机器视觉 零基础Python+OpenCV+MediaPipe手势识别教程（一）手势识别基础入门 |
您所在的位置：网站首页 › landmarks的中文意思 › 机器视觉 零基础Python+OpenCV+MediaPipe手势识别教程（一）手势识别基础入门 |
机器视觉 零基础Python+OpenCV+MediaPipe手势识别教程（一）手势识别基础入门
|
本文禁止转载，如需转载需征得本人同意。 目录 前言一、OpenCV及MediaPipe二、实操步骤1.下载1.Pycharm的下载安装2.Opencv和MediaPipe的下载安装 2.手势追踪的最小代码实现 前言第一次发表文章，如有错误，恳请读者指正。 本文将抛弃繁杂的理论知识，直接上手项目。 文章大部分问题可以在以下几个链接中解决： https://www.liaoxuefeng.com/wiki/1016959663602400 （廖雪峰Python教程） https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_gui/py_video_display/py_video_display.html （opencv简单入门） https://google.github.io/mediapipe/solutions/hands.html （mediapipe参考） 一、OpenCV及MediaPipe顾名思义，“Open”表示开放；“CV”即“Computer Vision”，是一款开源的跨平台计算机视觉和机器学习软件库。MediaPipe是一款多媒体机器学习模型应用框架。 两者主要的优点是不需要我们下载预训练模型，只是安装上其包即可。 二、实操步骤 1.下载 1.Pycharm的下载安装（需要提前安装Python）下载地址：http://www.jetbrains.com/pycharm/download/#section=windows
（如未安装，先安装此软件）Python官网下载：https://www.python.org/downloads/ 按照软件按照提示下载即可。 2.Opencv和MediaPipe的下载安装打开安装好的pycharm 如图依次点击
新建项目。
import python中的import语句是用来调用模块的，在模块定义好后，我们可以使用import语句来引入模块。 import as 用于引入一个模块的同时为该模块取一个别名。 使用语法：import mediapipe as mp 表示引入mediapipe模块并取别名为mp，在该文件的后续调用中mp就相当于是mediapipe 接着 # 获取视频对象，0为摄像头，也可以写入视频路径 cap = cv2.VideoCapture(0) mpHands = mp.solutions.hands # Hands是一个类，有四个初始化参数，static_image_mode,max_num_hands,min_detection_confidence,min_tracking_confidence hands = mpHands.Hands() mpDraw = mp.solutions.drawing_utils # 画线函数 pTime = 0 # 开始时间初始化 cTime = 0 # 目前时间初始化我们利用Opencv的cv2.VideoCapture()函数，获取视频对象，时间初始化为的是之后显示帧数而提前准备。 while True: # sucess是布尔型，读取帧正确返回True;img是每一帧的图像（BGR存储格式） success, img = cap.read() # 将一幅图像从一个色彩空间转换为另一个,返回转换后的色彩空间图像 imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 处理RGB图像并返回手的标志点和检测到的每个手对象 results = hands.process(imgRGB) # results.multi_hand_landmarks返回None或手的标志点坐标 if results.multi_hand_landmarks: for handLms in results.multi_hand_landmarks: # landmark有21个（具体查阅上面的参考网址），id是索引，lm是x,y坐标 for id, lm in enumerate(handLms.landmark): # print(id, lm) # lm的坐标是点在图像中的比例坐标 # h-height,w-weight图像的宽度和高度 h, w, c = img.shape # 将landmark的比例坐标转换为在图像像元上的坐标 cx, cy = int(lm.x * w), int(lm.y * h) print(id, cx, cy) # 将手的标志点个性化显示 cv2.circle(img, (cx, cy), int(w / 50), (255, 0, 255), cv2.FILLED) # 在图像上绘制手的标志点和他们的连接线 mpDraw.draw_landmarks(img, handLms, mpHands.HAND_CONNECTIONS) cTime = time.time() fps = 1 / (cTime - pTime) pTime = cTime # 将帧率显示在图像上 cv2.putText(img, str(int(fps)), (10, 70), cv2.FONT_HERSHEY_PLAIN, 3, (255, 0, 255), 1) # 在Image窗口上显示新绘制的图像img cv2.imshow("Image", img) # 这个函数是在一个给定的时间内(单位ms)等待用户按键触发;如果用户按下键，则继续执行后面的代码，如果用户没有按下键,则接续等待 cv2.waitKey(1)运行结果 |
选择社区版即可。
此处搜索chinese安装插件可将软件部分替换成中文。 重启IDE后即可生效。
此处我们将我们的第一个项目命名为hand 创建好项目后，安装Opencv以及MediaPipe 
左上角进入设置。 
如图依次点击。 
点击安装包，分别安装好Opencv以及mediapipe 到此，安装完毕。
新建Python文件 
命名为HandTrakingMin，回车确认。 文件创建好了，我们来逐段编写代码
看完有收获可读者可关注收藏评论 接下来的章节将更新如何模块化我们的代码，以及实现手势控制音量【本文地址】