「5-4-0手勢」起源於新冠肺炎時期，居家隔離致使家庭暴力事件攀升，為了讓受害者能夠無聲地尋求協助，而發明出來的手勢。
此Project的任務便是以能夠辨認單一手勢的Model，配合自行設計之演算法，來在給定的一段影片中，自動偵測是否有5-4-0手勢出現。
網路上的海量影片中，若這些求助訊號能夠更容易的被過濾出來，就能及早發現受害者。後續交由專人介入處理後，便能夠帶他們脫離困境。
Python版本：3.9.13
使用前需要先安裝module：
pip install -r requirements.txt
可使用前鏡頭或單一影片進行測試，在執行過程中會有視窗畫面，可以即時了解當前所辨認之手勢。
一次對整個資料夾的影片進行測試，執行過程為了節省效能，不會有額外的視窗畫面。
使用整支影片所辨認出的個別手勢資訊（array of {5, 4, 0, N, X} ），判斷是否包含連續的5-4-0手勢。
會被app.py及app_for_testing.py呼叫。
作為Test data，內含40部長度10秒且有540手勢之影片。
作為Test data，內含40部長度10秒且沒有540手勢之影片。
另有各40部長度30秒，分別有540手勢、沒有540手勢的影片。
因檔案過大，所以不上傳至Repo，可至連結下載：包含影片之Google Drive
範例:
python app.py --video_source ./video.mp4 --output_frame 5
-
--video_source <影片位置>: 若沒有指定arg，則使用電腦鏡頭。
-
--output_frame <想要每幾幀紀錄一個手勢>: 若沒有指定arg，則每五幀紀錄一幀。
過程中若要退出，在視窗中按下Esc即可。
範例:
python app_for_testing.py --video_dir 10_sec_no
-
--video_dir <包含影片的資料夾位置>: 資料夾的名稱最後一定要標明 yes 或是 no，如同範例所寫的格式。
-
--output_frame <想要每幾幀紀錄一個手勢>: 若沒有指定arg，則每五幀紀錄一幀。
範例1：
hit1: Time of occurrence:2.5s spend time:2.5s
hit2: Time of occurrence:5.42s spend time:1.25s
hit3: Time of occurrence:8.54s spend time:1.46s
hit4: Time of occurrence:11.25s spend time:1.87s
Attention!
Result = Y
範例2：
Safe
Result = N
說明:
- Result的結果只會有2種，{Y, N}，代表的意思為：
- Y: 有偵測出5-4-0手勢。
- N: 沒有偵測出5-4-0手勢。
- 另有可能出現的輸出為：
hit{x}: Time of occurrence: {t1}s spend time:{t2}s- x: 這是該部影片第x次出現5-4-0手勢。
- t1: 該次手勢出現在影片第t1秒。
- t2: 該次手勢總共花了t2秒比完。
Attention!: 若該部影片偵測到 >= 3次5-4-0手勢，表示此人高機率在密集求助，需注意！Safe!: 表示整部影片沒有偵測到任何一次5-4-0手勢，大致安全。
範例：
1: Filename = 11.mp4, Answer = N, Result = N ========> Correct
2: Filename = 12.mp4, Answer = N, Result = N ========> Correct
3: Filename = 13.mp4, Answer = N, Result = N ========> Correct
4: Filename = 14.mp4, Answer = N, Result = N ========> Correct
Total cases: 4, Success: 4, Fail: 0
Accuracy = 100.0 %
說明:
- Answer及Result的結果只會有2種，{Y, N}，代表的意思為：
- Y: 有偵測出5-4-0手勢。
- N: 沒有偵測出5-4-0手勢。
若兩者相同，則表示該部影片預測正確，反之則預測失敗。