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

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）

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。

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。

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。

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。

 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

​

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：

​

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：

 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）：

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

 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：

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：

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

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。

​

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

当然，在输出目录，也保存很多性能指标的图片

​

​

​

​

 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Demo效果图：

如果想进一步提高模型的性能，可以尝试：

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

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

（2）YOLOv5训练代码和测试代码（Pytorch）

 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）

 更多项目《手部关键点检测(手部姿势估计)》系列文章请参考：