【数据集+完整源码】【YOLO】手势动作数据集，目标检测手势检测数据集 7335 张，YOLO人体手势检测系统实战训练教程，yolo手势识别。
【数据集】【YOLO】【目标检测】手势检测数据集 7335 张，YOLO人体手势检测系统实战训练教程，yolo手势识别，包含YOLO/VOC格式标注。数据集中包含 3 种分类，具体分类为：names: ['Paper', 'Rock', 'Scissors']，为掌，拳，剪刀手。检测场景为虚拟现实、智能家居、车载系统等场景，可以应用于VR/AR的沉浸式体验、智能家居的非接触控制等。基于QT的yol
文章前瞻：优质数据集与检测系统精选
点击链接：更多数据集与系统目录清单
一、数据集介绍
【数据集】手势检测数据集 7335 张，目标检测，包含YOLO/VOC格式标注。
数据集中包含 3 种分类，具体分类为：names: ['Paper', 'Rock', 'Scissors']，为掌，拳，剪刀手。
数据集图片来自国内外网站、网络爬虫、视频抽帧等；
可用于虚拟现实、智能家居、车载系统等进行手势识别。
检测场景为虚拟现实、智能家居、车载系统等场景，可以应用于VR/AR的沉浸式体验、智能家居的非接触控制等。
文章底部名片或主页私信获取数据集~
1、数据概述
手势检测的重要性
传统手势识别的局限性
早期手势识别依赖深度摄像头（如Kinect）或传感器阵列，通过物理空间建模或模板匹配实现。这类方法存在显著缺陷：
-
设备依赖性强：需专用硬件支持，成本高且部署受限；
-
泛化能力弱：对光照、背景、手部姿态变化敏感，复杂场景下识别率骤降；
-
实时性不足：多阶段处理流程（如区域提议、特征提取、分类）导致延迟较高。
基于YOLO的手势检测算法
-
虚拟现实（VR）与增强现实（AR）
-
交互自然性：用户通过手势控制虚拟对象（如抓取、拖动），替代传统手柄，提升沉浸感；
-
低延迟要求：VR场景需检测延迟<20ms，YOLOv5的实时性能（如YOLOv5s在NVIDIA Jetson AGX Xavier上达35 FPS）满足需求；
-
复杂背景鲁棒性：VR环境中可能存在动态光照、虚拟物体遮挡等干扰，需模型具备强抗干扰能力。
-
-
智能家居与车载系统
-
非接触式控制：通过手势调节灯光、空调（如“OK”手势开灯、“手掌平推”调温），避免物理接触传播病菌；
-
驾驶安全性：车载场景中，驾驶员可通过手势切换导航、接听电话，减少视觉分心；
-
低功耗需求：边缘设备（如智能音箱）需轻量化模型（如YOLOv5n参数量仅1.9M），平衡精度与能耗。
-
-
医疗康复与工业机器人
-
康复训练评估：通过手势动作识别（如握拳、伸展）量化患者恢复进度，指导治疗方案；
-
人机协作：工业机器人通过手势指令（如“停止”“继续”）实现安全交互，提升生产灵活性。
-
该数据集含有 7335 张图片，包含Pascal VOC XML格式和YOLO TXT格式，用于训练和测试虚拟现实、智能家居、车载系统等场景进行手势检测。图片格式为jpg格式，标注格式分别为：
YOLO：txt
VOC：xml
数据集均为手工标注，保证标注精确度。
2、数据集文件结构
Rock_Paper_Scissors/
——test/
————Annotations/
————images/
————labels/
——train/
————Annotations/
————images/
————labels/
——valid/
————Annotations/
————images/
————labels/
——data.yaml
- 该数据集已划分训练集样本，分别是：test目录（测试集）、train目录（训练集）、valid目录（验证集）；
- Annotations文件夹为Pascal VOC格式的XML文件 ；
- images文件夹为jpg格式的数据样本；
- labels文件夹是YOLO格式的TXT文件；
- data.yaml是数据集配置文件，包含手势识别的目标分类和加载路径。
Annotations目录下的xml文件内容如下：
<annotation>
<folder></folder>
<filename>rock_jpg.rf.c22cbb1e50d4efcf4354ef44df48ac64.jpg</filename>
<path>rock_jpg.rf.c22cbb1e50d4efcf4354ef44df48ac64.jpg</path>
<source>
<database>roboflow.com</database>
</source>
<size>
<width>640</width>
<height>640</height>
<depth>3</depth>
</size>
<segmented>0</segmented>
<object>
<name>Rock</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<occluded>0</occluded>
<bndbox>
<xmin>65</xmin>
<xmax>121</xmax>
<ymin>116</ymin>
<ymax>174</ymax>
</bndbox>
</object>
<object>
<name>Rock</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<occluded>0</occluded>
<bndbox>
<xmin>311</xmin>
<xmax>380</xmax>
<ymin>153</ymin>
<ymax>209</ymax>
</bndbox>
</object>
<object>
<name>Rock</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<occluded>0</occluded>
<bndbox>
<xmin>494</xmin>
<xmax>556</xmax>
<ymin>144</ymin>
<ymax>224</ymax>
</bndbox>
</object>
<object>
<name>Rock</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<occluded>0</occluded>
<bndbox>
<xmin>128</xmin>
<xmax>180</xmax>
<ymin>267</ymin>
<ymax>326</ymax>
</bndbox>
</object>
<metadata>
<tags>
<tag>kaylee</tag>
</tags>
</metadata>
</annotation>3、数据集适用范围
- 目标检测场景，监控摄像头识别
- yolo训练模型或其他模型
- 虚拟现实、智能家居、车载系统等场景
- 可以用于VR/AR的沉浸式体验、智能家居的非接触控制等。
4、数据集标注结果
4.1、数据集内容
- 多角度场景：监控摄像头视角，人员视角；
- 标注内容：3个分类，['Paper', 'Rock', 'Scissors']；
- 图片总量：7335 张图片数据；
- 标注类型：含有Pascal VOC XML格式和yolo TXT格式；
5、训练过程
5.1、导入训练数据
下载YOLOv8项目压缩包，解压在任意本地workspace文件夹中。
下载YOLOv8预训练模型，导入到ultralytics-main项目根目录下。
在ultralytics-main项目根目录下，创建data文件夹，并在data文件夹下创建子文件夹：Annotations、images、imageSets、labels，其中，将pascal VOC格式的XML文件手动导入到Annotations文件夹中，将JPG格式的图像数据导入到images文件夹中，imageSets和labels两个文件夹不导入数据。
data目录结构如下：
data/
——Annotations/ //存放xml文件
——images/ //存放jpg图像
——imageSets/
——labels/
整体项目结构如下所示：
5.2、数据分割
首先在ultralytics-main目录下创建一个split_train_val.py文件，运行文件之后会在imageSets文件夹下将数据集划分为训练集train.txt、验证集val.txt、测试集test.txt，里面存放的就是用于训练、验证、测试的图片名称。
import os
import random
trainval_percent = 0.9
train_percent = 0.9
xmlfilepath = 'data/Annotations'
txtsavepath = 'data/ImageSets'
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
ftrainval = open('data/ImageSets/trainval.txt', 'w')
ftest = open('data/ImageSets/test.txt', 'w')
ftrain = open('data/ImageSets/train.txt', 'w')
fval = open('data/ImageSets/val.txt', 'w')
for i in list:
name = total_xml[i][:-4] + '\n'
if i in trainval:
ftrainval.write(name)
if i in train:
ftrain.write(name)
else:
fval.write(name)
else:
ftest.write(name)
ftrainval.close()
ftrain.close()
fval.close()
ftest.close()5.3、数据集格式化处理
在ultralytics-main目录下创建一个voc_label.py文件，用于处理图像标注数据，将其从XML格式（通常用于Pascal VOC数据集）转换为YOLO格式。
convert_annotation函数
-
这个函数读取一个图像的XML标注文件，将其转换为YOLO格式的文本文件。
-
它打开XML文件，解析树结构，提取图像的宽度和高度。
-
然后，它遍历每个目标对象（
object），检查其类别是否在classes列表中，并忽略标注为困难（difficult）的对象。 -
对于每个有效的对象，它提取边界框坐标，进行必要的越界修正，然后调用
convert函数将坐标转换为YOLO格式。 -
最后，它将类别ID和归一化后的边界框坐标写入一个新的文本文件。
import xml.etree.ElementTree as ET
import os
from os import getcwd
sets = ['train', 'val', 'test']
classes = ['Paper', 'Rock', 'Scissors'] # 根据标签名称填写类别
abs_path = os.getcwd()
print(abs_path)
def convert(size, box):
dw = 1. / (size[0])
dh = 1. / (size[1])
x = (box[0] + box[1]) / 2.0 - 1
y = (box[2] + box[3]) / 2.0 - 1
w = box[1] - box[0]
h = box[3] - box[2]
x = x * dw
w = w * dw
y = y * dh
h = h * dh
return x, y, w, h
def convert_annotation(image_id):
in_file = open('data/Annotations/%s.xml' % (image_id), encoding='UTF-8')
out_file = open('data/labels/%s.txt' % (image_id), 'w')
tree = ET.parse(in_file)
root = tree.getroot()
size = root.find('size')
w = int(size.find('width').text)
h = int(size.find('height').text)
for obj in root.iter('object'):
difficult = obj.find('difficult').text
cls = obj.find('name').text
if cls not in classes or int(difficult) == 1:
continue
cls_id = classes.index(cls)
xmlbox = obj.find('bndbox')
b = (float(xmlbox.find('xmin').text),
float(xmlbox.find('xmax').text),
float(xmlbox.find('ymin').text),
float(xmlbox.find('ymax').text))
b1, b2, b3, b4 = b
# 标注越界修正
if b2 > w:
b2 = w
if b4 > h:
b4 = h
b = (b1, b2, b3, b4)
bb = convert((w, h), b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
wd = getcwd()
for image_set in sets:
if not os.path.exists('data/labels/'):
os.makedirs('data/labels/')
image_ids = open('data/ImageSets/%s.txt' % (image_set)).read().strip().split()
list_file = open('data/%s.txt' % (image_set), 'w')
for image_id in image_ids:
list_file.write(abs_path + '/data/images/%s.jpg\n' % (image_id))
convert_annotation(image_id)
list_file.close()5.4、修改数据集配置文件
在ultralytics-main目录下创建一个wheat.yaml文件
train: data/train.txt
val: data/val.txt
test: data/test.txt
nc: 3
names: ['Paper', 'Rock', 'Scissors']5.5、执行命令
执行train.py
model = YOLO('yolov8s.pt')
results = model.train(data='wheat.yaml', epochs=200, imgsz=640, batch=16, workers=0, device=0)也可以在终端执行下述命令：
yolo train data=wheat.yaml model=yolov8s.pt epochs=200 imgsz=640 batch=16 workers=0 device=05.6、模型预测
你可以选择新建predict.py预测脚本文件，输入视频流或者图像进行预测。
代码如下：
import cv2
from ultralytics import YOLO
# Load the YOLOv8 model
model = YOLO("./best.pt") # 自定义预测模型加载路径
# Open the video file
video_path = "./demo.mp4" # 自定义预测视频路径
cap = cv2.VideoCapture(video_path)
# Get the video properties
frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
fps = cap.get(cv2.CAP_PROP_FPS)
# Define the codec and create VideoWriter object
fourcc = cv2.VideoWriter_fourcc(*'mp4v') # Be sure to use lower case
out = cv2.VideoWriter('./outputs.mp4', fourcc, fps, (frame_width, frame_height)) # 自定义输出视频路径
# Loop through the video frames
while cap.isOpened():
# Read a frame from the video
success, frame = cap.read()
if success:
# Run YOLOv8 inference on the frame
# results = model(frame)
results = model.predict(source=frame, save=True, imgsz=640, conf=0.5)
results[0].names[0] = "道路积水"
# Visualize the results on the frame
annotated_frame = results[0].plot()
# Write the annotated frame to the output file
out.write(annotated_frame)
# Display the annotated frame (optional)
cv2.imshow("YOLOv8 Inference", annotated_frame)
# Break the loop if 'q' is pressed
if cv2.waitKey(1) & 0xFF == ord("q"):
break
else:
# Break the loop if the end of the video is reached
break
# Release the video capture and writer objects
cap.release()
out.release()
cv2.destroyAllWindows()也可以直接在命令行窗口或者Annoconda终端输入以下命令进行模型预测：
yolo predict model="best.pt" source='demo.jpg'6、获取数据集
文章底部名片或主页私信获取数据集~
二、基于QT的目标检测可视化界面
1、环境配置
# 安装torch环境
pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple
# 安装PySide6依赖项
pip install PySide6 -i https://pypi.tuna.tsinghua.edu.cn/simple
# 安装opencv-python依赖项
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple2、使用说明
界面功能介绍：
- 原视频/图片区：上半部分左边区域为原视频/图片展示区；
- 检测区：上半部分右边区域为检测结果输出展示区；
- 文本框：打印输出操作日志，其中告警以json格式输出，包含标签框的坐标，标签名称等；
- 加载模型：下拉框绑定本地文件路径，按钮加载路径下的模型文件；
- 置信度阈值：自定义检测区的置信度阈值，可以通过滑动条的方式设置；
- 文件上传：选择目标文件，包含JPG格式和MP4格式；
- 开始检测：执行检测程序；
- 停止：终止检测程序；
3、预测效果展示
3.1、图片检测
切换置信度再次执行：
上图左下区域可以看到json格式的告警信息，用于反馈实际作业中的管理系统，为管理员提供道路养护决策 。
3.2、视频检测
3.3、日志文本框
4、前端代码
class MyWindow(QtWidgets.QMainWindow):
def __init__(self):
super().__init__()
self.init_gui()
self.model = None
self.timer = QtCore.QTimer()
self.timer1 = QtCore.QTimer()
self.cap = None
self.video = None
self.file_path = None
self.base_name = None
self.timer1.timeout.connect(self.video_show)
def init_gui(self):
self.folder_path = "model_file" # 自定义修改：设置文件夹路径
self.setFixedSize(1300, 650)
self.setWindowTitle('目标检测') # 自定义修改：设置窗口名称
self.setWindowIcon(QIcon("111.jpg")) # 自定义修改：设置窗口图标
central_widget = QtWidgets.QWidget(self)
self.setCentralWidget(central_widget)
main_layout = QtWidgets.QVBoxLayout(central_widget)
# 界面上半部分： 视频框
topLayout = QtWidgets.QHBoxLayout()
self.oriVideoLabel = QtWidgets.QLabel(self)
# 界面下半部分： 输出框 和 按钮
groupBox = QtWidgets.QGroupBox(self)
groupBox.setStyleSheet('QGroupBox {border: 0px solid #D7E2F9;}')
bottomLayout = QtWidgets.QHBoxLayout(groupBox)
main_layout.addWidget(groupBox)
btnLayout = QtWidgets.QHBoxLayout()
btn1Layout = QtWidgets.QVBoxLayout()
btn2Layout = QtWidgets.QVBoxLayout()
btn3Layout = QtWidgets.QVBoxLayout()
# 创建日志打印文本框
self.outputField = QtWidgets.QTextBrowser()
self.outputField.setFixedSize(530, 180)
self.outputField.setStyleSheet('font-size: 13px; font-family: "Microsoft YaHei"; background-color: #f0f0f0; border: 2px solid #ccc; border-radius: 10px;')
self.detectlabel = QtWidgets.QLabel(self)
self.oriVideoLabel.setFixedSize(530, 400)
self.detectlabel.setFixedSize(530, 400)
self.oriVideoLabel.setStyleSheet('border: 2px solid #ccc; border-radius: 10px; margin-top:75px;')
self.detectlabel.setStyleSheet('border: 2px solid #ccc; border-radius: 10px; margin-top: 75px;')
topLayout.addWidget(self.oriVideoLabel)
topLayout.addWidget(self.detectlabel)
main_layout.addLayout(topLayout)5、代码获取
更多数据集请查看置顶博文！
以上内容均为原创，搬运请私信。
更多推荐
13
0- 0
已为社区贡献57条内容
所有评论(0)