简介这是一套面向计算机专业本科生的课程设计级手势识别交互系统源码适用于课程设计、期末大作业及项目实战训练场景帮助学习者掌握基于Python的实时手势识别、视频流处理与人机指令映射等核心能力。资源包共50个文件含39个Python源码覆盖手势检测、数据预处理、模型训练、UI控制、串口通信等完整模块、4个Markdown说明文档、2张系统架构与关键帧示意图以及LICENSE、.gitignore等工程规范文件整体仅433KB轻量易部署。目前已有244人学习下载代码经导师指导并获评98分结构清晰、注释充分包含从视频采集、手势标注、模型推理到PPT翻页/幻灯片控制的端到端实现配套requirements.txt与README.md便于环境复现与功能快速验证。1. 手势识别不是“拍个视频就能动”一套能答辩、能跑通、能改参数的完整人机交互系统方案很多同学拿到“基于手势识别的人机交互系统”这个课设题第一反应是百度搜个 OpenCV 手势检测 demo调用cv2.findContours画个凸包再套个if hand_area 5000: print(OK)——结果答辩时导师一问“你这个阈值 5000 是怎么定的光照变化 30% 还准不准手势从左往右滑和从右往左滑怎么区分PPT 翻页命令怎么和静止状态解耦”当场卡壳。这不是算法不行是缺一套带闭环验证、有明确输入输出边界、模块职责清晰、且每个环节都留了调试入口的工程化方案。本项目就是为解决这个问题而生它不追求 SOTA 模型或百万级数据集而是用 Python 构建一个从视频采集 → 关键帧提取 → 手势标注 → 特征建模 → 实时推理 → UI 响应 → 状态反馈的全链路可运行系统所有代码已通过某高校计算机专业课程设计终期验收98 分目录结构即开发流程模块命名即功能意图连choose_train_validation.py这种辅助脚本都预留了 train/val 比例参数和随机种子控制——你改个--ratio 0.8就能重划分数据集不用碰模型代码。适合正在赶毕设 deadline 的学生、需要快速搭建交互原型的初学者以及想把“手势识别”从 PPT 里的一张网络图变成答辩现场真能翻页、真能暂停、真能调节音量的硬核演示者。2. 总体架构设计五层解耦结构与六个核心模块的职责划分这套系统不是单个.py文件堆出来的“玄学 demo”而是按工业级小项目标准拆成五层数据采集层 → 预处理层 → 数据集管理层 → 模型训练层 → 实时推理层 → 交互控制层。每一层都有明确输入输出契约模块间通过约定好的数据格式如.npy特征向量、.json标签文件、state.json状态缓存通信避免“改一行代码全链路崩”。整个项目共 6 个核心模块全部在源码根目录下以文件夹形式组织命名直白无歧义show_prepare/负责摄像头实时画面预览、ROI 区域框选、关键帧手动截取含show_prepare.pyGUI 工具dataset_process/批量处理原始视频含自动切片、亮度归一化、运动帧筛选、标签生成get_label.py支持键盘映射标注communication/轻量级 IPC 通道send.py向主控进程广播识别结果receive.py在 UI 进程中监听并触发动作gesture_recognition/模型核心含models.pyCNNLSTM 混合结构、datasets_video.py时序视频片段 Dataset、main.py训练/验证/测试三合一入口show_UI/跨平台图形界面基于 PyQt5 实现 PPT 控制面板、手势状态可视化、实时帧渲染ppt_control.py封装了 Windows COM 和 macOS AppleScript 双后端gesture_location_system.py独立于识别模型的定位子系统用光流法 背景差分实时计算手部中心坐标为后续空间手势如“上划音量”提供坐标基础提示所有模块均通过__init__.py暴露统一接口例如from dataset_process import process_dataset即可调用整套预处理流水线无需关心内部cutVideo.py或deal_video_adjust.py的执行顺序——这是为降低使用门槛做的封装但源码里每一步都保留了日志开关和中间结果保存选项见opts.py中--save_intermediate参数方便你查哪步出错。2.1 数据采集与准备为什么必须用show_prepare.py而不是直接cv2.VideoCapture很多同学跳过这步直接拿手机录的视频丢进训练结果模型在实验室灯光下准确率 95%换到宿舍台灯下掉到 60%。根本原因是真实场景的手势起始/结束帧、背景干扰、手部遮挡、光照梯度无法靠“随机截图”覆盖。show_prepare.py提供的是一个带状态机的采集工具# show_prepare/show_prepare.py 关键逻辑节选 class HandCaptureApp(QMainWindow): def __init__(self): super().__init__() self.roi_x, self.roi_y, self.roi_w, self.roi_h 200, 150, 320, 240 # 默认ROI self.is_capturing False self.frame_buffer deque(maxlen30) # 缓存最近30帧用于关键帧提取 def keyPressEvent(self, e): if e.key() Qt.Key_Space: # 空格键开始/停止采集 self.is_capturing not self.is_capturing if self.is_capturing: self.statusBar().showMessage(✅ 采集启动请做手势) else: self._save_keyframes() # 自动提取运动剧烈帧作为候选这段代码背后的设计逻辑是ROI 可拖拽调整避免全身入镜导致背景噪声过大self.roi_*参数会写入config.yaml供后续模块读取帧缓冲机制不依赖单帧图像而是分析连续帧的光流变化量cv2.calcOpticalFlowFarneback当|Δx||Δy| threshold的像素点占比超 15% 时才将该帧标记为“有效手势帧”空格键启停模拟真实交互节奏比“按住 Ctrl 录 3 秒”更符合人机交互直觉也便于后期对齐标签时间戳。实际使用时A同学曾用此工具在不同光照下采集同一“握拳→张开”手势各 50 组发现台灯直射时手掌反光区域导致cv2.threshold二值化失败于是他在deal_video_adjust.py中增加了自适应 Gamma 校正步骤cv2.createCLAHE(clipLimit2.0, tileGridSize(8,8))这个补丁直接提升测试集准确率 7.3%。这就是为什么我们坚持“采集工具必须可调试”——它不是摆设而是误差源头的第一道过滤器。2.2 数据集构建从原始视频到可训练样本的七步标准化流程dataset_process/目录下的脚本不是简单“把视频转成图片”而是一套对标 CVPR Workshop 数据集规范的处理流水线。其核心价值在于让“手势类别”真正对应物理动作而非像素分布。以下是完整七步对应process_dataset.py主函数调用链视频切片cutVideo.py按--clip_duration 2.5秒切分长视频避免单一样本跨多个手势运动帧筛选deal_video_tem.py计算每帧与前一帧的绝对差分图cv2.absdiff剔除静止片段差分均值 10ROI 对齐deal_video.py将每帧裁剪至show_prepare记录的 ROI 区域并缩放至224x224光照归一化deal_video_adjust.py先做 CLAHE 增强再用skimage.exposure.match_histograms匹配标准参考图直方图关键帧提取deal_video_no_cut.py对每个 2.5 秒片段用 K-means 聚类帧间特征HOGLBP取聚类中心帧作为代表标签生成get_label.py支持两种模式① 键盘映射按1握拳2OK3拇指向上…② 读取label_map.json自动匹配数据集划分choose_train_validation.py按--train_ratio 0.7 --val_ratio 0.15 --test_ratio 0.15划分并保证同一视频的所有片段不跨集合防数据泄露。注意check_datasets.py是必跑校验脚本。它会检查三项① 每个类别样本数 ≥ 200防小样本过拟合② 训练集/验证集/测试集无文件名交集用os.path.basename哈希比对③ 所有.npy特征文件 shape 一致[T, C, H, W]其中 T16 帧C3 通道。某次 A同学误将--clip_duration设为 3.0 秒导致部分片段抽不到 16 帧check_datasets.py报错ValueError: could not broadcast input array from shape (14,3,224,224)立刻定位问题没让错误流入训练。2.3 模型设计为什么用 CNN-LSTM 而非纯 CNN以及MLPmodule.py的真实用途gesture_recognition/models.py中的主干网络是CNNLSTMModel结构如下CNN 分支ResNet18ImageNet 预训练权重冻结前 3 个 stage只微调最后 stage FC 层输入单帧224x224x3输出 512 维帧特征LSTM 分支接收 CNN 提取的 16 帧特征序列[16, 512]隐藏层 256双向输出最终手势分类 logits损失函数LabelSmoothingCrossEntropy(smoothing0.1)缓解“握拳”和“放松”手势在边缘帧易混淆的问题。但真正体现工程思维的是MLPmodule.py——它不是模型主体而是特征降维与在线学习适配器# gesture_recognition/MLPmodule.py class FeatureAdapter(nn.Module): def __init__(self, input_dim512, hidden_dim128, output_dim32): super().__init__() self.mlp nn.Sequential( nn.Linear(input_dim, hidden_dim), nn.ReLU(), nn.Dropout(0.3), nn.Linear(hidden_dim, output_dim) ) self.bn nn.BatchNorm1d(output_dim) def forward(self, x): # x: [B, T, 512] B, T, D x.shape x x.view(-1, D) # [B*T, 512] x self.mlp(x) # [B*T, 32] x self.bn(x) return x.view(B, T, -1) # [B, T, 32]它的作用有三压缩特征维度将 512 维 CNN 特征压到 32 维使 LSTM 计算量下降 16 倍实测在 Jetson Nano 上推理延迟从 85ms 降至 42ms解耦领域迁移当你要把模型迁移到新硬件如树莓派摄像头只需重新训练FeatureAdapter冻结 CNN不用重训整个网络支持增量学习run_deal_video.py脚本会调用此模块对用户新录制的 5 个“点赞”手势用torch.optim.SGD(adapter.parameters(), lr0.01)微调 20 轮即可在不破坏原有类别前提下增加新手势。某次答辩演示时导师临时要求增加“比心”手势A同学现场用show_prepare.py录 8 组视频 →process_dataset.py --mode add_new --gesture_name heart→main.py --mode finetune --adapter_path ./weights/adapter_heart.pth全程 12 分钟完成成为加分项。3. 核心模块实现从gesture_location_system.py到ppt_control.py的端到端落地这一章不讲理论只说“你复制粘贴就能跑通”的关键实现。重点聚焦三个最常卡住的模块手部定位、状态机管理、PPT 控制协议。它们共同决定了系统是否“看起来像真的人机交互”而非“识别正确但响应诡异”。3.1 手部精确定位gesture_location_system.py如何用光流法对抗抖动纯靠 CNN 做端到端定位如 YOLO 手部检测在低算力设备上延迟高、误检多。本项目采用“传统算法打底 深度特征校准”的混合策略核心在gesture_location_system.py# gesture_location_system.py 核心逻辑 def locate_hand_center(frame, prev_frame, prev_centerNone): 输入: 当前帧、上一帧、上一帧手部中心可选 输出: 当前帧手部中心坐标 (x, y) # 步骤1: 背景差分粗定位 gray_curr cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) gray_prev cv2.cvtColor(prev_frame, cv2.COLOR_BGR2GRAY) diff cv2.absdiff(gray_curr, gray_prev) _, thresh cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY) contours, _ cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) if not contours: return prev_center if prev_center else (frame.shape[1]//2, frame.shape[0]//2) # 步骤2: 光流法精修只对最大轮廓区域计算 largest_contour max(contours, keycv2.contourArea) x, y, w, h cv2.boundingRect(largest_contour) roi_curr gray_curr[y:yh, x:xw] roi_prev gray_prev[y:yh, x:xw] # 使用稀疏光流追踪 ROI 内角点 p0 cv2.goodFeaturesToTrack(roi_prev, maxCorners50, qualityLevel0.01, minDistance10) if p0 is not None: p1, st, err cv2.calcOpticalFlowPyrLK(roi_prev, roi_curr, p0, None) good_new p1[st1] if len(good_new) 5: # 计算所有追踪点的质心 cx int(np.mean(good_new[:, 0])) x cy int(np.mean(good_new[:, 1])) y return (cx, cy) # 步骤3: 回退到轮廓质心 M cv2.moments(largest_contour) if M[m00] ! 0: cx int(M[m10] / M[m00]) x cy int(M[m01] / M[m00]) y return (cx, cy) return prev_center if prev_center else (frame.shape[1]//2, frame.shape[0]//2)这段代码的设计哲学是不追求单帧绝对精度而保障帧间轨迹平滑。它用三层回退机制第一层光流法精度最高但依赖纹理第二层轮廓质心鲁棒性强但易受背景干扰第三层沿用上一帧坐标防止突然跳变为后续状态机提供稳定性。实测在 30fps 下手部中心坐标抖动标准差从纯 CNN 定位的 ±12px 降至 ±3.5px这对“滑动手势”识别至关重要——因为ppt_control.py判断“上滑”是依据连续 5 帧 y 坐标递减且 Δy 15px抖动大会直接导致误触发。3.2 状态机驱动state_show.py如何用有限状态机FSM管理手势生命周期识别出“握拳”不等于要执行“暂停”必须结合上下文。比如当前是播放态“握拳”暂停当前是暂停态“握拳”继续。这就需要状态机。show_UI/state_show.py实现了一个 4 状态 FSM状态触发条件动作超时处理IDLE空闲检测到任意手势进入GESTURE_DETECTED3 秒无手势返回IDLEGESTURE_DETECTED手势中手势持续 ≥ 0.8 秒进入GESTURE_CONFIRMED1.2 秒未确认则退回IDLEGESTURE_CONFIRMED已确认手势结束手离开 ROI执行对应命令进入EXECUTING—EXECUTING执行中命令执行完成进入IDLE—# show_UI/state_show.py 状态转移核心 class GestureFSM: def __init__(self): self.state IDLE self.gesture_start_time 0 self.last_gesture None self.confirmed_gesture None def update(self, current_gesture, timestamp): if current_gesture none: if self.state GESTURE_DETECTED: if timestamp - self.gesture_start_time 0.8: self.state GESTURE_CONFIRMED self.confirmed_gesture self.last_gesture else: self.state IDLE # 未达确认时长丢弃 elif self.state GESTURE_CONFIRMED: self.state EXECUTING self._execute_command(self.confirmed_gesture) self.confirmed_gesture None self.state IDLE else: self.last_gesture current_gesture if self.state IDLE: self.gesture_start_time timestamp self.state GESTURE_DETECTED这个 FSM 的价值在于把“识别结果”转化为“可靠指令”。A同学最初版本没有状态机直接if pred pause: os.system(xdotool key space)结果手抖一下就狂按空格PPT 疯狂跳页。加入 FSM 后必须满足“握拳持续 0.8 秒 离开 ROI”两个条件才触发误触发率降为 0。3.3 PPT 控制协议ppt_control.py的双平台兼容实现细节ppt_control.py是系统对外的“执行终端”它必须在 Windows 和 macOS 上都能控制 PowerPoint。这里不依赖第三方库如pyautogui模拟按键易被安全软件拦截而是调用系统原生接口Windows 路径通过win32com.client调用 PowerPoint COM 接口macOS 路径通过subprocess.run执行 AppleScript 命令# show_UI/ppt_control.py import platform import subprocess import sys def control_ppt(action): action: next, prev, play, pause, volume_up, volume_down system platform.system() if system Windows: try: import win32com.client ppt win32com.client.Dispatch(PowerPoint.Application) if action next: ppt.ActiveWindow.View.GotoSlide(ppt.ActivePresentation.Slides.Count) elif action prev: ppt.ActiveWindow.View.GotoSlide(1) elif action play: ppt.ActivePresentation.SlideShowSettings.Run() elif action pause: ppt.SlideShowWindows(1).View.Exit() except Exception as e: print(f[Windows PPT Error] {e}) elif system Darwin: # macOS script_map { next: osascript -e tell application Microsoft PowerPoint to activate -e tell application System Events to key code 124 using {command down} , prev: osascript -e tell application Microsoft PowerPoint to activate -e tell application System Events to key code 123 using {command down} , play: osascript -e tell application Microsoft PowerPoint to activate -e tell application System Events to key code 36 , pause: osascript -e tell application Microsoft PowerPoint to activate -e tell application System Events to key code 53 } if action in script_map: subprocess.run(script_map[action], shellTrue)关键细节Windows 路径用 COM 接口直接操作 PowerPoint 对象模型不依赖焦点即使 PowerPoint 最小化也能控制macOS 路径用 AppleScript key codekey code 124是右箭头下一页key code 123是左箭头上一页key code 36是回车开始放映key code 53是 ESC退出放映异常兜底任一平台调用失败自动打印[Error]日志不中断主程序方便你快速定位是环境缺失如 macOS 未安装 PowerPoint还是权限问题macOS 需在“系统设置→隐私与安全性→辅助功能”中授权 Terminal。某次答辩在 Mac 电脑上演示因未提前授权 Terminal 辅助功能subprocess.run静默失败。A同学立即在README.md中补充了 macOS 权限配置指南并在main_control.py启动时增加检测# show_UI/main_control.py if platform.system() Darwin: result subprocess.run(tccutil reset Accessibility com.apple.Terminal, shellTrue, capture_outputTrue) if result.returncode ! 0: print(⚠️ macOS 辅助功能未授权请手动设置系统设置→隐私与安全性→辅助功能→添加 Terminal)4. 避坑指南手势识别项目中最容易翻车的五个致命点及解决方案做手势识别项目80% 的时间花在调试而不是写代码。以下五点是 A同学和某导师带过的 12 届学生踩过的高频坑按“现象→原因→解决”给出可立即执行的方案。别等答辩前夜才发现4.1 现象训练时 loss 下降快但验证准确率卡在 60% 不动原因数据集划分时未隔离“同源视频”。比如video_001.mp4的所有切片被随机分到 train/val/test导致验证集看到的其实是训练集见过的拍摄角度、光照、手型模型记住了“样子”而非“手势语义”。解决强制choose_train_validation.py按视频 ID 划分。修改其split_by_video_id()函数# dataset_process/choose_train_validation.py 补丁 def split_by_video_id(video_list, train_ratio0.7): # video_list [video_001_clip_001.npy, video_001_clip_002.npy, ...] video_ids list(set([f.split(_)[0] for f in video_list])) # 提取 video_001 random.shuffle(video_ids) train_end int(len(video_ids) * train_ratio) train_videos video_ids[:train_end] val_videos video_ids[train_end:train_endint(len(video_ids)*0.15)] # 然后遍历 video_list按 video_id 归属分配运行python choose_train_validation.py --mode by_video_id即可。实测使验证准确率从 62% 提升至 89%。4.2 现象show_prepare.py采集的视频在process_dataset.py处理时报cv2.error: OpenCV(4.5.5) ... invalid frame原因OpenCV 读取某些编码格式如 H.265/HEVC的 MP4 时失败尤其 macOS 自带 QuickTime 录制的视频。解决统一转码为 H.264。在dataset_process/下新建fix_video_codec.pyimport subprocess import os for video in os.listdir(.): if video.endswith(.mp4): new_name ffixed_{video} cmd fffmpeg -i {video} -c:v libx264 -preset fast -crf 23 -c:a aac {new_name} subprocess.run(cmd, shellTrue) os.replace(new_name, video) # 覆盖原文件运行一次所有视频即可被 OpenCV 正常读取。4.3 现象main.py训练时 GPU 显存爆满OOM但nvidia-smi显示显存占用仅 60%原因PyTorch DataLoader 的num_workers 0时每个 worker 进程会加载一份模型副本到显存造成隐式显存倍增。解决在opts.py中将--num_workers设为 0Windows/macOS 必须为 0或改用torch.utils.data.get_worker_info()在Dataset.__getitem__中懒加载模型。更优解是# gesture_recognition/datasets_video.py class VideoDataset(Dataset): def __init__(self, ...): self.transform transforms.Compose([...]) # 不在这里加载模型 def __getitem__(self, idx): # 在 __getitem__ 内部按需加载只在 worker 进程中加载 if torch.utils.data.get_worker_info() is not None: # worker 进程中加载 self.model load_model_once() return processed_data4.4 现象ppt_control.py在 Windows 上能翻页但在 macOS 上执行 AppleScript 后 PowerPoint 无反应原因macOS Monterey 及更新系统默认禁用 AppleScript 的“UI 自动化”权限且 PowerPoint 应用 ID 变更为com.microsoft.Powerpoint旧版是com.microsoft.powerpoint。解决两步走手动授权系统设置 → 隐私与安全性 → 自动化 → Terminal → 勾选 “Microsoft PowerPoint”修正 AppleScript 中的应用 ID-- 替换原脚本中的 tell application Microsoft PowerPoint to activate -- 为 tell application id com.microsoft.Powerpoint to activate并在ppt_control.py的 macOS 分支中更新subprocess.run命令。4.5 现象gesture_location_system.py定位的手部中心在快速移动时严重滞后延迟 3~4 帧原因光流法cv2.calcOpticalFlowPyrLK默认使用 3 层金字塔计算量大且goodFeaturesToTrack提取的角点太少10 个导致质心计算不稳定。解决在locate_hand_center()函数开头增加参数优化# gesture_location_system.py def locate_hand_center(...): # ... 前置代码 # 优化光流参数 lk_params dict(winSize(15, 15), maxLevel2, # 降为2层金字塔 criteria(cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03)) # 增加角点数量 p0 cv2.goodFeaturesToTrack(roi_prev, maxCorners100, qualityLevel0.005, minDistance5) # ... 后续光流计算实测将定位延迟从 120ms 降至 45ms满足实时交互需求。5. 答辩与验收如何用三份文档、两次演示、一个 checklist 拿下 95 分答辩不是技术汇报而是证明你真的搞懂了、真的跑通了、真的能应对意外。这套系统之所以拿到 98 分关键在于 A同学用三份轻量级文档两次针对性演示一个可执行 checklist把“我做了”变成了“你随便考”。下面是我带过 7 届学生总结出的硬核交付组合。5.1 三份必交文档用最小成本建立专业可信度不要交 50 页 Word导师根本不会看。只交三份 Markdown 文档放在项目根目录名字必须是DEMO_GUIDE.md3 分钟上手指南。只写 4 步①pip install -r requirements.txt②python show_prepare/show_prepare.py截图 ROI 框选③python main.py --mode test展示测试结果④python show_UI/main_control.py启动 UI。每步附终端命令和预期输出如INFO:root:Loaded model from weights/best.pth让导师自己敲一遍就能看到效果。ARCHITECTURE.md一张图讲清架构。用文字描述替代 mermaid防渲染失败“数据流摄像头 →show_prepare.pyROI 截取→dataset_process/process_dataset.py生成./data/train/ok/001.npy→gesture_recognition/main.py训练得weights/best.pth→show_UI/main_control.py加载模型 communication/receive.py监听→ppt_control.py执行”。下面列 6 个模块的职责每条 ≤ 15 字如“show_prepare/交互式视频采集与关键帧提取”。TROUBLESHOOTING.md把避坑指南前置。直接复制第 4 章的 5 个问题但改成问答体Q训练准确率上不去A检查dataset_process/check_datasets.py是否报错运行python choose_train_validation.py --mode by_video_id重划分数据集。这三份文档加起来不到 800 字但让导师一眼看到你有工程意识、你考虑了用户导师体验、你预判了问题。5.2 两次演示设计用对比实验击穿“是不是调参侠”的质疑答辩时导师最爱问“你这个准确率是调参调出来的还是模型真的好” 用两次演示破局演示一鲁棒性测试必演准备三段视频① 实验室白墙顶光② 宿舍台灯侧光③ 手机拍摄背景杂乱。操作python main.py --mode test --video_path ./test_videos/lab.mp4→ 记录准确率再--video_path ./test_videos/dorm.mp4→ 准确率下降 ≤ 5% 即合格。话术“您看从理想环境到真实宿舍准确率只降 3.2%因为我们用了 CLAHE 归一化指向deal_video_adjust.py和运动帧筛选指向deal_video_tem.py不是靠数据增强硬刷指标。”演示二实时性验证加分项用htop或nvidia-smi开着运行python show_UI/main_control.py同时打开计时器。操作做“握拳→张开”循环记录从手势完成到 PPT 暂停的延迟用手机秒表。话术“实测端到端延迟 320ms满足人类交互 500ms 的心理阈值引用 ACM CHI 论文。瓶颈在光流计算所以我们在gesture_location_system.py加了金字塔层数控制指向代码您看这里maxLevel2。”两次演示总时长 ≤ 5 分钟但把“调参”转化成了“有依据的设计权衡”。5.3 一个答辩 Checklist确保不丢分的 12 个硬性动作这是 A同学答辩前夜逐条核对的清单漏一项可能扣 2~3 分序号动作检查方式不通过后果1requirements.txt包含opencv-python4.5.5,torch1.12.1cu113CUDA 版本匹配pip install -r requirements.txt无报错环境失败演示取消2README.md中Quick Start命令可直接复制粘贴执行在干净虚拟环境中测试导师认为文档不专业3show_prepare.pyROI 框选后config.yaml自动生成且路径正确查看文件内容采集数据错位全链路失效4check_datasets.py运行返回All checks passed本文还有配套的精品资源点击获取
