郭一璞发自凹非寺
量子位报道公众号 QbitAI
借助 TensorFlow Lite 和 MediaPipe，谷歌刚刚开源了一款手势识别器，可以直接在手机上运行，实时跟踪，并且已经开源。
官方说，效果长这样：
有了这项应用，你可以开发手语识别、AR 游戏，甚至用它来玩石头剪刀布。
有 App 可玩
谷歌已经把这款手势识别器做成了一款名为 Hand Tracking GPU 的 App，在安卓端有对应的 apk 安装包，下载到手机上，安装成功后，无需联网就可以直接用了。
当然，iOS 用户也可以安装，但是没有现成的安装包，可以下载源代码自行编译。
App 默认调用前置摄像头，如果屏幕中出现的是你的脸，它是没有反应的。
伸手到屏幕前，就可以和官方演示的一样，识别出手部的各种姿势，123456789 都可以识别：
或者比个 OK ：
点个赞：
反应还是非常敏锐的，效果不错。不过，不知是什么原因，有时候玩着玩着，屏幕也会突然 放空 ，只能看到手，识别不出手势，这也被推特上的网友抓了包：
另外，这个 App 只支持一只手的手势识别，如果你把两只手都放到摄像头前，它只能识别一只：
说好的石头剪刀布呢？
当然，想想办法还是能让它识别两只手的，比如这样：
它不知道我换了一只手
悄咪咪的，就把识别出的手势框图从一只手转移到了另一只手上。
它也不知道我换回来了
当然，你也可以换回来，来去切换自如，仿佛背后的模型已经被忽悠瘸了。
三大模型
不过，被 忽悠瘸了 的锅，可不能让一个模型背，因为，这款应用的背后有 3 个模型。
BlazePalm
从整个图像中界定手部轮廓，找到手掌的位置，检测平均精度达到 95.7%。
Hand Landmark
前一个模型找到手掌之后，这个模型负责定位关键点，它可以找到手掌上的 21 个关节坐标。
在训练过程中，研究人员们用到了将近 30000 张真实世界的标注过的手掌图片，来获取 ground truth 数据。
之后，用混合训练的方式训练模型。
Gesture Recognition
现在，手部关键点检测结果出来之后，需要判断比划出来的手势是什么意思，也就是识别出是2，这里包含各种手势，除了 123456789 之外，还有 yeah、ok 等。
不过，遗憾的是似乎 App 里没有这个功能。
借助 MediaPipe 实现
最后的实现，借助了 MediaPipe，这是一个构建机器学习 pipeline 的框架。用于手势识别的 MediaPipe 图长这样：
前面的各种模型，都融入到了这张整体的图里，可以看到从拍摄到出结果的全过程。
另外，借助 MediaPipe，还可以做人脸检测：
头发分割：
物体检测：
具体内容，可以进入传送门体验：
传送门
MediaPipe
https://github.com/google/mediapipe
手部跟踪
https://github.com/google/mediapipe/blob/master/mediapipe/docs/hand_tracking_mobile_gpu.md
手势识别 apk/源代码
https://drive.google.com/file/d/1uCjS0y0O0dTDItsMh8x2cf4-l3uHW1vE/view
