Sign-Language-Recognition 项目使用教程

Sign-Language-Recognition 项目使用教程

Sign-Language-Recognition :v: :ok_hand: :fist: :camera: Sign Language Recognition using Python 项目地址: https://gitcode.com/gh_mirrors/sig/Sign-Language-Recognition

1. 项目目录结构及介绍

Sign-Language-Recognition/
├── code/
│   ├── common/
│   │   └── config.py
│   ├── capture_from_camera.py
│   ├── generate_images_labels.py
│   ├── predict_from_camera.py
│   ├── predict_from_file.py
│   ├── transform_images.py
│   └── train_model.py
├── data/
│   └── generated/
│       └── output/
│           ├── knn/
│           ├── logistic/
│           └── svm/
├── .gitignore
├── LICENSE
├── Pipfile
├── Pipfile.lock
├── README.md
└── env.txt

目录结构说明

• code/: 包含项目的核心代码文件。
  • common/: 包含项目的通用配置文件 config.py。
  • capture_from_camera.py: 用于从摄像头实时捕捉图像。
  • generate_images_labels.py: 用于生成图像与标签的映射。
  • predict_from_camera.py: 用于从摄像头实时预测手语。
  • predict_from_file.py: 用于从文件预测手语。
  • transform_images.py: 用于对图像进行变换处理。
  • train_model.py: 用于训练模型。
• data/: 包含生成的数据文件，特别是训练和测试的输出文件。
  • generated/output/: 包含不同模型的输出文件，如 knn/, logistic/, svm/。
• .gitignore: Git 忽略文件配置。
• LICENSE: 项目许可证文件。
• Pipfile: 项目依赖管理文件。
• Pipfile.lock: 项目依赖锁定文件。
• README.md: 项目说明文件。
• env.txt: 环境配置文件。

2. 项目启动文件介绍

predict_from_file.py

该文件用于从文件中加载图像并进行手语识别。使用方法如下：

python predict_from_file.py <model-name>

• <model-name>: 可以是 svm 或 logistic。如果使用 knn，需要单独下载模型文件并放置在 data/generated/output/knn/ 目录下。

predict_from_camera.py

该文件用于从摄像头实时捕捉图像并进行手语识别。使用方法如下：

python predict_from_camera.py

3. 项目的配置文件介绍

config.py

该文件位于 code/common/ 目录下，包含了项目的配置信息，如训练和测试图像的路径。用户可以根据需要修改这些路径以使用自定义数据集。

# 示例配置
TRAIN_IMAGES_PATH = "path/to/train/images"
TEST_IMAGES_PATH = "path/to/test/images"

用户可以根据实际情况修改这些路径，或者使用默认路径。

Sign-Language-Recognition :v: :ok_hand: :fist: :camera: Sign Language Recognition using Python 项目地址: https://gitcode.com/gh_mirrors/sig/Sign-Language-Recognition