目标：构建一个能够分辨第一人称人类视角的分类器

第一阶段：制作“动作样板间”

首先，我们要告诉电脑：什么样的图才是我们想要的“第一人称视角（FPV）”。

1. 找图： 获取50-100 张 典型的第一人称图片。 画面里一定要有操作者的双手（或单手），且手在画面中心或下方。

2. 分类： 新建两个文件夹：

   • Positive_FPV(Positive)：放第一人称视角的图。

   • Negative_Normal(Negative)：放普通的第三人称视频截图（比如新闻、电影、自拍、风景）。

3. 这就是“训练集”： 它相当于教科书，告诉 AI 什么是对的，什么是错的。

第二阶段：训练一个“AI 筛选器”

我们可以利用谷歌的工具快速训练一个 AI 模型。

• 打开工具： 访问 Google Teachable Machine。

• 选择项目： 点击 Image Project -> Standard Image Model。

• 上传图片：

  • 把 Positive_FPV 的图拖进第一个 Class（改名为 "FPV"）。

  • 把 Negative_Normal 的图拖进第二个 Class（改名为 "Normal"）。（ps:我忘记改了）

• 训练： 点击 Train Model。它会在浏览器里自动运行，大约几分钟就好。

• 导出： 训练完后，点击 Export Model。

• 我选择的是 Tensorflow.js 格式下载。

---

从 Teachable Machine 导出模型时，如果选择了 "Download"，会得到一个 .zip 压缩包。解压它，看到三个文件：

1. model.json

2. metadata.json

3. weights.bin 

在电脑上新建一个文件夹（比如叫 my_project），把这三个文件放进去，再新建一个子文件夹叫 my_model 专门放它们。

文件夹结构应该是这样的：

my_project/
├── index.html        (把下图中的代码存成这个文件)
└── my_model/
    ├── model.json
    ├── metadata.json
    └── weights.bin

接着，启动“本地服务器”

注意： 你不能直接双击 index.html 打开。如果你直接双击，浏览器会因为安全原因（CORS 跨域限制）禁止读取本地的模型文件。

你需要运行一个简单的本地服务器。以下是几种最简单的方法：

方法 A：使用 VS Code (最推荐)

1. 如果你用 VS Code 编辑代码，安装插件 "Live Server"。

2. 打开 index.html，点击右下角的 "Go Live"。

3. 浏览器会自动打开，这时模型就能正常加载了。

方法 B：使用 Python (如果你装了 Python)

1. 在 my_project 文件夹里打开终端（Terminal/CMD）。

2. 输入命令：python3 -msg http.server 8000。

3. 在浏览器访问：http://localhost:8000。（此处注意将网址填写到地址栏，刷新或者回车，不要直接双击html文件访问）

我使用的是macbook，如下所示访问成功：

然后就可以上传图片或者视频进行分类了：

可以看出分类效果不是很好，这是因为我只是简单探索，使用的训练数据较少（80个正样本）且质量不是很高。使用更多质量高的数据，即可以得到高质量分类器。