基于 OpenCV-Python 和 Mediapipe 的手部识别教程

本文意在教你如何在PyCharm上用OpenCV-Python 和 Mediapipe库实现手部识别 （很遗憾，暂时没有什么实际用处，初步了解用）

阅读本文，你将学会：

一. 学会安装Python

二. 学会安装PyCharm

三. 学会给代码配置合适的环境并成功运行代码（手部识别）

使用编译器：PyCharm2023.3.2专业版

编译环境：Python3.7.9

使用库：Numpy，OpenCV-Python，Mediapipe

准备活动：

一. Python的安装与环境变量部署

1. 下载 Python 最新版本 ( 网址: https://www.python.org/ )

2.Python安装

3.Python环境变量配置

环境变量的配置可以保证在任意路径都能执行程序，而不是拘泥于在命令行所在路径查找

用户变量 / 系统变量： 用户变量是对单一用户生效，系统变量对所有用户生效。

二. PyCharm的安装以及相关环境准备

1. 下载PyCharm2023.3.2

（中文官网：https://www.jetbrains.com/zh-cn/pycharm/）

2.PyCharm的安装 (以安装免费的PyCharm社区版举例)

3.创建PyCharm项目并正确配置Python解释器

（1）新建项目

（2）新建Python程序文件

（3）给PyCharm做汉化，下载中文语音包，下载完重启后启用

4.程序运行所需软件包安装（OpenCV-Python 和 Mediapipe）

前言：软件包资源大多需要从国外服务器上下载，为保证下载速度和下载成功率，我们选择将下载目标地址转向国内镜像源：

（1）永久设置pip指定国内镜像源（windows内）

（2）然后转回PyCharm设置

安装OpenCV-Python:

接着安装Mediapipe;

然后就是编写程序代码了。

三. 编写代码，运行代码

（1）编写代码

import cv2 #导入OpenCv库

import mediapipe as mp #导入Mediapipe库
import time

cap = cv2.VideoCapture(0) #0为打开默认摄像头,1为打开你设备列表的第二个摄像头,以此类推;
mpHands = mp.solutions.hands #使用Mediapipe库的手部姿势估计模型
hands = mpHands.Hands(static_image_mode=False, max_num_hands=4, model_complexity=1, min_detection_confidence=0.5, min_tracking_confidence=0.5) #创建手部姿势估计器对象，设置参数。
mpDraw = mp.solutions.drawing_utils #初始化Mediapipe库绘图工具
handLmsStyle = mpDraw.DrawingSpec(color=(0, 0, 255), thickness=5)
handConStyle = mpDraw.DrawingSpec(color=(0, 255, 0), thickness=10) #设置绘制手部关键点和连接线的样式
pTime = 0
cTime = 0 #用于计算帧率

while True: #无限循环
    ret, img = cap.read() #读取摄像头的图像帧
    img = cv2.flip(img, 1) #对img图像进行水平翻转
    if ret:
        imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) #将图像从BGR格式转换为RGB格式
        result = hands.process(imgRGB) #使用手部姿势估计器处理图像，获取结果
        # print(result.multi_hand_landmarks)
        imgHeight = img.shape[0] #获取图像的高度，并将其赋值给变量imgHeight(其中[0]表示高度的维度)
        imgWidth = img.shape[1] #其中，img是一个图像对象，而shape[1]表示图像的宽度

        if result.multi_hand_landmarks: #检查是否检测到手部
            for handLms in result.multi_hand_landmarks: #遍历检测到的手部
                mpDraw.draw_landmarks(img, handLms, mpHands.HAND_CONNECTIONS, handLmsStyle, handConStyle) #绘制手部关键点和连接线
                for i, lm in enumerate(handLms.landmark): #遍历每个关键点
                    xPos = int(lm.x * imgWidth) #计算关键点在图像中的x坐标
                    yPos = int(lm.y * imgHeight) #计算关键点在图像中的y坐标
                    # cv2.putText(img, str(i), (xPos-25, yPos+5), cv2.FONT_HERSHEY_SIMPLEX, 0.4, (0, 0, 255), )
                    if i == 4: #绘制特定关键点的标记,如果是特定的关键点（在代码中是第5个关键点）
                        cv2.circle(img, (xPos, yPos), 15, (92, 65, 214), cv2.FILLED)
                    print(i, xPos, yPos) #在特定关键点处绘制一个填充的圆

        cTime = time.time() #获取当前时间
        fps = 1/(cTime-pTime) #计算帧率
        pTime = cTime #更新上一帧的时间
        cv2.putText(img, f"FPS : {int(fps)}", (30, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 3) #在图像上显示帧率

        cv2.imshow('img', img) #显示处理后的图像

    if cv2.waitKey(1) == ord(' '):
        break #如果按下 ' ' 键，则退出循环 

概括：这段代码的功能是实时从摄像头获取图像，并使用手部姿势估计器检测手部关键点并绘制在图像上，同时显示帧率。

PS:这段代码是@GrandmaCan我阿嬤都會的，我给代码添加了注释

如果以后有空就补充关键代码的配置调参，咕咕咕

（2）运行代码及注意事项

成果展示：

教程到这里就结束了。制作不易还望点赞/评论/关注呀