极市平台 | 手部动作识别相关开源数据集汇总

本文来源公众号“极市平台,仅用于学术分享,侵权删,干货满满。

原文链接:手部动作识别相关开源数据集汇总

极市导读

本文汇总了手部动作识别相关的数据集资源,均附有下载链接。 

1 撒哈拉LMC手语数据库

数据集下载地址:https://www.cvmart.net/dataSets/detail/961

Sahand LMC 手语数据库由 32 个类别组成,包括 24 个美国字母(J 和 Z 被排除在外,因为它们是动态手势)和 0 到 9 的数字(6 和 w 的手势,9 和 F 的手势相同)。每类数据库包含 2000 个样本。该数据库由网络摄像头和 Leap Motion 控制器 (LMC) 收集。网络摄像头拍摄的图像背景相对简单。用户被要求在LMC周围移动和旋转她的手,以捕捉手的不同视图。LMC提供的数据库采用结构格式。

2 渲染手势数据集

数据集下载地址:https://www.cvmart.net/dataSets/detail/960

数据集包含41258个训练样本和2728个测试样本。每个样本提供:RGB图像(320x320像素)深度图(320x320像素)类别的分割遮罩(320x320像素):背景、人物、每个手指三个类别和每个手掌一个类别,每只手的21个关键点,其uv坐标在图像框中,xyz坐标在世界框中,以及可见性指示器,固有摄像机矩阵K

3 NTU Microsoft Kinect手持式数据

数据集下载地址:https://www.cvmart.net/dataSets/detail/959

这是一个手势的RGB-D数据集,10个受试者 x 10个手势 x 10个变体。

4 用于评估三维关节手运动跟踪的数据集

数据集下载地址:https://www.cvmart.net/dataSets/detail/958

Dexter 1 由 7 个具有挑战性的慢动作和快速手部动作序列组成 这包括手的外展-内收和屈伸。每个序列中的前 250 帧大致对应于慢动作 而其余帧是快速动作。所有序列都是用一个演员的右手。

5 手势数据集

数据集下载地址:https://www.cvmart.net/dataSets/detail/957

该数据集包含几种不同的手势,这些手势是通过 Leap Motion 和 Kinect 设备,从而构建与利用两个传感器的混合手势识别系统的评估。

6 Jochen Triesch静态手势数据库II

数据集下载地址:https://www.cvmart.net/dataSets/detail/956

7 Jochen Triesch静态手势数据库

数据集下载地址:https://www.cvmart.net/dataSets/detail/955

8 以自我为中心的手部动作数据集

数据集下载地址:https://www.cvmart.net/dataSets/detail/951

数据集介绍了 5 种不同的日常生活活动,它们代表了常见的以自我为中心的视频:“骑自行车”、“吃饭”、“厨房”、“办公室”和“跑步”。数据集是通过从每个视频中统一选择1000张图像来构建的,得到50000张图像。Groundtruth手部边界框是手动注释的,包含整个手直到手腕,因此有超过95,000个注释的手。

9 接触姿势:具有物体接触和手部姿势抓握的数据集

数据集下载地址:https://www.cvmart.net/dataSets/detail/950

手与物体接触、手与物体姿势以及 2.9 M RGB-D 抓取图像的大型数据集。

THE END !

文章结束,感谢阅读。您的点赞,收藏,评论是我继续更新的动力。大家有推荐的公众号可以评论区留言,共同学习,一起进步。

### OpenManus 开发资源概述 #### 关于 OpenManus 的背景 OpenManus 是一款开源项目,专注于提供灵活的手部追踪解决方案[^1]。它通常用于虚拟现实 (VR) 和增强现实 (AR) 领域中的手势识别和交互设计。 --- #### 官方文档与教程 官方文档提供了详细的安装指南、API 使用说明以及常见问题解答。开发者可以通过阅读这些材料快速上手并理解其核心功能[^2]。以下是几个主要部分: - **入门指南**: 提供环境配置方法及基本运行流程。 - **高级特性**: 解释如何自定义模型训练过程以适配特定场景需求。 - **性能优化建议**: 帮助用户提升实时处理效率,在低延迟条件下实现更流畅体验。 --- #### GitHub 仓库地址 该项目托管于GitHub平台之上,任何人均可访问源码并参与贡献活动[^3]。通过克隆存储库即可获取最新版本的应用程序文件及其配套测试数据集: ```bash git clone https://github.com/OpenManusProject/OpenManus.git ``` 此外还存在专门分支用来记录不同阶段成果或者实验性质的功能改进尝试;浏览 Issues 页面亦能发现社区成员间围绕具体技术难题展开讨论交流的情况。 --- #### 示例代码展示 下面给出一段简单的 Python 脚本作为演示用途,该脚本能加载预训练权重参数完成基础手掌姿态估计任务[^4]: ```python from openmanus import HandTracker, load_model # 初始化模型实例 model_path = "./models/default.pth" tracker = HandTracker(load_model(model_path)) # 启动摄像头捕获循环 while True: frame = capture_frame() # 自行替换为实际图像采集函数调用 keypoints = tracker.predict(frame) render_keypoints(keypoints, frame) # 将检测到的关键点绘制至画面中显示出来 ``` 上述片段仅作示意之用,请参照完整版 SDK 文档调整相应接口名称或参数设置满足个性化要求。 --- #### 下载链接汇总 除了直接从 Git 版本控制系统同步外,还可以利用发行包形式下载压缩后的二进制执行文件集合[^5]。针对 Windows/Linux/macOS 不同操作系统分别准备好了独立安装包可供挑选下载。 | 平台 | URL 地址 | |------------|--------------------------------------------------------------------------| | Windows | [Download](https://example.com/openmanus/windows-latest.zip)[^5] | | macOS | [Download](https://example.com/openmanus/macos-latest.dmg)[^5] | | Linux(Ubuntu)| [Download](https://example.com/openmanus/ubuntu-latest.tar.gz)[^5] | 注意检查目标机器架构是否匹配所提供的选项之一再决定采取哪种方式部署应用软件套件。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值