关于API:
我们的手部识别API是一种强大的工具,用于在图像中检测和跟踪手部。该API设计用于处理可解码且具有适当宽高比的输入图像。API处理图像并输出检测到的手部的详细信息。
输出包括每只手的坐标框,提供手在图像中的位置和方向。此外,API为每只手输出21个骨骼节点的坐标信息。这些详细信息可用于虚拟现实和增强现实、人机交互以及手势识别等多种应用。
该API使用前沿的计算机视觉算法来分析图像并以高精度检测手部。它能够处理各种光照条件、手势姿势和背景,使其成为任何需要手部识别的应用的多功能工具。
该API可以轻松集成到您现有的系统中,无论是移动应用、网站还是独立应用。它旨在用户友好且易于使用,使所有技能水平的开发者都能轻松访问。
总体而言,我们的手部识别API是一种强大而多功能的工具,用于在图像中检测和跟踪手部。凭借其详细的输出和易于使用的界面,它是广泛需要手部识别应用的完美解决方案。
传递您选择的图像URL并获取识别到的手部信息。
虚拟和增强现实:使用API跟踪和解释手势,允许与虚拟环境进行更自然和直观的交互。
人机交互:使用API使手势作为控制设备和应用的输入,提供传统输入方法(如鼠标和键盘)的替代方案。
手语识别:使用API检测和解释手语中的手势,使聋人和听力受损者的交流更为便捷。
游戏:使用API跟踪手部动作并将其解释为游戏内操作,提供更沉浸和互动的游戏体验。
机器人技术:使用API将手势解释为控制机器人系统的命令,实现更自然和直观的人机交互。
医学研究:使用API跟踪和分析患有影响运动技能的疾病(如帕金森氏病)患者的手部运动,以研究和了解疾病的发展。
除了每月的API调用限制外,暂无其他限制。
传递您要提取信息和坐标的手的图像URL
手部识别 - 端点功能
| 对象 | 描述 |
|---|---|
imageUrl |
[必需] |
{"code":0,"data":{"hand_info":[{"hand_parts":{"4":{"y":204,"x":486,"score":0.81871610879898},"10":{"y":321,"x":454,"score":0.81764525175095},"5":{"y":242,"x":422,"score":0.63888543844223},"11":{"y":359,"x":491,"score":0.79886507987976},"12":{"y":390,"x":523,"score":0.81205058097839},"7":{"y":321,"x":497,"score":0.83726966381073},"18":{"y":343,"x":391,"score":0.81639093160629},"13":{"y":305,"x":380,"score":0.67881578207016},"0":{"y":226,"x":263,"score":0.59736984968185},"8":{"y":353,"x":529,"score":0.8176703453064},"19":{"y":364,"x":422,"score":0.78116250038147},"9":{"y":274,"x":406,"score":0.72501480579376},"6":{"y":289,"x":470,"score":0.82305908203125},"16":{"y":396,"x":497,"score":0.85061377286911},"1":{"y":173,"x":327,"score":0.49955746531487},"3":{"y":194,"x":433,"score":0.7212952375412},"17":{"y":321,"x":353,"score":0.74342161417007},"2":{"y":167,"x":385,"score":0.66624820232391},"14":{"y":343,"x":428,"score":0.8819363117218},"15":{"y":369,"x":465,"score":0.86385977268219},"20":{"y":390,"x":454,"score":0.85869860649109}},"location":{"top":167,"height":229,"score":16.048545837402,"left":263,"width":266}}],"hand_num":1},"message":"success"}
curl --location --request POST 'https://zylalabs.com/api/1102/hand+recognition+api/960/hand+recognition?imageUrl=https://uploads-ssl.webflow.com/577065f4e06b550b0c190c5c/583bb3ca5b8693a10835b1f3_Sophie%27s%20hand_BEN7244.jpg' --header 'Authorization: Bearer YOUR_API_KEY'
| 标头 | 描述 |
|---|---|
授权
|
[必需] 应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。 |
无长期承诺。随时升级、降级或取消。 免费试用包括最多 50 个请求。
手部识别API返回有关图像中检测到的手的详细信息,包括每只手的坐标框和21个骨节点的坐标,这些骨节点代表手上的关键点
响应数据中的关键字段包括“hand_info”,该字段包含检测到的手的数组,以及“hand_parts”,该字段提供21个骨骼节点的坐标(x,y)和置信分数
响应数据结构为JSON对象 包括一个表示请求状态的"code"和一个包含"hand_info"的"data"对象 其中列出了检测到的手及其对应的骨骼节点坐标
API 提供手部检测的信息,包括每只手的位置和方向,以及手上 21 个特定点的详细坐标,适用于手势识别和虚拟互动等应用
用户可以通过提供不同的图像网址来定制他们的请求,发送到POST手部识别端点。API处理指定的图像并根据该图像的内容返回手部检测数据
典型的用例包括手势跟踪的虚拟和增强现实应用程序 为替代输入方法的人机交互 沉浸式体验的游戏 以及用于分析患者手部动作的医学研究
手部识别API采用先进的计算机视觉算法,旨在应对各种光照条件和手部姿势,确保在多种场景中高准确率的手部检测与跟踪
用户可以期待一个一致的JSON结构,其中包含“code”字段和一个“data”对象。每个检测到的手将有一个对应的“hand_parts”对象,包含坐标和分数,表示每个检测点的可靠性
服务级别:
100%
响应时间:
2,610ms
服务级别:
100%
响应时间:
1,083ms
服务级别:
100%
响应时间:
477ms
服务级别:
100%
响应时间:
269ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
1,462ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
1,194ms
服务级别:
100%
响应时间:
820ms
服务级别:
100%
响应时间:
909ms
服务级别:
100%
响应时间:
1,451ms
服务级别:
100%
响应时间:
699ms
服务级别:
100%
响应时间:
814ms
服务级别:
100%
响应时间:
1,865ms
服务级别:
100%
响应时间:
479ms
服务级别:
100%
响应时间:
117ms
服务级别:
100%
响应时间:
37ms
服务级别:
100%
响应时间:
446ms
服务级别:
100%
响应时间:
577ms
服务级别:
100%
响应时间:
2,756ms