双手比划，机器秒懂：Tiger AI 平台「手势识别」功能全解析
从数字手势 0--9，到中国手语字母，再到本地视频批量识别------一条链路，三种输入，双模型可同开。
文章目录
- [双手比划，机器秒懂：Tiger AI 平台「手势识别」功能全解析](#双手比划，机器秒懂：Tiger AI 平台「手势识别」功能全解析)
-
- 一、先看一眼：功能入口长什么样
- 二、两大识别引擎，可多选同开
- [三、数字手势：0--9 与双手组合](#三、数字手势：0–9 与双手组合)
-
- [1. 单手 0--9（含中式）](#1. 单手 0–9（含中式）)
- [2. 双手：「右 左」组合](#2. 双手：「右 左」组合)
- [四、中国手语：30 类字母 / 声母](#四、中国手语：30 类字母 / 声母)
- [五、三种输入来源：摄像头 / 图片 / 本地视频](#五、三种输入来源：摄像头 / 图片 / 本地视频)
-
- [模式 1：本地摄像头（实时）](#模式 1：本地摄像头（实时）)
- [模式 2：图片（单张）](#模式 2：图片（单张）)
- [模式 3：本地视频（异步批量）](#模式 3：本地视频（异步批量）)
- 六、结果区与识别序列怎么读
- 七、操作参数（可选调优）
- 八、五分钟上手清单（可转发收藏）
- 九、技术要点（给想深挖的同学）
- 十、写在最后
大家好，我是 Tiger。
最近我们在 Tiger AI 计算机视觉平台 里，把「手势识别」这块能力做了一轮完整升级。不只是数手指那么简单：既能认 中式数字手势 0--9 ，也能认 中国手语字母/声母 ，还支持 摄像头实时、图片、本地视频 三种用法。
下面按「能做什么 → 怎么用 → 怎么拍更准」来讲，文中需要配操作截图的地方，都留了图片位置，方便你后续粘贴。
一、先看一眼：功能入口长什么样
登录平台后，进入菜单：AI智能识别→ 视觉识别 → 手势识别 （路由 /ai/handpose）。
页面上方是配置区（选模型、选来源、调参数），下方是预览画布 + 识别结果 + 识别序列。
完整浏览器窗口，「识别模型」「来源」「开始识别」按钮。
二、两大识别引擎，可多选同开
系统内置两套识别能力，支持多选：
| 模型 | 技术路径 | 能认什么 |
|---|---|---|
| 数字手势（MediaPipe 0--9） | 手掌检测 + 21 关键点 + 角度分类 | 单手 0--9（含中式 6--9）；双手按「右空格左」组合显示 |
| 中国手语（YOLO11s） | 先定位手部再 YOLO 检测 | 30 类：A--Z，以及 CH、NG、SH、ZH |
同时勾选时，主结果会拼成：
text
数字结果 | 手语结果例如左手比 1、右手比 4，同时做出手语「A」，可能显示为：4 1 | A`。
三、数字手势：0--9 与双手组合
1. 单手 0--9（含中式）
在 MediaPipe 关键点基础上，参考 OpenCV Zoo 的 GestureClassification 思路：
- 0--5：握拳、伸指等常规指法
- 6--9：中式单手数字（如拇指小指张开的「6」、拇指食指中指并拢的「9」等）
2. 双手：「右 左」组合
检测到手部左右后，展示格式为：
text
右手数字 + 空格 + 左手数字例如：左手 1、右手 2 → 显示 2 1 。
一侧未认出时，只显示有结果的一侧。
四、中国手语：30 类字母 / 声母
中国手语模式基于 YOLO11s（ONNX），类别包括：
- 英文字母：A--Z
- 声母类：CH、NG、SH、ZH
为减少「背景乱框」，推理前会先做手部定位，再在手部区域识别，默认置信度阈值也调得更严一些。
拍摄建议：
- 手尽量靠近镜头、占画面足够大
- 背景尽量简洁、光线均匀
- 单手手势更稳；复杂背景易误检
检测框 + 标签 + 右侧结果区中文读法
五、三种输入来源：摄像头 / 图片 / 本地视频
「来源」下拉里有三项：
模式 1：本地摄像头（实时）
- 选择摄像头设备（可点「刷新」）
- 勾选识别模型
- 点击 开始识别
- 对镜头比划，看实时结果与骨架/检测框
稳定约 1 秒 会自动记入下方「识别序列」；可勾选 语音播报。
模式 2：图片（单张）
适合演示、截图对比、离线样例：
- 来源选 图片
- 选择本地图片
- 自动/立即触发识别
- 看标注图与结果区
模式 3：本地视频（异步批量）
适合回看录制内容、课堂演示、批量抽帧：
- 来源选 本地视频
- 选择视频文件
- 点击 开始识别视频
- 等待进度条完成（后端异步任务）
- 播放 标注后的结果视频，并在序列表里点击跳转时间点
六、结果区与识别序列怎么读
右侧 / 下方通常会看到：
- 主结果 ：大号文字（数字、手语，或
数字 | 手语） - 分项：数字结果、手语结果（多模型时）
- 识别序列：随时间累计的稳定结果；视频模式下可点击定位
可选能力：
- 语音播报：稳定结果变化时朗读
- 帮助图标（问号）：页面内有简短说明气泡
七、操作参数（可选调优）
配置区还提供部分高级项（具体以页面为准），常见包括：
- 检测 / 关键点相关阈值（数字手势链路）
- 手语检测置信度（默认偏保守，减少误检）
调参时建议：先默认跑通，再小幅调整，避免一边拍一边猛调导致体验抖动。
八、五分钟上手清单（可转发收藏）
- 打开 人工智能 → 手势识别
- 勾选模型：先单独试「数字」或「手语」，再试多选
- 来源选 本地摄像头 → 选设备 → 开始识别
- 数字：练一手 0--9，再练双手「右 左」组合
- 手语：手靠近镜头，背景干净，比 A / B / SH 等
- 有录好的素材：切 本地视频，跑完看标注回放与序列
九、技术要点（给想深挖的同学）
不必全懂也能用；若你关心实现，可记住这几条：
- 数字手势 ：OpenCV Zoo MediaPipe 手掌检测 + 手部关键点，CPU 上
cv2.dnn推理；分类侧对齐 Zoo 的 0--9（含中式 6--9）。 - 左右手展示：按「右手在前、左手在后」拼字符串，避免镜面/标签歧义导致双手都标成 Right。
- 中国手语：YOLO11s ONNX，30 类；先 MediaPipe 裁手再检测，压低背景误检。
- 多模型 ：一次请求可合并两路结果，前端用
|拼接主展示。 - 视频：上传后异步任务 + 进度查询 + 输出标注视频与时间戳序列。
模型文件由平台 模型管理 登记绑定（如 MediaPipe 手势目录、中国手语 YOLO 权重目录），页面启动时会检查是否可用。
十、写在最后
手势是人机交互里最自然的「无接触接口」之一。
Tiger AI 这次把手势识别做成 可演示、可切换、可录像回看 的完整页面：课堂、展厅、无障碍相关 demo，都能直接用。
如果你也在做 CV 落地，欢迎试用平台、提需求、提 issue。
下一篇我们可以继续聊：姿态估计、人员跌倒检测和告警的业务场景设计。
关注我们，一起把 AI 用到看得见的地方。
文末信息
- 产品：Tiger AI 计算机视觉平台
- 功能页：人工智能 → 手势识别
- 能力摘要 ：数字 0--9（含中式）｜中国手语 30 类｜摄像头 / 图片 / 视频｜双模型多选｜序列与语音
提需求、提 issue。
下一篇我们可以继续聊：姿态估计、人员跌倒检测和告警的业务场景设计。
关注我们，一起把 AI 用到看得见的地方。