基于opencv与mediapipe手势关键点检测，并使用KNN近邻算法手势识别（石头、剪刀、布）中的数据采集问题

准备做一个基于opencv与mediapipe手势关键点检测的软件

借鉴了基于opencv与mediapipe手势关键点检测，并使用KNN近邻算法手势识别（石头、剪刀、布）的python代码实现_mediapipe 石头剪刀布-CSDN博客

在这个博文中，需要实现采集摄像头数据，为了方便实现，做了一个简单的数据采集的程序，可以实现每5秒一次的数据采集，但是标记信息guesture需要手动输入：

import cv2
import mediapipe as mp
import csv
import os
import time
# 初始化MediaPipe手部模块
mp_hands = mp.solutions.hands
hands = mp_hands.Hands(max_num_hands=1, min_detection_confidence=0.5, min_tracking_confidence=0.5)
guesture="Stone"
# 初始化CSV文件
csv_file = 'hand_landmarks.csv'

# 捕获摄像头图像
cap = cv2.VideoCapture(0)

# 确保摄像头打开成功
if not cap.isOpened():
	print("无法打开摄像头")
	exit()
k= cv2.waitKey(0)
while k!=ord("q") :
	time.sleep(2)
	# 读取一帧图像
	ret, frame = cap.read()
	if not ret:
		print("无法读取图像")
		exit()

	# 使用MediaPipe处理图像
	results = hands.process(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))

	# 检查是否检测到手部
	if results.multi_hand_landmarks:
		landmarks = results.multi_hand_landmarks[0].landmark

		# 创建一个列表来存储所有点的数据
		points_data = []

		# 遍历每个关键点，并将其按照标号顺序添加到列表中
		for i, landmark in enumerate(landmarks):
			points_data.append([i, landmark.x, landmark.y, guesture])

		# 将数据写入CSV文件
		with open(csv_file, 'a', newline='') as csvfile:
			writer = csv.writer(csvfile)
			# 写入CSV文件的标题行
			reader = csv.reader(csvfile)
			if os.path.getsize(csv_file)==0:
				writer.writerow(['num'] + ['x_value'] + ['y_value'] + ['hand_result'])
				for point in points_data:
					writer.writerow(point)
			else:
			# 写入数据行
				for point in points_data:
					writer.writerow(point)
			# 可视化关键点（可选）
		mp_drawing = mp.solutions.drawing_utils
		mp_drawing.draw_landmarks(frame, results.multi_hand_landmarks[0], mp_hands.HAND_CONNECTIONS)

		# 显示图像
		cv2.imshow('MediaPipe Hands', frame)

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