Back to Course

Quarky 및 파이썬을 사용한 로봇 공학 및 AI - 레벨 1

0% Complete
0/0 Steps
  1. 로봇 공학의 기초
    수업 1: Quarky 로봇의 기초
    5 Topics
  2. 수업 2: 로봇 동작의 기초
    3 Topics
  3. 수업 3: 무선 제어 로봇
    4 Topics
  4. 라인 팔로워
    수업 4: 라인 감지를 위한 IR 센서 보정
    3 Topics
  5. 수업 5: 로봇을 따라가는 라인
    4 Topics
  6. 로봇 공학을 이용한 AI
    수업 6: AI 배달 봇으로서의 Quarky - 파트 1
    3 Topics
  7. 수업 7: AI 배달 봇으로서의 Quarky - 파트 2
    4 Topics
  8. 수업 8: 자율주행차 - 파트 1
    4 Topics
  9. 수업 9: 로봇 애완동물
    4 Topics
  10. 수업 10: 제스처 기반 로봇 제어 - 1부
    3 Topics
  11. 수업 11: 제스처 기반 로봇 제어 - 파트 2
    3 Topics
  12. 캡스톤 프로젝트
    수업 12: 캡스톤 프로젝트
Lesson Progress
0% Complete

소개

PictoBlox 기계 학습 환경의 손 제스처 분류기는 다양한 손 포즈를 다양한 클래스로 분류하는 데 사용됩니다. 이 모델은 21개의 데이터 포인트를 사용하여 손의 위치를 분석하여 작동합니다. 이 자습서에서 이에 대해 자세히 살펴보겠습니다.

손 감지

이것은 포즈 감지 알고리즘과 유사한 방식으로 작동하며 훨씬 더 정확하게 손의 포인트를 추적합니다. Pictoblox는 MediaPipe 모델을 사용하여 손과 제스처를 감지합니다. 감지된 손당 21개의 3D 손 키포인트를 예측합니다.

사용 사례

PictoBlox의 Human Body Detection Extension을 사용하여 카메라 또는 스테이지에서 입력된 이미지를 분석할 수 있습니다. 이 확장에서 사용할 수 있는 블록은 다음과 같은 도움이 됩니다.

  1. 이미지에서 인체의 포즈를 가져옵니다.
  2. 이미지에 있는 사람의 수를 가져옵니다.
  3. 어깨, 코, 입 등과 같은 신체 특징의 x 및 y 좌표를 가져옵니다.
  4. 이미지에서 손을 감지합니다.
  5. 손과 다른 손가락의 x 및 y 좌표를 가져옵니다.