这篇文章主要介绍了Python+OpenCV手势检测与识别Mediapipe的方法是什么的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇Python+OpenCV手势检测与识别Mediapipe的方法是什么文章都会有所收获，下面我们一起来看看吧。
认识Mediapipe
项目的实现，核心是强大的Mediapipe ，它是google的一个开源项目：
| 功能 | 详细 |
|---|---|
| 人脸检测 FaceMesh | 从图像/视频中重建出人脸的3D Mesh |
| 人像分离 | 从图像/视频中把人分离出来 |
| 手势跟踪 | 21个关键点的3D坐标 |
| 人体3D识别 | 33个关键点的3D坐标 |
| 物体颜色识别 | 可以把头发检测出来，并图上颜色 |
Python安装Mediapipe
pip install mediapipe==0.8.9.1也可以用 setup.py 安装
项目环境
Python 3.7
Mediapipe 0.8.9.1
Numpy 1.21.6
OpenCV-Python 4.5.5.64
OpenCV-contrib-Python 4.5.5.64
实测也支持Python3.8-3.9
代码
核心代码
OpenCV摄像头捕捉部分：
import cv2cap = cv2.VideoCapture(0) #OpenCV摄像头调用：0=内置摄像头（笔记本） 1=USB摄像头-1 2=USB摄像头-2while True: success, img = cap.read() imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) #cv2图像初始化 cv2.imshow("HandsImage", img) #CV2窗体 cv2.waitKey(1) #关闭窗体mediapipe 手势识别与绘制
#定义并引用mediapipe中的hands模块mpHands = mp.solutions.handshands = mpHands.Hands()mpDraw = mp.solutions.drawing_utilswhile True: success, img = cap.read() imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) #cv2图像初始化 results = hands.process(imgRGB) # print(results.multi_hand_landmarks) if results.multi_hand_landmarks: for handLms in results.multi_hand_landmarks: for id, lm in enumerate(handLms.landmark): # print(id, lm) h, w, c = img.shape cx, cy = int(lm.x * w), int(lm.y * h) print(id, cx, cy) # if id == 4: cv2.circle(img, (cx, cy), 15, (255, 0, 255), cv2.FILLED) #绘制手部特征点： mpDraw.draw_landmarks(img, handLms, mpHands.HAND_CONNECTIONS)视频帧率计算
import time#帧率时间计算pTime = 0cTime = 0while TruecTime = time.time() fps = 1 / (cTime - pTime) pTime = cTime cv2.putText(img, str(int(fps)), (10, 70), cv2.FONT_HERSHEY_PLAIN, 3, (255, 0, 255), 3) #FPS的字号，颜色等设置完整代码
# Coding BIGBOSSyifi# Datatime:2022/4/24 21:41# Filename:HandsDetector.py# Toolby: PyCharmimport cv2import mediapipe as mpimport timecap = cv2.VideoCapture(0) #OpenCV摄像头调用：0=内置摄像头（笔记本） 1=USB摄像头-1 2=USB摄像头-2#定义并引用mediapipe中的hands模块mpHands = mp.solutions.handshands = mpHands.Hands()mpDraw = mp.solutions.drawing_utils#帧率时间计算pTime = 0cTime = 0while True: success, img = cap.read() imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) #cv2图像初始化 results = hands.process(imgRGB) # print(results.multi_hand_landmarks) if results.multi_hand_landmarks: for handLms in results.multi_hand_landmarks: for id, lm in enumerate(handLms.landmark): # print(id, lm) h, w, c = img.shape cx, cy = int(lm.x * w), int(lm.y * h) print(id, cx, cy) # if id == 4: cv2.circle(img, (cx, cy), 15, (255, 0, 255), cv2.FILLED) #绘制手部特征点： mpDraw.draw_landmarks(img, handLms, mpHands.HAND_CONNECTIONS) ''''' 视频FPS计算 ''' cTime = time.time() fps = 1 / (cTime - pTime) pTime = cTime cv2.putText(img, str(int(fps)), (10, 70), cv2.FONT_HERSHEY_PLAIN, 3, (255, 0, 255), 3) #FPS的字号，颜色等设置 cv2.imshow("HandsImage", img) #CV2窗体 cv2.waitKey(1) #关闭窗体项目输出
关于“Python+OpenCV手势检测与识别Mediapipe的方法是什么”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“Python+OpenCV手势检测与识别Mediapipe的方法是什么”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注编程网行业资讯频道。
