手势识别判断

对于手势识别，现在有各种的方式可以实现，训练好的模组的精度不同也会影响手势识别的结果的流畅度。这里介绍一下运用mediapipe进行手势识别的例子。

MediaPipe是一款由 Google Research 开发并开源的多媒体机器学习模型应用框架，可以直接运用它的API来进行人脸检测，目标检测以及关键点检测。具体参考mediapipe的说明文档：

指针 - 介质管道 (google.github.io)

这是mediapipe的手掌检测模型原理图。

在调用了mediapipe之后可以对于各个指数进行调整以便于更加方便地对各种手势分辨

def h_gesture(angle_list):
    thr_angle = 65.
    thr_angle_thumb = 53.
    thr_angle_s = 49.
    gesture_str = None
    if 65535. not in angle_list:
        if (angle_list[0]>thr_angle_thumb) and (angle_list[1]>thr_angle) and (angle_list[2]>thr_angle) and (angle_list[3]>thr_angle) and (angle_list[4]>thr_angle):
            gesture_str = "fist''
    return gesture_str

这样就是对一个特定的手势进行了一个‘first’的定义，同理可以自定义不同造型的手势并对齐进行对应，这也是一种比较流畅的手势识别的方法。在对手势进行判断之后，我们也可以加上手势的判断条件来调用摄像头进行拍照。
————————————————
版权声明：本文为CSDN博主「开鑫9575」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_45930948/article/details/115444916