Python和OpenCV的人脸和手部地标检测!图像处理必学模块！(1)

---

# Grabbing the Holistic Model from Mediapipe and

# Initializing the Model

mp_holistic = mp.solutions.holistic

holistic_model = mp_holistic.Holistic(

min_detection_confidence = 0.5 ,

min_tracking_confidence = 0.5

)

# Initializing the drawng utils for drawing the facial landmarks on image

mp_drawing = mp.solutions.drawing_utils

让我们研究一下整体模型的参数：

Holistic(

static_image_mode=False,

model_complexity=1,

smooth_landmarks=True,

min_detection_confidence=0.5,

min_tracking_confidence=0.5

)

复制代码

• **静态图像模式：**它用于指定输入图像是否必须被视为静态图像或视频流。默认值为false。

• **模型复杂性：**它用于描述姿态地标模型的复杂度：0，1，或2。随着模型复杂度的增加，地标精度和延迟增加。默认值为1。

• **平滑的地标：**该参数通过对不同输入图像的姿态标志进行滤波，减少预测中的抖动。默认值为True。

• **最小检测可信度：**它被用来指定从人-检测模型中检测成功的最小置信度值。可以在[0.01.0]中指定一个值。默认值为0.5。

• **最小跟踪信心：**它被用来指定从地标跟踪模型中检测成功的最小置信度值。可以在[0.01.0]中指定一个值。默认值为0.5。

第三步：从图像中检测脸部和手部的地标。整体模型对图像进行处理，为面部、左手和右手生成地标，并检测

1. 使用OpenCV从摄像机中连续捕获帧。

2. 将BGR映像转换为RGB映像，并使用初始化的整体模型进行预测。

3. 整体模型所做的预测保存在结果变量中，从该变量中，我们可以分别使用Resul.Faces_landmark、Resul.right_Hand_landmark、Resul.左侧_Hand_landmark来访问地标。

4. 使用绘图功能在图像上绘制检测到的地标。

5. 显示结果图像。

Python 3

---

# (0) in VideoCapture is used to connect to your compyter's default camera

capture = cv2.VideoCapture( 0 )

# Initializing current time and precious time for calculating the FPS

previousTime = 0

currentTime = 0

while capture.isOpened():

# capture frame by frame

ret, frame = capture.read()

# resizing the frame for better view

frame = cv2.resize(frame, ( 800 , 600 ))

# Converting the from from BGR to RGB

image = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)

# Making predictions using holistic model

# To improve performance, optionally mark the image as not writeable to

# pass by reference.

image.flags.writeable = False

results = holistic_model.process(image)

image.flags.writeable = True

# Converting back the RGB image to BGR

image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)

# Drawing the Facial Landmarks

mp_drawing.draw_landmarks(

image,

results.face_landmarks,

mp_holistic.FACE_CONNECTIONS,

mp_drawing.DrawingSpec(

color = ( 255 , 0 , 255 ),

thickness = 1 ,

circle_radius = 1

),

mp_drawing.DrawingSpec(

color = ( 0 , 255 , 255 ),

thickness = 1 ,

circle_radius = 1

)

)

# Drawing Right hand Land Marks

mp_drawing.draw_landmarks(

image,

results.right_hand_landmarks,

mp_holistic.HAND_CONNECTIONS

)

# Drawing Left hand Land Marks

mp_drawing.draw_landmarks(

image,

results.left_hand_landmarks,

mp_holistic.HAND_CONNECTIONS

)

# Calculating the FPS

currentTime = time.time()

fps = 1 / (currentTime - previousTime)

previousTime = currentTime

# Displaying FPS on the image

cv2.putText(image, str ( int (fps)) + " FPS" , ( 10 , 70 ), cv2.FONT_HERSHEY_COMPLEX, 1 , ( 0 , 255 , 0 ), 2 )

# Display the resulting image

cv2.imshow( "Facial and Hand Landmarks" , image)

# Enter key 'q' to break the loop

if cv2.waitKey( 5 ) & 0xFF = = ord ( 'q' ):

break

# When all the process is done

# Release the capture and destroy all windows

capture.release()

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）

3)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）