© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
正数智慧（温州）科技有限公司
企业正数智慧（温州）科技有限公司成立于2025年，属软件和信息技术服务业，主营建设工程设计。面向手势识别、数字分类、计算机视觉等领域提供数据服务，开放基于单帧图像的数字手势识别数据（手势识别、数字分类）、基于单帧图像的静态手势识别数据（手势识别、计算机视觉）、多人场景下的多手手掌检测数据（计算机视觉、目标检测），支撑品质管理与工艺优化。
手势识别数字分类计算机视觉软件信息服务
数据集列表
基于单帧图像的静态手势识别数据
通过构建一个包含大量静态手势图像及其对应类别标签（如“点赞”、“胜利”、“OK”、“握拳”等）的数据集，用于训练分类模型。该数据适用于智能家居设备控制、演示文稿的远程切换、社交应用中的表情符号触发以及无人机控制等场景。利用该数据训练的模型能够快速准确地识别用户的静态指令，解决了依赖物理接触或语音指令的交互局限性，提供了一种直观、静默的控制方式。静态手势识别旨在将单个图像中的手势分类为预定义的指令。具体过程包括：（1）数据收集：采集覆盖多种常见手势的图像，确保每个类别都有充足且多样化的样本。（2）数据处理：利用手掌检测模型提取手部区域图片，然后将该区域输入到一个特征提取网络中。手势语义特征向量是手部区域图片在高维语义特征空间的映射,通过公式 F_gesture=Encodercnn(I_hand) 提取，其中I_hand表示手部区域图片，F_gesture是代表手势语义特征向量。（3）模型构建：在提取的特征向量后连接一个分类器Classifier，根据公式 P_class=Classifier(F_gesture) 预测出手势类别，其中P_class是预测的手势类别；关键评估指标包括平均分类准确率（Accuracy）、平均精确率（Precision）和平均召回率（Recall）。
浙江省数据知识产权登记平台2025-12-24 更新450
基于单帧图像的确认/否定手势识别数据
通过构建一个包含大量明确表示“确认”（如竖起大拇指、OK手势）与“否定”（如拇指向下、摆手示意）的静态手势图像及其对应二元类别标签的数据集，用于训练快速响应的分类模型。该数据适用于各类系统对话框的快速响应，例如在智能驾驶中确认导航指令、在AR/VR环境中对系统提示进行“是/否”选择、在公共查询机或售票机上进行非接触式操作确认，以及在工业流水线上对工序完成情况进行快速标记。利用该数据训练的模型能够即时、准确地捕捉用户的二元决策意图，解决了传统交互中需要中断当前任务（如伸手触摸屏幕或拿起控制器）或在嘈杂环境下语音识别率低下的问题，提供了一种极为高效、直观且无需中断的“即时反馈”交互手段。面向二元类别的静态手势识别旨在将单个图像中的手势分类为预定义的“是”、“否”。具体过程包括：（1）数据收集：采集覆盖多种常见手势的图像，记录所属类别。（2）数据处理：利用手掌检测模型提取手部区域图片I_hand，然后将该区域输入到一个特征提取网络中,用来在高维特征空间表征手部区域。特征提取通过公式 F_gesture=Encodercnn(I_hand)完成，其中 F_gesture是代表手势语义的特征向量。（3）模型构建：在提取的特征向量后连接一个分类器Classifier，根据公式 P_class=Classifier(F_gesture) 预测出数字类别，其中P_class是预测的二元类别；关键评估指标包括平均分类准确率。
浙江省数据知识产权登记平台2025-12-23 更新140
基于视频序列的动态手势识别数据
该数据集包含一系列视频片段，每个片段都展示了一个完整的动态手势过程（如“挥手”、“左滑”、“右滑”、“放大缩小”），并标注了对应的动作类别。数据适用于视频会议中的互动操作、非接触式支付确认、游戏中的技能释放以及机器人的手势引导等。利用该数据训练的模型能够理解手部运动的时序信息，解决了静态手势无法表达连续或过程性指令的难题，极大地丰富了人机交互的维度。动态手势识别的核心是理解手势在时间序列上的变化。具体过程包括：（1）数据收集：录制包含完整动态手势的视频片段，并进行类别标注。（2）数据处理：从视频中采样一系列连续的视频帧序列。再使用一个时空特征提取器来同时编码外观和运动信息。特征提取通过公式 F_dynamic=Encoderspatio-temporal({I1,I2,...,It}) 完成，其中 {I1,...,It} 是视频帧序列, F_dynamic表示视频中手势在高维语义特征空间的映射。（3）模型构建：将提取的时空特征输入分类器，以识别整个序列代表的动态手势。根据公式 P_dynamic_class=Classifier(F_dynamic) 进行分类,其中Classifier为神经网络分类器，P_dynamic_class为预测类别；关键评估指标为平均分类准确率。
浙江省数据知识产权登记平台2025-12-23 更新170
基于RGB图像的三维手指关键点检测数据
该数据集包含单张RGB手部图像及其对应的三维（3D）手指关键点坐标（x, y, z）。数据适用于实现更具沉浸感的VR/AR交互、机器人抓取任务的模仿学习、以及医疗康复中对患者手部运动的定量分析。利用该数据训练的模型能够仅从普通摄像头图像中恢复出手部的三维空间姿态，解决了传统依赖深度摄像头或多视角系统才能获取三维信息的硬件限制问题，极大地拓宽了三维手部姿态估计的应用范围。从单张RGB图像中估计三维手部关键点是一个具有挑战性的任务。具体过程包括：（1）数据收集：在受控环境下采集手部图像和对应的三维关键点真实值（Ground Truth）。（2）数据处理：将单次采集的多张二维手部图像与三维关键点真实值以及图像特征进行关联，其中三维关键点真实值反映了对应二维手部图像中用于识别手势的多个关键点的三维真实坐标。图像特征是二维手部图像在高维特征空间的映射，通过公式 F3D_pose=Encodercnn(Ihand) 提取，Encodercnn为预训练的图像特征提取模型。（3）模型构建：构建一个深度神经网络，直接从二维图像特征回归三维空间坐标。根据公式 KPs3D=Decoder3D_kpt(F3D_pose) 从图像特征中预测出三维关键点坐标；关键评估指标为平均位置误差（Mean Per Joint Position Error, MPJPE），即预测的三维关键点坐标与三维关键点真实值之间的平均欧氏距离。此方法旨在通过普通摄像头实现低成本、高精度的三维手部姿态捕捉。
浙江省数据知识产权登记平台2025-12-23 更新70
基于单帧图像的二维手指关键点检测数据
通过构建一个包含海量手部图像及其对应的21个手指关键点（如指尖、指关节）精确二维坐标的数据集，为深度学习模型提供训练基础。该数据广泛适用于虚拟键盘输入、手语翻译、AR滤镜与特效、以及消费级应用的精细手势控制。利用该数据训练的模型能够实时、准确地捕捉手指的形态和位置，解决了需要精确指尖或关节位置信息才能实现的交互任务，是实现高精度手势理解的基础。二维手指关键点检测旨在从单张图像中定位手指关节的像素坐标。具体过程包括：（1）数据收集：采集各类姿态的手部图像，并由专业标注员为每个图像标注21个标准手指关键点的 (x,y) 坐标。（2）数据处理：首先通过手掌检测模型定位手部区域并进行裁剪归一化，得到预处理图像，以减少背景干扰。手部特征向量是手部图像在高维特征空间的映射,通过公式 F_hand=Encoderhand(I_crop) 提取，其中 F_hand为手部特征向量，I_crop为预处理图像。（3）模型构建：设计一个基于深度卷积网络的回归模型，用于从手部特征中预测手指关键点坐标。根据公式 KPs2D=Decoderkpt(F_hand) 从特征中解码出预测手指关键点坐标，其中 KPs2D为21个关键点的坐标；关键评估指标为关键点正确率（Percentage of Correct Keypoints, PCK），用于衡量预测关键点与真实关键点之间距离在一定阈值内的比例。
浙江省数据知识产权登记平台2025-12-23 更新120
基于单帧图像的情感与社交意图手势识别数据
通过构建一个包含“比心”、“加油”、“勾引”等多种表达情感态度与社交邀请的静态手势图像，并为其标注对应意图类别的数据集，用于训练能够深度理解人类非语言社交信号的分类模型。该数据适用于高度拟人化的交互场景，例如直播互动中，观众通过手势触发“送爱心”、“加油打气”等虚拟礼物或实时弹幕特效；在元宇宙或VR社交平台中，用户的虚拟化身可以实时同步做出这些社交手势，与朋友进行更自然的互动；以及在AI虚拟伴侣或数字人应用中，用户可以通过手势与虚拟形象建立情感连接，获得更具人格化的回应。利用该数据训练的模型能够识别人类交流中更深层次的情感和社交意图，解决了传统手势识别大多局限于功能性指令（如控制、选择）的难题
面向情感与社交意图的静态手势识别旨在将单个图像中的手势分类为预定义的用于表达情感和社交的手势类别。具体过程包括：（1）数据收集：采集覆盖多种常见手势的图像，记录所属类别。（2）数据处理：利用手掌检测模型提取手部区域图片I_hand，然后将该区域输入到一个特征提取网络中,用来在高维特征空间表征手部区域。特征提取通过公式 F_gesture=Encodercnn(I_hand) 完成，其中F_gesture是代表手势语义的特征向量。（3）模型构建：在提取的特征向量后连接一个分类器Classifier，根据公式 P_class=Classifier(F_gesture) 预测出类别，其中P_class是预测类别；关键评估指标包括平均分类准确率。
浙江省数据知识产权登记平台2025-12-23 更新230
基于单帧图像的数字手势识别数据
通过构建一个专门针对数字0到9的静态手势图像及其对应类别标签的数据集，用于训练高精度的数字分类模型。此数据适用于需要快速、非接触式进行数字输入或选择的场景，例如在虚拟/增强现实（VR/AR）应用中，用于无控制器环境下的密码输入、物品数量选择或菜单项快速导航；以及在公共场所的交互式屏幕上。利用该数据训练的模型能够专门优化数字识别的准确性和鲁棒性，解决了在特定场景下语音输入易受噪声干扰、触摸屏输入不便或不卫生的问题，提供了一种高效、明确且无声的数字交互指令通道。面向数字的静态手势识别旨在将单个图像中的手势分类为预定义的数字内容。具体过程包括：（1）数据收集：采集覆盖多种常见手势图像，记录所属数字类别。（2）数据处理：利用手掌检测模型提取手部区域图片，然后将该区域输入到一个特征提取网络中，用于将手部区域图片映射到高维特征空间。特征提取通过公式 F_gesture=Encodercnn(I_hand) 完成，其中 F_gesture是代表手势语义的特征向量。（3）模型构建：在提取的特征向量后连接一个分类器Classifier，根据公式 P_class=Classifier(F_gesture) 预测出数字类别，其中Pclass是预测的数字类别；关键评估指标包括平均分类准确率。
浙江省数据知识产权登记平台2025-12-23 更新560
面向高精度交互的高密度手指关键点检测数据
该数据集提供了超越标准21个关键点的高密度标注，例如在每个指节上增加额外的点，总计达到42个或更多的关键点。此数据适用于需要捕捉手指细微弯曲和表面形态的应用，如超写实虚拟化身的手部动画、专业的音乐演奏（虚拟乐器）模拟、以及需要精细触觉反馈的远程操作系统。利用该数据训练的模型能够生成更加平滑和逼真的手部姿态，解决了标准模型在表现手指精细动作时出现失真或“折断感”的问题。高密度关键点检测旨在提供更丰富的手指形态信息。具体过程包括：（1）数据收集：采集手部图像，并进行21个关键点的高密度人工标注。（2）数据处理：由于关键点数量增多，处理时需要更关注点与点之间的结构关系。采用图神经网络（GNN）来增强模型对局部细节的感知。图像特征是手部图像在高维特征空间的表示，公式为 F_dense=Encoderdetail(I_hand)，其中 Encoderdetail是一个注重细节捕捉的编码器,I_hand为输入的手部图像，F_dense为提取的图像特征。（3）模型构建：构建回归模型，预测三维关键点坐标。根据公式 KPsdense=Decoderdense_kpt(F_dense) 进行解码，其中KPsdense为预测的三维关键点坐标，由21个三维关键坐标点组成；关键评估指标除了MPJPE外，还包括曲率误差等用于衡量手指弯曲形态准确性的指标。
浙江省数据知识产权登记平台2025-12-23 更新180
基于复杂环境的单手手掌检测数据
该数据集专注于在复杂背景、光照多变及部分遮挡等挑战性条件下精准定位手掌位置。数据适用于需要鲁棒手部交互的各类应用，如车载手势控制、公共场所的非接触式交互终端、以及增强现实（AR）应用中的手部追踪启动等。通过利用该数据训练模型，可以显著提升在真实世界复杂场景中手掌检测的准确性和稳定性，解决了在理想条件下模型表现良好，但在实际应用中因环境干扰而频繁失效的问题。在复杂环境中进行手掌检测是人机交互系统的基础。具体过程包括：（1）数据收集：采集大量在不同光照、背景、以及部分遮挡条件下的手部图像。（2）数据处理：对采集的图像进行标注，为每个手掌生成一个精确的边界框。图像特征通过公式 F_image=Encodercnn(I_input) 提取，其中 F_image为图像在高维特征空间的映射，Encodercnn为卷积神经网络编码器，I_input为输入的单帧图像。（3）模型构建：基于提取的特征，构建一个目标检测模型（YOLO 11），该模型学习手掌的预测边界框和置信度。根据公式 BBox=Decoderdet(F_image) 从图像特征中解码出手掌的边界框坐标，其中 BBox 为预测的边界框；关键评估指标为交并比（Intersection over Union, IoU），用于衡量预测边界框与真实边界框的重合度。此方法旨在实现各种非受控环境下高鲁棒性的手掌定位。
浙江省数据知识产权登记平台2025-12-23 更新150
多人场景下的多手手掌检测数据
该数据集包含大量图像和视频帧，其中捕捉了多个个体在同一画面内进行互动或独立活动的场景，并对所有出现的手掌进行了标注。此数据适用于会议分析系统、智能监控、多人协作的VR/AR环境以及零售业的消费者行为分析等。利用该数据训练的模型能够同时检测并区分画面中的多个手掌，解决了因手部交叉、重叠和数量变化导致的检测混淆与失败问题，为理解群体互动行为提供了基础技术支持。在多人场景下准确检测所有手掌是实现群体行为分析的前提。具体过程包括：（1）数据收集：采集包含多个手掌的图像，并为每个手掌实例标注唯一的标注边界框。（2）数据处理：采用数据增强技术（随机缩放、裁剪、旋转）以增加模型对多手场景复杂性的适应能力。多人场景图像特征表示图像在高维特征空间的映射,通过公式 F_multi-hand=Encodercnn(I_scene) 提取，其中 F_multi-hand为多人场景图像特征，I_scene为输入的多人场景图像,Encodercnn为预训练的卷积神经网络。（3）模型构建：搭建一个能够输出多个目标边界框的检测模型。根据公式 pred_bbox,conf=Decodermulti-det(F_multi-hand) 从场景特征中解码出所有手掌的边界框集合，其中pred_bbox为预测边界框,conf为预测置信度，Decodermulti-det表示目标检测模型；关键评估指标为平均精度均值（mean Average Precision, mAP），用于综合评估模型多个手掌的综合性能。
浙江省数据知识产权登记平台2025-12-23 更新260