MediaPipe 自带的手势分类类别比较少,就基于 HaGRID 数据集做了个扩展版本( v2 版本太大了,用的是 v1 的 light 版),思路很简单,每张样本图片先用 MediaPipe 识别出 21 个特征点,打上标签,再用 MLP 跑一遍,实际效果还不错。 https://github.com/johnsmith2078/GestureRecognition