基于Mediapipe+Opencv如何實現手勢檢測功能

今天給大家介紹一下基于Mediapipe+Opencv如何實現手勢檢測功能。，文章的內容小編覺得不錯，現在給大家分享一下，覺得有需要的朋友可以了解一下，希望對大家有所幫助，下面跟著小編的思路一起來閱讀吧。

一、前言

基于Mediapipe+Opencv實現手勢檢測，想實現一下姿態識別的時候，感覺手勢識別也蠻重要的就過來順便實現一下。

二、環境配置

軟件：

ANACONDA3+Pycharm2019

環境：

• opencv-python>=4.5.5

• mediapipe>=0.8.9.1

注：一定關掉科學上網

三、全部源碼

比較短小且只有一個源文件MediapipeHandTracking.py我就直接在這里貼了

MediapipeHandTracking.py程序結構：

• 第一步：保存mediapipe中的手勢識別解決方案到mpHands,hands,mpDraw中

• 第二步：參數設定

• 第三步：循環讀取視頻流到img，img輸入hands.hands函數得到結果，繪制結果到img并輸出

MediapipeHandTracking.py源碼與注釋

import cv2
import mediapipe as mp
import time
#第一步：保存mediapipe中的手勢識別解決方案到mpHands,hands,mpDraw中
mpHands = mp.solutions.hands #以下三個是mediapipe 中的API調用模板了
hands = mpHands.Hands(min_detection_confidence=0.5, min_tracking_confidence=0.5)#最小檢測置信度，最小追蹤置信度
mpDraw = mp.solutions.drawing_utils                              #獲取mediapipe解決方案的繪畫工具包
#第二步：參數設定
handLmsStyle = mpDraw.DrawingSpec(color=(0, 0, 255), thickness=3)#繪制手部關鍵點的顏色與粗細
handConStyle = mpDraw.DrawingSpec(color=(0, 255, 0), thickness=5)#繪制手部線條的顏色與粗細
pTime = 0 #和下面的cTime一起用于計算視頻輸入流FPS
cTime = 0
cap = cv2.VideoCapture(0) #打開編號為0的攝像頭，這個一般是自帶攝像頭
#第三步：循環讀取視頻流到img，img輸入hands.hands函數得到結果，繪制結果到img并輸出
while True:
    ret, img = cap.read()       #從cap中讀取圖片到img，并將讀取是否成功的結果保存在ret
    if ret:
        imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  #模型訓練的時候是使用RGB訓練，對于這個類型識別精度和速度比較高
        result = hands.process(imgRGB)                 #將RGB圖片輸入手部模型將結果保存在result
        # print(result.multi_hand_landmarks)           #打印result.multi_hand_landmarks內容，可以去掉試一下
        imgHeight = img.shape[0]       #獲取攝像機圖片的高
        imgWidth = img.shape[1]        #獲取攝像機圖片的寬
        if result.multi_hand_landmarks:#如果multi_hand_landmarks不為空進入循環
            for handLms in result.multi_hand_landmarks:  #遍歷multi_hand_landmarks內每一個hand_landmark（手部關鍵點），相對于遍歷圖片中每一個手
                mpDraw.draw_landmarks(img, handLms, mpHands.HAND_CONNECTIONS, handLmsStyle, handConStyle) #調用mediapipe內繪畫工具包繪畫手部關鍵點
                for i, lm in enumerate(handLms.landmark):  #i保存第幾個手部關鍵點，lm保存該點在圖中的歸一化值
                    xPos = int(lm.x * imgWidth) #第i個關鍵點x
                    yPos = int(lm.y * imgHeight)#第i個關鍵點y
                    cv2.putText(img, str(i), (xPos-25, yPos+5), cv2.FONT_HERSHEY_SIMPLEX, 0.4, (0, 0, 255), 2)#繪制關鍵點在，關鍵點左邊靠下一點
                    if i == 8:#當畫到第八個關鍵點時
                         cv2.circle(img, (xPos, yPos), 10, (166, 0, 0), cv2.FILLED)#畫一個圓
                         #print(i, xPos, yPos)   #打印繪制這個點時候的坐標
        cTime = time.time()
        fps = 1/(cTime-pTime)
        pTime = cTime
        cv2.putText(img, f"FPS : {int(fps)}", (30, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 3) #繪制FSP到圖中
        cv2.imshow('img', img) #輸出圖片
    if cv2.waitKey(1) == ord('q'):#點擊視頻，輸入q退出
        break

四、環境配置

1、在Anaconda3上新建環境Gesture

打開Anaconda Prompt,輸入：

conda create -n Gesture python=3.8

2、激活Gesture環境并下載opencv-python包

激活環境：conda activate Gesture
下載opencv-python包：pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple/

3、下載mediapipe包

pip install mediapipe -i https://pypi.tuna.tsinghua.edu.cn/simple/

4、打開Pycharm完成環境導入項目

配置代碼運行環境

五、運行程序：

用Pycharm打開包含hanTracking.py程序的文件夾，并運行

運行結果

六、程序應用擴展

1、手部的關鍵點的位置和次序我們全部已知的特點

該功能可用于圖片ROI提取截取出圖片，然后進行其他一些圖片操作。
該功能可用于手勢響應事件。比如約定，食指和大拇指也就是4號和8號觸碰時候觸發某事件
，等等。
實現AL+操作

2、和其他AL結合

比如姿態檢測AL,能將人識別成一個火柴人，開發空間有不少用處。

3、全身檢測源碼

import cv2
import time
import mediapipe as mp
mp_drawing = mp.solutions.drawing_utils
mp_holistic = mp.solutions.holistic
holistic = mp_holistic.Holistic(min_detection_confidence=0.5, min_tracking_confidence=0.5)
handLmsStyle = mp_drawing.DrawingSpec(color=(0, 0, 255), thickness=0)#繪制手部關鍵點的顏色與粗細
handConStyle = mp_drawing.DrawingSpec(color=(0, 255, 0), thickness=4)#繪制手部線條的顏色與粗細
cap = cv2.VideoCapture(0)
while True:
    ret,image=cap.read()
    if ret:
        image = cv2.flip(image, 1)
        image=cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
        results = holistic.process(image)
        if results.pose_landmarks:
            mp_drawing.draw_landmarks(image, results.face_landmarks, mp_holistic.FACEMESH_CONTOURS,handLmsStyle,handConStyle)
            mp_drawing.draw_landmarks(image, results.left_hand_landmarks, mp_holistic.HAND_CONNECTIONS)
            mp_drawing.draw_landmarks(image, results.right_hand_landmarks, mp_holistic.HAND_CONNECTIONS)
            mp_drawing.draw_landmarks(image, results.pose_landmarks, mp_holistic.POSE_CONNECTIONS)
        cv2.imshow("img",image)
        if cv2.waitKey(1)==ord("q"):
            break
holistic.close()

運行效果如下：
曬曬我帥氣的舍友

以上就是基于Mediapipe+Opencv如何實現手勢檢測功能的全部內容了，更多與基于Mediapipe+Opencv如何實現手勢檢測功能相關的內容可以搜索億速云之前的文章或者瀏覽下面的文章進行學習哈！相信小編會給大家增添更多知識,希望大家能夠支持一下億速云！