov5s的Anchor是基于COCO数据集进行聚类获得（详见models/yolov5s.yaml文件）

对于yolov5s05的Anchor，重新聚类的结果：

而不同的数据集最优Anchor自然需要重新聚类，做适当的调整。当然你要是觉得麻烦就跳过，不需要重新聚类Anchor，这个影响不是很大。如果你需要重新聚类，请参考engine/kmeans_anchor/demo.py文件

（6）开始训练

整套训练代码非常简单操作，用户只需要将相同类别的数据放在同一个目录下，并填写好对应的数据路径，即可开始训练了。
- 修改训练超参文件： data/hyps/hyp.scratch-v1.yaml （可以修改训练学习率，数据增强等方式，使用默认即可）
- Linux系统终端运行,训练yolov5s或轻量化版本yolov5s05 (选择其中一个训练即可)：
```
#!/usr/bin/env bash
 
#!/usr/bin/env bash
 
#--------------训练yolov5s--------------
# 输出项目名称路径
project="runs/yolov5s"
# 训练和测试数据的路径
data="engine/configs/voc_local.yaml"
# YOLOv5模型配置文件
cfg="models/yolov5s.yaml"
# 训练超参数文件
hyp="data/hyps/hyp.scratch-v1.yaml"
# 预训练文件
weights="engine/pretrained/yolov5s.pt"
python train.py --data $data --cfg $cfg --hyp $hyp --weights $weights --batch-size 32 --imgsz 640 --workers 8 --project $project
 
 
#--------------训练轻量化版本yolov5s05--------------
# 输出项目名称路径
project="runs/yolov5s05"
# 训练和测试数据的路径
data="engine/configs/voc_local.yaml"
# YOLOv5模型配置文件
cfg="models/yolov5s05.yaml"
# 训练超参数文件
hyp="data/hyps/hyp.scratch-v1.yaml"
# 预训练文件
weights="engine/pretrained/yolov5s.pt"
python train.py --data $data --cfg $cfg --hyp $hyp --weights $weights --batch-size 32 --imgsz 320 --workers 8 --project $project
```
- Windows系统终端运行,训练yolov5s或轻量化版本yolov5s05 (选择其中一个训练即可)：
```
#!/usr/bin/env bash
 
#--------------训练yolov5s--------------
python train.py --data engine/configs/voc_local.yaml --cfg models/yolov5s.yaml --hyp data/hyps/hyp.scratch-v1.yaml --weights engine/pretrained/yolov5s.pt --batch-size 32 --imgsz 640 --workers 8 --project runs/yolov5s
 
 
 
 
#--------------训练轻量化版本yolov5s05--------------
python train.py --data engine/configs/voc_local.yaml --cfg models/yolov5s05.yaml --hyp data/hyps/hyp.scratch-v1.yaml --weights engine/pretrained/yolov5s.pt --batch-size 32 --imgsz 320 --workers 8 --project runs/yolov5s05
 
```
- 开始训练：
训练完成，可以得到yolov5s手势识别mAP指标大约mAP_0.5=0.99569，mAP_0.5:0.95=0.87605 ；而yolov5s05手势识别mAP指标大约mAP_0.5=0.99421，mAP_0.5:0.95=0.82706

（7）可视化训练过程
```
训练过程可视化工具是使用Tensorboard，使用方法,在终端输入：
```
```
# 基本方法
tensorboard --logdir=path/to/log/
# 例如
tensorboard --logdir ./runs/yolov5s_640 
```
当然，在输出目录，也保存很多性能指标的图片
- 这是训练epoch的可视化图，可以看到mAP随着Epoch训练，逐渐提高
- 这是每个类别的F1-Score分数
- 这是模型的PR曲线
- 这是混淆矩阵：
（8）常见的错误
- YOLOv5 BUG修复记录
- 项目安装教程请参考：项目开发使用教程和常见问题和解决方法_
5. Python版本手势识别测试效果

demo.py文件用于推理和测试模型的效果，填写好配置文件，模型文件以及测试图片即可运行测试了
- 测试图片
```
python demo.py --image_dir "data/test_image" --weights "data/model/yolov5s_640/weights/best.pt" --imgsz 640 --out_dir "runs/result"
```
- 测试视频文件
```
python demo.py --video_file "data/test-video.mp4" --weights "data/model/yolov5s_640/weights/best.pt" --imgsz 640 --out_dir "runs/result"
```
- 测试摄像头
```
# 测试摄像头(Windows系统)
python demo.py --video_file 0 --weights runs/yolov5s_640/weights/best.pt --out_dir runs/HaGRID-result
```
测试Demo效果图：

如果想进一步提高模型的性能，可以尝试：
1. 增加样本数据：原始数据集，基本上都是欧美白色人的图片数据，缺乏亚洲人脸数据集，建议根据自己的业务场景，采集相关数据，提高模型泛化能力
2. 使用参数量更大的模型：本教程使用的YOLOv5s，其参数量才7.2M，而YOLOv5x的参数量有86.7M，理论上其精度更高，但推理速度也较慢。
3. 尝试不同数据增强的组合进行训练
6. Android版本手势识别

已经完成Android版本的手势识别开发，APP在普通Android手机上可以达到实时的手势识别效果，CPU(4线程)约30ms左右，GPU约25ms左右，基本满足业务的性能需求。

Android实现手部检测和手势识别（可实时运行，含Android源码）

Android Demo效果：

【Android APP体验】Android实时手势动作识别APPDemo-Android文档类资源-CSDN下载

7.项目源码下载

整套项目源码内容包含Light-HaGRID数据集 + YOLOv5训练代码和测试代码：基于YOLOv5的手势识别系统(含手势识别数据集+训练代码)

（1）Light-HaGRID数据集
1. 提供手势动作识别数据集，共18个手势类别，每个类别约含有7000张图片，总共123731张图片(12W+)
2. 提供所有图片的json标注格式文件，即原始HaGRID数据集的标注格式
3. 提供所有图片的XML标注格式文件，即转换为VOC数据集的格式
4. 提供所有手势区域的图片，每个标注框的手部区域都裁剪下来，并保存在Classification文件夹下
5. 可用于手势目标检测模型训练
6. 可用于手势分类识别模型训练
（2）YOLOv5训练代码和测试代码（Pytorch）
1. 整套YOLOv5项目工程，含训练代码train.py和测试代码demo.py
2. 支持高精度版本yolov5s训练和测试
3. 支持轻量化版本yolov5s05_320训练和测试
4. 根据本篇博文说明，简单配置即可开始训练：train.py
5. 源码包含了训练好的yolov5s和yolov5s05_320模型，配置好环境，可直接运行demo.py
6. 测试代码demo.py支持图片，视频和摄像头测试
如果你需要Android版本的手势识别，请参考文章：Android实现手部检测和手势识别（可实时运行，含Android源码）

8.项目推荐：手部关键点检测

更多项目《手部关键点检测(手部姿势估计)》系列文章请参考：
- 手部关键点检测1：手部关键点(手部姿势估计)数据集(含下载链接)https://blog.csdn.net/guyuealian/article/details/133277630
- 手部关键点检测2：YOLOv5实现手部检测(含训练代码和数据集)https://blog.csdn.net/guyuealian/article/details/133279222
- 手部关键点检测3：Pytorch实现手部关键点检测(手部姿势估计)含训练代码和数据集https://blog.csdn.net/guyuealian/article/details/133277726
- 手部关键点检测4：Android实现手部关键点检测(手部姿势估计)含源码可实时检测https://blog.csdn.net/guyuealian/article/details/133931698
- 手部关键点检测5：C++实现手部关键点检测(手部姿势估计)含源码可实时检测https://blog.csdn.net/guyuealian/article/details/133277748
相关阅读:
RestTemplate使用笔记
 SpringBoot SpringBoot 原理篇 1 自动配置 1.13 bean 依赖属性配置
 Python tkinter -- 第14章列表框（Listbox）属性
 mac m1 php7.0安装phalcon3.0.x扩展和其他扩展
 07 图形学——曲线曲面理论
 ChatGPT3.5使用体验
 Python导出word文档
 SPA项目开发 - 登录注册功能
 UE5 中 LiveLink 的开发全流程教程
 windows 设置nginx、redis、jar包开机自启、mysql自动备份
原文地址：https://blog.csdn.net/guyuealian/article/details/126750433

模型	input-size	params(M)	GFLOPs	手势识别mAP(0.5:0.95)
yolov5s	640×640	7.2	16.5	0.87605
yolov5s05	320×320	1.7	1.1	0.82706

手势识别2：基于YOLOv5的手势识别系统(含手势识别数据集+训练代码)

1. 前言

2. 手势识别的方法

（1）基于多目标检测的手势识别方法

（2）基于手部检测+手势分类识别方法

3. 手势识别数据集说明

（1）HaGRID手势识别数据集

（2）自定义数据集

4. 基于YOLOv5的手势识别训练

（1）YOLOv5安装

（2）准备Train和Test数据

（3）配置数据文件

（4）配置模型文件

（5）重新聚类Anchor（可选）

（6）开始训练

（7）可视化训练过程

（8）常见的错误

5. Python版本手势识别测试效果

6. Android版本手势识别

7.项目源码下载

8.项目推荐：手部关键点检测