手语也能机器翻译了！机器学习手势识别功能了解一下

江南才子

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”。

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。
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/'}
 }
 }

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'
  }

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"/>

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" />

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()  
    }  
  }

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)

2.3 开发者创建识别结果处理类“HandKeypointTransactor”
该类MLAnalyzer.MLTransactor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
  })
  
}

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();

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)
}
 
}

2.6 停止分析器，释放检测资源

fun stopAnalyzer() {  
    mAnalyzer.stop()  
  }

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

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
}

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>()

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};

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 ) ;

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。

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

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 ）

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"

3. 画面和结果

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。
了解更多相关内容>>
访问华为机器学习服务官网
获取华为机器学习服务开发指导文档
华为HMS Core官方论坛
华为机器学习开源仓地址：GitHub、Gitee
解决集成问题请到Stack Overflow
点击关注，第一时间了解HMS Core最新技术~