开放数据集 > 手部姿势关键点检测数据集

手部姿势关键点检测数据集-麻将胡了pg电子网站

订阅方案：
普通用户：
￥30.00
vip用户：
￥0.00
联系客服 查看订阅方案
所属分类： 综合数据 标签： （无）
来源： moonapi
更新时间： 2023-12-03 最新数据时间： 自动更新
数据集简介：

数据集介绍： 数据集由序列构成。在每个序列中，您都可以找到组成它的帧。一个帧由4个彩色图像、4组投影在每个图像平面中的2d关节、4个边界框、1组leap motion controller提供的3d点和4组重新投影到每个相机坐标帧的3d点组成。   how is this dataset structured? the dataset is structured by sequences. in

  • 质量保证
  • 免费样本数据
  • 免费数据更新
  • 提供发票
数据集概览(文件数量，文件种类，数据集行列数)，数据集示例数据请查看下方数据集介绍或联系客服索取
  • 数据集介绍
  • 订阅方案
  • 问题反馈

手部姿势关键点检测数据集简介

数据集介绍：


数据集由序列构成。在每个序列中，您都可以找到组成它的帧。一个帧由4个彩色图像、4组投影在每个图像平面中的2d关节、4个边界框、1组leap motion controller提供的3d点和4组重新投影到每个相机坐标帧的3d点组成。


 


how is this dataset structured?



the dataset is structured by sequences. inside each sequence you'll find the frames that compose it. a frame is composed of 4 color images, 4 sets of 2d joints as projected in each of the image planes, 4 bounding boxes, 1 set of 3d points as provided by the leap motion controller and 4 sets of 3d points as reproejcted to each camera coordinate frame.


dataset:

  • data_1










    • 0_webcam_1.jpg

    • 0_webcam_2.jpg

    • 0_webcam_3.jpg

    • 0_webcam_4.jpg

    • 0_joints.txt


    • 1_webcam_1.jpg

    • 1_webcam_2.jpg

    • 1_webcam_3.jpg

    • 1_webcam_4.jpg

    • 1_joints.txt


    • 2_webcam_1.jpg

    • 2_webcam_2.jpg

    • 2_webcam_3.jpg

    • 2_webcam_4.jpg

    • 2_joints.txt

  • data_2

  • ...


the files are named x_type_y. x denotes the number of frame. as it was continuously recorded, the frames are numered in ascending order. type denotes the type of data:



  • webcam: its the sample. a color image of a hand.

  • joints: 3d joints positions in the real world coordinate frame

finally, y denotes the source camera. as we captured data from 4 different cameras at the same time, we provide the image, the 2d points and the bounding box of the hand for each camera for each frame.


 


don't forget to cite us!


手部姿态估计常用公开数据集
手部姿势关键点检测数据集数据集下载链接： zv数据集由序列构成。在每个序列中，您都可以找到组成它的帧。一个帧由4个彩色图像、4组投影在每个图像平面中的2d关节、4个边界框、1组leap motion c…
## 基于深度学习的手部21类关键点检测 基于深度学习的人体关键点检测 开发环境* python 3.7 * pytorch >= 1.5.1 * opencv-python 数据源 普通usb彩色（rgb）网络摄像头 已经存储下来的视频或者图片 数据集 …
博主satya mallick发表的关于opencv mask rcnn实例分割的博文（详见：opencv4.0 ma...
百度ai手部关键点识别,检测图片中的手部并返回手部矩形框位置,定位手部的21个主要骨节点,包括指尖,各节指骨连接处等.支持自拍,他人拍摄,各种拍摄角度.可用于自定义手势检测,ar特效,人机交互等场景.
本文通过自建手势数据集，利用yolov5s检测，然后通过开源数据集训练squeezenet进行手部关键点预测，最后通过指间的夹角算法来判断具体的手势，并显示出来。

手姿态估计大体分为3种方法：
（1）生成法（generative approaches）：用3d手模型来估计手姿态。通过最大化手模型和视觉提取的特征一致性来估计。轮廓、底纹、肤色、光流都是提取的特征，易受环境限制。
（2）区分法（discriminative approaches）：通过训练集学习图像特征和手姿态的映射关系。受益于深度学习方法。准确率受限于数据集，目前基于深度图像的手姿态估计研究较多。
（3）混合法（hybrid approaches）：上述两种方法的结合。

推荐数据集

客服微信

寻找数据？科研建模数据集或数据集专题，程序开发数据接口，免费数据采集服务，定制数据采集服务联系麻将胡了pg电子网站
网站地图