ASL 指拼识别
从摄像头输入中实时识别美国手语指拼字母表，覆盖 A 到 Z。
概述
signspell 是一款用于从摄像头实时识别美国手语指拼的 Python 包。它聚焦于手动字母表，可实时识别 A–Z，并通过精致的屏幕界面展示结果。
该项目结合了 MediaPipe 手部追踪和基于 30 帧关键点序列训练的 LSTM 模型。它内置预训练模型，既可通过命令行使用，也可作为可导入的库使用，适合希望进行基于实时摄像头识别而非离线图像分类的用户。
功能
基于序列的识别流程
根据项目说明，使用 MediaPipe 手部追踪和基于 30 帧关键点序列训练的 LSTM 模型。
内置模型与界面
包含预训练模型和精致的摄像头界面，因此无需先自行接入模型即可运行。
CLI 控制
可作为命令行工具使用，提供摄像头选择、置信度阈值、镜像视图控制和自定义模型路径等选项。
库 API
可作为库导入，`signspell.run()` 用于完整界面，`Recognizer` 用于程序化逐帧预测。
缓冲输出处理
使用 30 帧滚动缓冲区和短暂稳定窗口，帮助在字母确认前减少闪烁。
使用场景
实时摄像头识别
从终端运行 signspell，使用默认摄像头或指定的摄像头索引识别指拼字母，并可按需调整置信度阈值或镜像模式。
嵌入式界面使用
在 Python 应用中导入该包并调用 `signspell.run()`，将完整摄像头界面嵌入你的工作流。
逐帧程序化推理
在你希望自行处理帧并在代码中处理预测字母时，结合 OpenCV 帧捕获使用 `Recognizer` 类。
自定义模型集成
当你已有与预期输入和输出形状匹配的兼容模型时，可用自定义 `.h5` 文件替换内置模型。
交互式 ASL 演示
将该包用于无障碍演示、课堂示例或原型，其中实时 ASL 手动字母识别是主要交互方式。
Pros and Cons
Pros
- 可从摄像头输入中实时识别 ASL 手动字母表。
- 同时提供 CLI 和库两种使用方式，适配不同工作流。
- 开箱即用，附带预训练模型和界面。
- 支持自定义模型路径，方便用户替换自己的模型。
- 记录了摄像头选择、阈值、镜像和键盘控制等具体运行行为。
Cons
- 实时识别需要摄像头。
- 源代码将支持的 Python 版本限制为 3.9–3.11。
- 项目说明除了安装和基础 CLI/库示例外，没有提供更详细的设置说明。
FAQ
我该如何使用 signspell？
它提供命令行界面和可导入的 Python 库。CLI 可以使用默认摄像头或指定摄像头，库则暴露 `signspell.run()` 以及用于逐帧预测的 `Recognizer` 类。
运行需要什么条件？
项目说明写明，它需要 Python 3.9–3.11，并且需要摄像头进行实时识别。
它能识别什么？
来源说明它可实时识别美国手语指拼字母表（A–Z），并包含一个稳定性窗口，以减少字母确认前的闪烁。
signspell 使用什么许可证？
PyPI 显示该项目采用 MIT License (MIT)。
我可以使用自己的模型吗？
你可以使用 `--model path/to/your_model.h5` 或 `Recognizer(model_path=...)` 指向自定义模型。来源说明该模型必须接受输入形状 `(1, 30, 63)`，并输出 26 个类别分数。
Quick Facts
- 类别
- 开发者工具
- 包名
- signspell
- 平台
- Python 3.9–3.11
- 主要输入
- 摄像头视频
- 许可证
- MIT License (MIT)
- 来源域名
- pypi.org