基于Mediapipe+Opencv实现手势检测功能基于Mediapipe+Opencv实现手势检测

一、前言
二、环境配置

软件：
环境：

三、全部源码

MediapipeHandTracking.py程序结构：
MediapipeHandTracking.py源码与注释

四、环境配置

1、在Anaconda3上新建环境Gesture
2、激活Gesture环境并下载opencv-python包
3、下载mediapipe包
4、打开Pycharm完成环境导入项目

五、运行程序：

六、程序应用扩展

1、手部的关键点的位置和次序我们全部已知的特点
2、和其他AL结合
3、全身检测源码

一、前言基于Mediapipe+Opencv实现手势检测，想实现一下姿态识别的时候，感觉手势识别也蛮重要的就过来顺便实现一下。
下面是一些国内的pip源，有需要可自取
阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

二、环境配置
软件：
ANACONDA3+Pycharm2019

环境：

opencv-python>=4.5.5
mediapipe>=0.8.9.1

注：一定关掉科学上网

三、全部源码比较短小且只有一个源文件MediapipeHandTracking.py我就直接在这里贴了

MediapipeHandTracking.py程序结构：

第一步：保存mediapipe中的手势识别解决方案到mpHands,hands,mpDraw中
第二步：参数设定
第三步：循环读取视频流到img，img输入hands.hands函数得到结果，绘制结果到img并输出

MediapipeHandTracking.py源码与注释

import cv2import mediapipe as mpimport time#第一步：保存mediapipe中的手势识别解决方案到mpHands,hands,mpDraw中mpHands = mp.solutions.hands #以下三个是mediapipe 中的API调用模板了hands = mpHands.Hands(min_detection_confidence=0.5, min_tracking_confidence=0.5)#最小检测置信度，最小追踪置信度mpDraw = mp.solutions.drawing_utils#获取mediapipe解决方案的绘画工具包#第二步：参数设定handLmsStyle = mpDraw.DrawingSpec(color=(0, 0, 255), thickness=3)#绘制手部关键点的颜色与粗细handConStyle = mpDraw.DrawingSpec(color=(0, 255, 0), thickness=5)#绘制手部线条的颜色与粗细pTime = 0 #和下面的cTime一起用于计算视频输入流FPScTime = 0cap = cv2.VideoCapture(0) #打开编号为0的摄像头，这个一般是自带摄像头#第三步：循环读取视频流到img，img输入hands.hands函数得到结果，绘制结果到img并输出while True:ret, img = cap.read()#从cap中读取图片到img，并将读取是否成功的结果保存在retif ret:imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)#模型训练的时候是使用RGB训练，对于这个类型识别精度和速度比较高result = hands.process(imgRGB)#将RGB图片输入手部模型将结果保存在result# print(result.multi_hand_landmarks)#打印result.multi_hand_landmarks内容，可以去掉试一下imgHeight = img.shape[0]#获取摄像机图片的高imgWidth = img.shape[1]#获取摄像机图片的宽if result.multi_hand_landmarks:#如果multi_hand_landmarks不为空进入循环for handLms in result.multi_hand_landmarks:#遍历multi_hand_landmarks内每一个hand_landmark（手部关键点），相对于遍历图片中每一个手mpDraw.draw_landmarks(img, handLms, mpHands.HAND_CONNECTIONS, handLmsStyle, handConStyle) #调用mediapipe内绘画工具包绘画手部关键点for i, lm in enumerate(handLms.landmark):#i保存第几个手部关键点，lm保存该点在图中的归一化值xPos = int(lm.x * imgWidth) #第i个关键点xyPos = int(lm.y * imgHeight)#第i个关键点ycv2.putText(img, str(i), (xPos-25, yPos+5), cv2.FONT_HERSHEY_SIMPLEX, 0.4, (0, 0, 255), 2)#绘制关键点在，关键点左边靠下一点if i == 8:#当画到第八个关键点时cv2.circle(img, (xPos, yPos), 10, (166, 0, 0), cv2.FILLED)#画一个圆#print(i, xPos, yPos)#打印绘制这个点时候的坐标cTime = time.time()fps = 1/(cTime-pTime)pTime = cTimecv2.putText(img, f"FPS : {int(fps)}", (30, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 3) #绘制FSP到图中cv2.imshow('img', img) #输出图片if cv2.waitKey(1) == ord('q'):#点击视频，输入q退出break

四、环境配置
1、在Anaconda3上新建环境Gesture
打开Anaconda Prompt,输入：

【基于Mediapipe+Opencv实现手势检测功能】conda create -n Gesture python=3.8

2、激活Gesture环境并下载opencv-python包
激活环境：conda activate Gesture
下载opencv-python包：pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple/

文章图片

3、下载mediapipe包

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

文章图片

4、打开Pycharm完成环境导入项目
配置代码运行环境

文章图片

文章图片

五、运行程序：用Pycharm打开包含hanTracking.py程序的文件夹，并运行

文章图片

运行结果

文章图片

六、程序应用扩展
1、手部的关键点的位置和次序我们全部已知的特点

文章图片

该功能可用于图片ROI提取截取出图片，然后进行其他一些图片操作。
该功能可用于手势响应事件。比如约定，食指和大拇指也就是4号和8号触碰时候触发某事件
，等等。
实现AL+操作

文章图片

2、和其他AL结合
比如姿态检测AL,能将人识别成一个火柴人，开发空间有不少用处。

3、全身检测源码

import cv2import timeimport mediapipe as mpmp_drawing = mp.solutions.drawing_utilsmp_holistic = mp.solutions.holisticholistic = mp_holistic.Holistic(min_detection_confidence=0.5, min_tracking_confidence=0.5)handLmsStyle = mp_drawing.DrawingSpec(color=(0, 0, 255), thickness=0)#绘制手部关键点的颜色与粗细handConStyle = mp_drawing.DrawingSpec(color=(0, 255, 0), thickness=4)#绘制手部线条的颜色与粗细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"):breakholistic.close()

运行效果如下：
晒晒我帅气的舍友