• 步骤1：点击链接，下载hand_dataset开源数据集，如下图所示：
  
• 下载成功后，得hand_date.rar压缩包，解压此压缩包，其数据内容如下图所示：
  由于开源数据集数据标注部分采用的M语言开发，这里开发者需下载Matlab，本文使用的Matlab 2019b版本，关于Matlab的下载和安装这里自行下载安装即可。
• 步骤2：下载成功后，打开Matlab，如下图所示：
  
• 步骤3：接下来进行训练数据的制作，进入Matlab点击打开按钮，进入hand_dataset数据集，选择相应training_dateset/displaydata.m文件，如下图所示：
  
  
• 步骤4：利用已经标注好的数据集，点击运行按钮，即可显示原始手势框，imshow结果如下图所示：
  
  由于darknet只支持矩形框，不能存在旋转的情况，当存在不是矩形的情况时，需进行转换，通常用外接矩形来作为手部框，如下图所示：
  
• 步骤5：下载下面的代码，并对里面的hand_dataset_mcoding.rar进行解压缩，进入hand_dataset_mcoding目录下，将下载的/traing_dataset/displaydata.m代码替换原始开源代码，该代码设计的思想通过外接矩形的思想，从向量的角度，重新拟合手部框，并按照darknet接受的数据格式进行制作。

链接：https://pan.baidu.com/s/1qJfgRDNgeSDTVtrhEcHIYg  提取码：d7t9 

darknet标注信息的数据格式如下：
Class id    center_x    center_y    w    h
对数据格式解释如下：
Class id:表示标注框的类别，从0开始计算，当前只要手部1类检测物体，故Class id全为0；
center_x:表示归一化后的手部框中心点坐标的X值。归一化坐标 = 实际坐标 / 整个图片宽
center_y:表示归一化后的手部框中心点坐标的Y值。归一化坐标 = 实际坐标 / 整个图片高
w:表示归一化后的手部框的宽。归一化长度 = 实际长度 / 整个图片宽
h:表示归一化后的手部框的高。归一化长度 = 实际长度 /整个图片高

• 步骤6：运行displaydata.m之前需要仔细检查代码路径是否跟实际路径相匹配，更改成功后，在运行此代码，命令行窗口会出现日志信息，如下图所示：
  
• 由于数据量较大，需稍等几分钟，等待转换完成。
• 转换完成后，即可在创建的目录下生成标注的txt格式文件，如下图所示：
  
• 步骤7：在跟labels的平齐文件夹下新建一个JPEGImages文件夹，将原始.jpg复制到该文件下，如下图所示：
  
  其中要保证标注文件的文件名与JPEGImages中的图片名一一对应，且标注的数据量与原始图片需保持一致，这里需要仔细检查。
  
• 生成成功后，点开任意的标注文件，如Poselet_159.txt，如下图所示：
  
• 步骤8：在training_dataset目录下，新建一个list文件夹，并在里面创建一个hand_train.txt文件，该文件存放训练JPEGImages中的所有图片的全局路径，如下图所示：
  
• 步骤9：进入hand_dataset_mcoding目录下，/traing_dataset/listcode.m代码放到跟displaydata.m平级目录下，如下图所示：
  
• 步骤10：分析listcode.m代码，其中相对路径需根据实际路径进行修改，可参考下图进行修改：
  
• 步骤11：点击运行按钮，稍等片刻，即可完成自动转换，如下图所示：
  
  至此，训练集制作完毕，同理test_dataset以及validation_dataset转换方式跟训练集一样，这里不再详细，转换代码可参考test_dataset文件夹下的.m文件及validation_dataset文件夹下的.m文件，如下图所示：