用opencv识别手势
实现原理 用opencv库拍摄一帧图片,用mediapipe库识别人手和标识点,然后用opencv在视频上添加标识的信息,最后用opencv合成一个动态视频输出
代码
import cv2
import mediapipe as mpclass handDetector():# 经典OOP
# 设置初始条件
def __init__(self, mode=False, maxHands=2, detectionCon=0.5, trackCon=0.5):
self.mode = mode
self.maxHands = maxHands# 最多同时出现几只手
self.detectionCon = detectionCon# 检测可信度
self.trackCon = trackCon# 跟踪可信度self.mpHands = mp.solutions.hands# 用mediapipe找手
self.hands = self.mpHands.Hands(self.mode, self.maxHands,
self.detectionCon, self.trackCon)
self.mpDraw = mp.solutions.drawing_utils# 在图片里里找到手并返回这一帧图片
def findHands(self, img, draw=True):
imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)# 数字化视频输入
self.results = self.hands.process(imgRGB)# 处理视频找手if self.results.multi_hand_landmarks:# 如果找到了手上的标识点
for handLms in self.results.multi_hand_landmarks:
if draw:# 在识别出的手上把标记点画出来
self.mpDraw.draw_landmarks(img, handLms, self.mpHands.HAND_CONNECTIONS)
return img# 找到手之后把手的关节位置投射上去并且记录数据
def findPosition(self, img, handNo=0, draw=True):
lmList = []# 记录手上标识点
if self.results.multi_hand_landmarks:
myHand = self.results.multi_hand_landmarks[handNo]
# 遍历识别数据,处理后输出
for idNum, lm in enumerate(myHand.landmark):
h, w, c = img.shape# 高度,深度,通道数
cx, cy = int(lm.x * w), int(lm.y * h)# 坐标位置
lmList.append([idNum, cx, cy])# 可以在这里print一下看看长什么样
if draw:# 在识别出的点位置画个蓝点
cv2.circle(img, (cx, cy), 15, (0, 0, 255), cv2.FILLED)
return lmListdef main():
wCam, hCam = 640, 480# 摄像头拍摄大小
cap = cv2.VideoCapture(0)# 创建类用来拍摄
cap.set(3, wCam)# 比例设置
cap.set(4, hCam)
detector = handDetector(detectionCon=0.8)# 最低准确度tipIds = [4, 8, 12, 16, 20]# 指头的序号while True:
success, img = cap.read()# 获取一帧
img = detector.findHands(img)# 找手并返回标记好的图片
lmList = detector.findPosition(img, draw=False)# 标点然后返回数据if len(lmList) != 0:# 如果找到了手且上面有标记好的点
fingers = []# 大拇指的弯曲角度
# 如果大拇指的第4个标记点像素位置低于第3个标记点,那它就是弯的
if lmList[tipIds[0]][1] > lmList[tipIds[0] - 1][1]:
fingers.append(1)
else:
fingers.append(0)# 其它四个指头角度判定
for idNum in range(1, 5):
if lmList[tipIds[idNum]][2] < lmList[tipIds[idNum] - 2][2]:
fingers.append(1)
else:
fingers.append(0)
print(fingers)# 简单的手指二进制,用五根指头代表五位长的二进制数
output = 0
if fingers[0] == 1:# 拇指竖起来
output += 1
if fingers[1] == 1:# 食指竖起来
output += 2
if fingers[2] == 1:# 中指竖起来
output += 4
if fingers[3] == 1:# 无名指竖起来
output += 8
if fingers[4] == 1:# 小指竖起来
output += 16
# 处理视频,画个方框,上面写识别到的数字
cv2.rectangle(img, (20, 225), (250, 425), (0, 0, 0), cv2.FILLED)
cv2.putText(img, str(output), (45, 375), cv2.FONT_HERSHEY_PLAIN,
10, (255, 255, 255), 25)cv2.imshow("Image", img)# 显示处理好的一帧图片
cv2.waitKey(1)# 相当于帧数了,这个是1ms一帧,1s60帧if __name__ == "__main__":# 这样就不会导入这个文件时直接跑程序啦
main()
运行结果 笔者直接在Python3自带的IDLE里跑这个程序的时候,会出现奇怪的闪退。以下运行结果是在PyCharm里跑的:
文章图片
文章图片
功能拓展 【奇怪的工具增加了!|Python实现AI视频识别——手势控制】在手指本身的十进制基础上,笔者把手指计数变成了二进制,能表示32个数字。如果用两只手来计数的话可以表示1024个数字。
手指计数的判定比较简单,是直接比较x坐标的高低而不是其之间的夹角。这个也许可以用三角函数和向量乘积来计算并更加精确地判定角度。
手指除了用来表示数字还可以用来做手语。如果有一个手语动作库,那么本程序可以很好地被用来帮助不会手语的人理解手语。
用手指表示数字还有别的待开发用途,比如用手势来控制音量和屏幕亮度等等。
感兴趣的同学可以尝试实现以上功能。有任何问题和想法欢迎私信和评论区留言!
推荐阅读
- 项目|项目5——手势识别
- 一文带你了解数据分析的6大基本步骤,小白必看!
- 企业如何摆脱数字困境(Smartbi来帮你!)
- 自然语言处理nlp|Transformer背景介绍
- [OpenCV实战]23 使用OpenCV获取高动态范围成像HDR
- 大数据|赛迪观点("城市大脑"建设典型实践及经验启示)
- 区块链|NFT艺术品交易平台
- 用AkShare库获取A股股票数据—获取实时A股数据
- 用AkShare获取沪深京A股分钟级K线数据