使用OpenCV和mediapipe实现手部信息抓取

最新推荐文章于 2024-05-16 21:49:59 发布

WenJGo

最新推荐文章于 2024-05-16 21:49:59 发布

阅读量1.1k

点赞数 25

分类专栏： Python之路 AI学习之路文章标签： opencv 人工智能计算机视觉

本文链接：https://blog.csdn.net/DDDDWJDDDD/article/details/136402247

版权

Python之路同时被 2 个专栏收录

39 篇文章 2 订阅

订阅专栏

AI学习之路

10 篇文章 0 订阅

订阅专栏

运行效果

挨行解读

（1）初始化MediaPipe Hand模块

（6）将图像转换为RGB格式（MediaPipe要求输入为RGB格式）

（7）使用MediaPipe Hands模块处理图像

运行效果

由于用两只手我就没法按键盘截图了，就放上一只手的效果吧~~~

挨行解读

（1）初始化MediaPipe Hand模块

mp_hands = mp.solutions.hands

这一行代码是导入了 mediapipe 库中的 hands 模块，然后通过 mp_hands 变量来引用这个模块。

说的详细一点的话就是 mediapipe.solutions.hands 模块包含了 Hands 类，该类提供了对手部关键点检测的功能。通过使用这个类，咱们就可以轻松地在图像或视频流中检测手的位置、手指的姿势等信息。

这样我们就可以在代码中使用 mp_hands 来引用 mediapipe.solutions.hands 模块，使代码更easy！！！

hands = mp_hands.Hands()

这一行代码创建了一个 mediapipe 库中 Hands 类的实例，这样我们就可以使用 mediapipe 提供的手部关键点检测功能。

说的详细一点就是 mp_hands.Hands() 的调用初始化了一个手部关键点检测器，可以在输入的图像或视频流中检测手的位置、手指的姿势等信息。这个实例化的对象（hands 变量）具有方法 process()，可以用来对图像进行处理并获得手部关键点的检测结果。

mp_drawing = mp.solutions.drawing_utils

这一行代码导入了 mediapipe 库中的 drawing_utils 模块，并使用 mp_drawing 变量引用了这个模块。

mediapipe.solutions.drawing_utils 模块包含了一些辅助的函数，可以在图像上绘制关键点、连接线等。这样就可以绘制出手部的效果。

（2）打开摄像头

cap = cv2.VideoCapture(0)

这一行代码使用 OpenCV 中的 cv2.VideoCapture 类创建了一个视频捕捉对象 cap，并打开了系统默认的摄像头（通常是编号为 0 的摄像头）。

cv2.VideoCapture(0) 传递了参数 0，意思是要打开系统中的第一个摄像头。如果我们有多个摄像头的话，可以通过更改参数来选择不同的摄像头，例如 cv2.VideoCapture(1) 表示打开第二个摄像头。

（3）初始化计时器

fps_time = time.time()

fps_time = time.time() 我们通过这一行代码初始化一个变量 fps_time，其目的是记录程序开始运行时的时间戳。

（4）开始程序主题部分

while cap.isOpened():

while cap.isOpened(): 表示在视频捕捉对象 cap 处于打开状态时，循环将一直执行。循环内的代码将不断读取视频帧并进行处理，直到视频捕捉对象被释放或关闭。

cap.isOpened() 返回一个布尔值，指示视频捕捉对象是否成功打开。如果返回 True，表示对象成功打开，循环会继续执行；如果返回 False，表示对象未成功打开或已经关闭，循环将退出。

我们这个循环结构是一个非常常见的视频处理模式，这样就可以持续地从摄像头中读取帧并进行处理，直到程序结束。

（5）读取视频帧

    # 读取视频流中的一帧
    ret, frame = cap.read()
    if not ret:
        break    # 读取视频流中的一帧

ret, frame = cap.read(): 这一行代码使用 cap.read() 方法来读取视频的一帧。cap.read() 返回两个值，第一个是布尔值 ret，表示读取是否成功；第二个是图像帧 frame，是一个表示图像数据的 NumPy 数组。
if not ret: break: 这一行检查 ret 的值，如果 ret 为 False，表示读取失败（可能是因为视频结束或发生了错误），那么我们就跳出循环，结束程序。

（6）将图像转换为RGB格式（MediaPipe要求输入为RGB格式）

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

（7）使用MediaPipe Hands模块处理图像

results = hands.process(frame_rgb)

这一行代码使用了 mediapipe 库中 Hands 类的 process 方法来处理图像帧，即 hands.process(frame_rgb)。我来挨个解释一下：

hands 是我们之前通过 mp_hands.Hands() 创建的，它提供了手部关键点检测的功能。
frame_rgb 是一个图像帧的 NumPy 数组，表示图像数据。注意了mediapipe 库要求输入图像为 RGB 格式。
hands.process() 是 Hands 类中的一个方法，用于处理输入的图像帧。它会对图像进行手部关键点检测，并返回一个包含检测结果的对象。
results 是接收检测结果的变量。通过调用 hands.process(frame_rgb)，检测结果将被存储在 results 中。这个结果包括了检测到的手的位置、手指关键点的坐标等信息。

因此，这一行代码的目的是使用 mediapipe 库提供的手部关键点检测功能，处理输入的图像帧，并将检测结果存储在 results 变量中，然后我们后续的代码就可以通过results来实现可视化。

（8）绘制手部关键点及骨骼线

    if results.multi_hand_landmarks:
        for hand_landmarks in results.multi_hand_landmarks:
            mp_drawing.draw_landmarks(frame, hand_landmarks, mp_hands.HAND_CONNECTIONS)

            # 获取手指关键点
            finger_points = [hand_landmarks.landmark[i] for i in [4, 8, 12, 16, 20]]

            # 绘制手指骨骼线
            for i in range(4):
                start_point = (int(finger_points[i].x * frame.shape[1]), int(finger_points[i].y * frame.shape[0]))
                end_point = (int(finger_points[i + 1].x * frame.shape[1]), int(finger_points[i + 1].y * frame.shape[0]))
                cv2.line(frame, start_point, end_point, (255, 0, 255), 2)

这段代码的主要作用是处理手部关键点检测的结果，将检测到的手部关键点和手指骨骼线绘制在图像上。挨个来看：

if results.multi_hand_landmarks:这个条件语句检查是否检测到了不只一只手。results.multi_hand_landmarks 是一个列表，每个元素代表一个检测到的手部的关键点坐标。
for hand_landmarks in results.multi_hand_landmarks: 这个循环遍历每个检测到的手部，其中 hand_landmarks 包含了该手部的关键点坐标。
mp_drawing.draw_landmarks(frame, hand_landmarks, mp_hands.HAND_CONNECTIONS): 这一行代码使用 drawing_utils 模块的 draw_landmarks 函数在图像上绘制手部关键点和手指骨骼线。frame 是要绘制的图像，hand_landmarks 是该手部的关键点坐标，mp_hands.HAND_CONNECTIONS 表示绘制手部关键点之间的连接线。
finger_points = [hand_landmarks.landmark[i] for i in [4, 8, 12, 16, 20]]: 这一行代码获取手部关键点中特定手指的坐标，我们这里选择的是食指。landmark 对象包含了手部关键点的三维坐标（x、y、z）。
for i in range(4): ...: 这个循环遍历食指的关键点，然后再绘制手指骨骼线。在每次迭代中，获取相邻两个关键点的坐标，然后使用 cv2.line() 绘制一条连接这两个点的线段。

这样，我们就实现了可视化手部的姿势。

（9）计算FPS

 # 计算帧率
    current_time = time.time()
    fps = 1 / (current_time - fps_time)
    fps_time = current_time

    # 显示帧率
    cv2.putText(frame, f'FPS: {int(fps)}', (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

挨个解释一下

current_time = time.time(): 这一行获取当前时间戳，表示当前时刻的时间。
fps = 1 / (current_time - fps_time): 这一行计算帧率。帧率是每秒处理的图像帧数。计算公式是总帧数除以总时间，这里使用时间差来估算每秒的帧数。
fps_time = current_time: 更新 fps_time，将其设置为当前时间戳，以便在下一帧时可以继续计算帧率。
cv2.putText(...): 这一行使用 OpenCV 的 putText 函数在图像上绘制帧率信息。具体参数为：
- frame: 要绘制文本的图像。
- f'FPS: {int(fps)}': 要显示的文本，包括字符串 "FPS: " 和计算得到的帧率值。
- (10, 30): 文本的位置，即左上角的坐标。
- cv2.FONT_HERSHEY_SIMPLEX: 字体类型。
- 1: 字体大小。
- (0, 255, 0): 文本颜色，这里是绿色，RGB嘛g就是绿色哪个单词的首字母。
- 2: 文本的线宽。

这样就可以实时显示FPS了，就很爽~~~^_^

（10）显示处理后的图像

    cv2.imshow('Hand grasping', frame)

使用 OpenCV 的 imshow 函数来在窗口中显示图像。

'Hand grasping': 这是窗口的标题，即显示图像窗口的名称。
frame: 这是咱要在窗口中显示的图像。frame 是通过摄像头捕捉到的一帧图像，或者经过处理后的图像。
cv2.imshow('Hand grasping', frame): 这一行代码将图像 frame 显示在窗口中，窗口标题为 'Hand grasping'。imshow 函数用于在窗口中显示图像。

（11）检测按键，按下ESC键退出循环

    if cv2.waitKey(1) & 0xFF == 27:
        break

cv2.waitKey(1): 这一行代码等待键盘输入，参数 1 表示等待 1 毫秒。函数返回按键的 ASCII 值，如果没有按键输入，返回 -1。
& 0xFF == 27: 这个条件语句检查按键的 ASCII 值是否等于 27。ASCII 值为 27 的键是 ESC 键（Escape 键）。
if ...: break: 如果用户按下 ESC 键，即条件为真，那么程序会执行 break 语句，跳出循环，从而结束程序的执行。

意思就是按下ESC就退出

（12）最后来释放资源退出程序

cap.release(): 这一行代码释放了通过 cv2.VideoCapture(0) 打开的视频捕获对象的资源。
cv2.destroyAllWindows(): 这一行代码关闭所有通过 OpenCV 创建的窗口。如果关闭时出现问题，可能会在程序结束后窗口继续存在。那么我们通过调用 destroyAllWindows()来确保在程序退出时所有图形窗口都肯定会被关闭。

总体代码

import cv2
import mediapipe as mp
import time

# 初始化MediaPipe Hand模块
mp_hands = mp.solutions.hands
hands = mp_hands.Hands()
mp_drawing = mp.solutions.drawing_utils

# 打开摄像头
cap = cv2.VideoCapture(0)

# 初始化计时器
fps_time = time.time()

while cap.isOpened():
    # 读取视频流中的一帧
    ret, frame = cap.read()
    if not ret:
        break

    # 将图像转换为RGB格式（MediaPipe要求输入为RGB格式）
    frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)

    # 使用MediaPipe Hands模块处理图像
    results = hands.process(frame_rgb)

    # 绘制手部关键点及骨骼线
    if results.multi_hand_landmarks:
        for hand_landmarks in results.multi_hand_landmarks:
            mp_drawing.draw_landmarks(frame, hand_landmarks, mp_hands.HAND_CONNECTIONS)

            # 获取手指关键点
            finger_points = [hand_landmarks.landmark[i] for i in [4, 8, 12, 16, 20]]

            # 绘制手指骨骼线
            for i in range(4):
                start_point = (int(finger_points[i].x * frame.shape[1]), int(finger_points[i].y * frame.shape[0]))
                end_point = (int(finger_points[i + 1].x * frame.shape[1]), int(finger_points[i + 1].y * frame.shape[0]))
                cv2.line(frame, start_point, end_point, (255, 0, 255), 2)

    # 计算帧率
    current_time = time.time()
    fps = 1 / (current_time - fps_time)
    fps_time = current_time

    # 显示帧率
    cv2.putText(frame, f'FPS: {int(fps)}', (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

    # 显示处理后的图像
    cv2.imshow('Hand grasping', frame)

    # 检测按键，按下ESC键退出循环
    if cv2.waitKey(1) & 0xFF == 27:
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()