Opencv小项目——手势数字刷TIKTOK

已于 2024-01-18 18:05:54 修改
阅读量613 收藏 8
点赞数 9
文章标签： opencv 人工智能 计算机视觉
于 2024-01-18 18:02:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/kiritobryant/article/details/135680911
版权

​

写在前面：

很久没更新了，之前的实习的记录也算是烂尾了，但是好在自己的实习记录还是有的，最近也忙碌了很多，终于放假了，今天下午正好没事，闲来无事就随便做个小玩意吧。
思来想去，就做个手势识别，再通过识别的数字来控制电脑端口的抖音，话不多说，让我们直接进入正题。

思路

  1. 导入库：

    • 导入需要的库，包括 cv2（OpenCV），math，mediapipe，pyautogui，time，webbrowser。

  2. 打开抖音网站：

    • 使用 webbrowser.open 打开抖音网站，即函数 open_website()。

  3. 定义二维向量的角度计算函数：

    • vector_2d_angle 函数接收两个二维向量，计算它们之间的夹角。这个函数用于后续计算手指的角度。

  4. 获取手部关键点的角度列表：

    • hand_angle 函数接收手部关键点坐标，通过 vector_2d_angle 计算大拇指、食指、中指、无名指和小拇指的角度，并返回一个角度列表。

  5. 根据角度确定手势：

    • h_gesture 函数接收角度列表，根据预定义的阈值判断手势类型，返回相应的手势字符串。

  6. 执行键盘动作：

    • perform_keyboard_action 函数接收手势字符串，根据手势执行相应的键盘动作。您可以根据需要添加更多手势和对应的键盘动作。

  7. 手势检测主循环：

    • detect_and_control_keyboard 函数使用 mediapipe 检测手势。通过循环捕获摄像头图像，检测手部关键点，计算手势角度，执行相应的键盘动作，并在图像上显示手势。为了减缓循环速度，使用 time.sleep(0.1) 增加每次循环的间隔时间。

  8. 主程序入口：

    • 在 __main__ 部分，首先打开抖音网站，然后等待一段时间（time.sleep(0.5)），最后开始手势检测主循环。
 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 = "0"
        elif (angle_list[0] > thr_angle_thumb) and (angle_list[1] < thr_angle_s) and (angle_list[2] > thr_angle) and (angle_list[3] > thr_angle) and (angle_list[4] > thr_angle):
            gesture_str = "1"
        elif (angle_list[0] > thr_angle_thumb) and (angle_list[1] < thr_angle_s) and (angle_list[2] < thr_angle_s) and (angle_list[3] > thr_angle) and (angle_list[4] > thr_angle):
            gesture_str = "2"
        elif (angle_list[0] > thr_angle_thumb) and (angle_list[1] < thr_angle_s) and (angle_list[2] < thr_angle_s) and (angle_list[3] < thr_angle_s) and (angle_list[4] > thr_angle):
            gesture_str = "3"
        elif (angle_list[0] > thr_angle_thumb) and (angle_list[1] < thr_angle_s) and (angle_list[2] < thr_angle_s) and (angle_list[3] < thr_angle_s) and (angle_list[4] < thr_angle_s):
            gesture_str = "4"
        elif (angle_list[0] < thr_angle_s) and (angle_list[1] < thr_angle_s) and (angle_list[2] < thr_angle_s) and (angle_list[3] < thr_angle_s) and (angle_list[4] < thr_angle_s):
            gesture_str = "5"
        elif (angle_list[0] < thr_angle_s) and (angle_list[1] > thr_angle) and (angle_list[2] > thr_angle) and (angle_list[3] > thr_angle) and (angle_list[4] < thr_angle_s):
            gesture_str = "6"
        elif (angle_list[0] < thr_angle_s) and (angle_list[1] < thr_angle_s) and (angle_list[2] > thr_angle) and (angle_list[3] > thr_angle) and (angle_list[4] > thr_angle):
            gesture_str = "8"

        elif (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_s):
            gesture_str = "Pink Up"
        elif (angle_list[0] < thr_angle_s) 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 = "Thumb Up"
        elif (angle_list[0] > thr_angle_thumb) and (angle_list[1] > thr_angle) and (angle_list[2] < thr_angle_s) and (angle_list[3] > thr_angle) and (angle_list[4] > thr_angle):
            gesture_str = "Fuck"
        elif (angle_list[0] > thr_angle_thumb) and (angle_list[1] > thr_angle) and (angle_list[2] < thr_angle_s) and (angle_list[3] < thr_angle_s) and (angle_list[4] < thr_angle_s):
            gesture_str = "Princess"
        elif (angle_list[0] < thr_angle_s) and (angle_list[1] < thr_angle_s) and (angle_list[2] < thr_angle_s) and (angle_list[3] > thr_angle) and (angle_list[4] > thr_angle):
            gesture_str = "Bye"
        elif (angle_list[0] < thr_angle_s) and (angle_list[1] < thr_angle_s) and (angle_list[2] > thr_angle) and (angle_list[3] > thr_angle) and (angle_list[4] < thr_angle_s):
            gesture_str = "Spider-Man"
        elif (angle_list[0] > thr_angle_thumb) and (angle_list[1] < thr_angle_s) and (angle_list[2] > thr_angle) and (angle_list[3] > thr_angle) and (angle_list[4] < thr_angle_s):
            gesture_str = "Rock'n'Roll"

自己去探索吧！ 各种手势哦

代码

代码如下：

import cv2
import math
import mediapipe as mp
import pyautogui
import time
import webbrowser


def open_website():
    url = "https://www.douyin.com/"
    webbrowser.open(url)

def vector_2d_angle(v1, v2):
    # 求解二维向量的角度
    v1_x, v1_y = v1[0], v1[1]
    v2_x, v2_y = v2[0], v2[1]
    try:
        angle_ = math.degrees(math.acos((v1_x*v2_x + v1_y*v2_y) / (((v1_x**2 + v1_y**2)**0.5) * ((v2_x**2 + v2_y**2)**0.5))))
    except:
        angle_ = 65535.
    if angle_ > 180.:
        angle_ = 65535.
    return angle_

def hand_angle(hand_):
    # 获取对应手相关向量的二维角度，根据角度确定手势
    angle_list = []
    # ---------------------------- thumb 大拇指角度
    angle_ = vector_2d_angle(
        ((int(hand_[0][0]) - int(hand_[2][0])), (int(hand_[0][1]) - int(hand_[2][1]))),
        ((int(hand_[3][0]) - int(hand_[4][0])), (int(hand_[3][1]) - int(hand_[4][1])))
    )
    angle_list.append(angle_)
    # ---------------------------- index 食指角度
    angle_ = vector_2d_angle(
        ((int(hand_[0][0]) - int(hand_[6][0])), (int(hand_[0][1]) - int(hand_[6][1]))),
        ((int(hand_[7][0]) - int(hand_[8][0])), (int(hand_[7][1]) - int(hand_[8][1])))
    )
    angle_list.append(angle_)
    # ---------------------------- middle 中指角度
    angle_ = vector_2d_angle(
        ((int(hand_[0][0]) - int(hand_[10][0])), (int(hand_[0][1]) - int(hand_[10][1]))),
        ((int(hand_[11][0]) - int(hand_[12][0])), (int(hand_[11][1]) - int(hand_[12][1])))
    )
    angle_list.append(angle_)
    # ---------------------------- ring 无名指角度
    angle_ = vector_2d_angle(
        ((int(hand_[0][0]) - int(hand_[14][0])), (int(hand_[0][1]) - int(hand_[14][1]))),
        ((int(hand_[15][0]) - int(hand_[16][0])), (int(hand_[15][1]) - int(hand_[16][1])))
    )
    angle_list.append(angle_)
    # ---------------------------- pink 小拇指角度
    angle_ = vector_2d_angle(
        ((int(hand_[0][0]) - int(hand_[18][0])), (int(hand_[0][1]) - int(hand_[18][1]))),
        ((int(hand_[19][0]) - int(hand_[20][0])), (int(hand_[19][1]) - int(hand_[20][1])))
    )
    angle_list.append(angle_)
    return angle_list

def h_gesture(angle_list):
    # 二维约束的方法定义手势
    thr_angle = 65.  # 手指闭合则大于这个值（大拇指除外）
    thr_angle_thumb = 53.  # 大拇指闭合则大于这个值
    thr_angle_s = 49.  # 手指张开则小于这个值
    gesture_str = "Unknown"
    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 = "0"
        elif (angle_list[0] > thr_angle_thumb) and (angle_list[1] < thr_angle_s) and (angle_list[2] > thr_angle) and (angle_list[3] > thr_angle) and (angle_list[4] > thr_angle):
            gesture_str = "1"
        elif (angle_list[0] > thr_angle_thumb) and (angle_list[1] < thr_angle_s) and (angle_list[2] < thr_angle_s) and (angle_list[3] > thr_angle) and (angle_list[4] > thr_angle):
            gesture_str = "2"
        elif (angle_list[0] > thr_angle_thumb) and (angle_list[1] < thr_angle_s) and (angle_list[2] < thr_angle_s) and (angle_list[3] < thr_angle_s) and (angle_list[4] > thr_angle):
            gesture_str = "3"
        elif (angle_list[0] > thr_angle_thumb) and (angle_list[1] < thr_angle_s) and (angle_list[2] < thr_angle_s) and (angle_list[3] < thr_angle_s) and (angle_list[4] < thr_angle_s):
            gesture_str = "4"
        elif (angle_list[0] < thr_angle_s) and (angle_list[1] < thr_angle_s) and (angle_list[2] < thr_angle_s) and (angle_list[3] < thr_angle_s) and (angle_list[4] < thr_angle_s):
            gesture_str = "5"
        elif (angle_list[0] < thr_angle_s) and (angle_list[1] > thr_angle) and (angle_list[2] > thr_angle) and (angle_list[3] > thr_angle) and (angle_list[4] < thr_angle_s):
            gesture_str = "6"
        elif (angle_list[0] < thr_angle_s) and (angle_list[1] < thr_angle_s) and (angle_list[2] > thr_angle) and (angle_list[3] > thr_angle) and (angle_list[4] > thr_angle):
            gesture_str = "8"

        elif (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_s):
            gesture_str = "Pink Up"
        elif (angle_list[0] < thr_angle_s) 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 = "Thumb Up"
        elif (angle_list[0] > thr_angle_thumb) and (angle_list[1] > thr_angle) and (angle_list[2] < thr_angle_s) and (angle_list[3] > thr_angle) and (angle_list[4] > thr_angle):
            gesture_str = "Fuck"
        elif (angle_list[0] > thr_angle_thumb) and (angle_list[1] > thr_angle) and (angle_list[2] < thr_angle_s) and (angle_list[3] < thr_angle_s) and (angle_list[4] < thr_angle_s):
            gesture_str = "Princess"
        elif (angle_list[0] < thr_angle_s) and (angle_list[1] < thr_angle_s) and (angle_list[2] < thr_angle_s) and (angle_list[3] > thr_angle) and (angle_list[4] > thr_angle):
            gesture_str = "Bye"
        elif (angle_list[0] < thr_angle_s) and (angle_list[1] < thr_angle_s) and (angle_list[2] > thr_angle) and (angle_list[3] > thr_angle) and (angle_list[4] < thr_angle_s):
            gesture_str = "Spider-Man"
        elif (angle_list[0] > thr_angle_thumb) and (angle_list[1] < thr_angle_s) and (angle_list[2] > thr_angle) and (angle_list[3] > thr_angle) and (angle_list[4] < thr_angle_s):
            gesture_str = "Rock'n'Roll"

    return gesture_str

def perform_keyboard_action(gesture_str):
    if gesture_str == "0":
        pyautogui.press('Space')
    if gesture_str == "1":
        pyautogui.press('Up')
    elif gesture_str == "2":
        pyautogui.press('down')
    elif gesture_str == "3":
        pyautogui.press("Z")
    elif gesture_str == "4":
        pyautogui.press("X")
    elif gesture_str == "5":
        pyautogui.hotkey('ctrl', 'w')
    elif gesture_str == "Fuck":
        pyautogui.keyDown('esc')
    # Add more gestures and corresponding keyboard actions if needed

def detect_and_control_keyboard():
    mp_drawing = mp.solutions.drawing_utils
    mp_hands = mp.solutions.hands
    hands = mp_hands.Hands(
        static_image_mode=False,
        max_num_hands=1,
        min_detection_confidence=0.75,
        min_tracking_confidence=0.75)
    cap = cv2.VideoCapture(0)

    while True:
        ret, frame = cap.read()
        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
        frame = cv2.flip(frame, 1)
        results = hands.process(frame)
        frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)

        if results.multi_hand_landmarks:
            for hand_landmarks in results.multi_hand_landmarks:
                mp_drawing.draw_landmarks(frame, hand_landmarks, mp_hands.HAND_CONNECTIONS)
                hand_local = []
                for i in range(21):
                    x = hand_landmarks.landmark[i].x * frame.shape[1]
                    y = hand_landmarks.landmark[i].y * frame.shape[0]
                    hand_local.append((x, y))
                if hand_local:
                    angle_list = hand_angle(hand_local)
                    gesture_str = h_gesture(angle_list)
                    print(gesture_str)
                    cv2.putText(frame, gesture_str, (50, 100), 0, 1.3, (0, 0, 255), 2)

                    # Perform keyboard action based on gesture
                    perform_keyboard_action(gesture_str)

        cv2.imshow('MediaPipe Hands', frame)
        if cv2.waitKey(1) & 0xFF == 27:
            break

        time.sleep(0.1)

    cap.release()
    cv2.destroyAllWindows()

if __name__ == '__main__':
    open_website()  # Open Douyin in Microsoft Edge
    time.sleep(0.5)  # Give some time for the browser to open before starting hand gesture detection
    detect_and_control_keyboard()

运行结果：

在这里插入图片描述

kiritobryant
关注
  • 9
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
基于opencv的手势识别
m0_59151709的博客
02-12 3044
基于opencv的手势识别，使用人体肤色的椭圆模型来检测手部，使用凸缺陷和凸包来检测伸出的手指个数
[车道线检测论文学习] Towards End-to-End Lane Detection: an Instance Segmentation Approach
Holeung blog
04-29 1233
车道线检测 Towards End-to-End Lane Detection: an Instance Segmentation Approach Abstract Semantic Instance Segmentation with a Discriminative Loss Function Pipeline Loss Function Curve fitting Exper...
刷脸支付问题多，亚马逊选择刷「手掌」，在无人超市正式商用
量子位
09-30 235
杨净 发自 凹非寺量子位 报道 | 公众号 QbitAI现在，刷「手」支付了解一下～最近，亚马逊正式宣布，他们研发的手掌识别技术「Amazon One」正式投入商用。长这样。在官方网站...
OpenCV实践小项目(二) -文档ocr扫描识别
Miracle8070
03-31 3636
1. 写在前面 今天整理OpenCV入门的第二个实战小项目， 前一篇文章是信用卡数字识别， 主要运用了OpenCV基础图像处理操作里面的轮廓检测， 边缘检测，形态学操作， 今天的这个项目叫做文档ocr扫描识别，就是给定一个文档的图片，然后识别文档上的文字信息，这个在生活中也是非常常见的哟。 比如试卷扫描，文章扫描等等吧，其实原理都非常类似。 下面是给定了一个随意拍摄的购物小票的图片， 然后通过一顿图片处理等操作，得到的ocr扫描结果： 由于这个截图我进行了放缩，导致右边这个图片人眼看不太清楚字了，但是基本
基于mediapipe和opencv的手势识别
lei199812的博客
05-14 1053
mediapipe和opencv的手势识别
OpenCV实践小项目(三) - 停车场车位实时检测
热门推荐
Miracle8070
04-09 2万+
1. 写在前面 今天整理OpenCV入门的第三个实战小项目，前面的两篇文章整理了信用卡数字识别以及文档OCR扫描， 大部分用到的是OpenCV里面的基础图像预处理技术，比如轮廓检测，边缘检测，形态学操作，透视变换等， 而这篇文章的项目呢，不仅需要一些基础的图像预处理，还需要搭建模型进行识别和预测，所以通过这个项目，能把图像预处理以及建模型等一整套流程拉起来，并应用到实际的应用场景，还是非常有意思的。 停车场车位实时检测任务，是拿到停车场的一段视频video，主要完成两件事情： 检测整个停车场当中，当前一共
基于python的OpenCV项目实战——数字识别
04-10
模板：灰度处理-二值处理-轮廓检测-轮廓排序与数字对应上放到字典里 输入图像：灰度处理，礼帽处理，x梯度，闭操作，取轮廓，画到原图像上，得到轮廓的外接矩形，通过宽高比得到目标轮廓，目标轮廓取出，二值化，对...
基于opencv的手势识别——手势控制电脑（手势刷抖音和阅读小说等).zip
最新发布
04-06
OpenCV（Open Source Computer Vision Library）是一款开源的计算机视觉库，专门为图像和视频处理任务设计，广泛应用于学术研究、工业应用以及个人项目中。以下是关于OpenCV的详细介绍： 历史与发展 起源：OpenCV...
手势识别项目 - OpenCV手势识别 - 项目源码
05-12
本项目主要关注手势的计数识别，采用比较基础的OpenCV来进行实现，好处就是不需要训练模型就可以进行识别。 主要逻辑是采用了OpenCV的阈值分割 + 轮廓识别来实现。 内附项目工程源码和手势识别效果图，只是离线单图...
opencv-基于opencv的手势识别-项目实战.zip
01-30
opencv opencv_基于opencv的手势识别_项目实战
OpenCV小项目与OpenCV一些非常有用的代码
10-11
OpenCV小项目 这是一个个人在使用OpenCV过程中写的一些小项目，以及一些非常有用的OpenCV代码，有些代码是对某论文中的部分实现。 注意:代码是在Xcode里写的，如果要在win下测试，遇到问题自己修改。 opencv-rootsift-py 用python和OpenCV写的一个rootsift实现，其中RootSIFT部分的代码参照Implementing RootSIFT in Python and OpenCV这篇文章所写，通过这个你可以了解Three things everyone should know to improve object retrieval这篇文章中RootSIFT是怎么实现的。 sift(asift)-match-with-ransac-cpp 用C++和OpenCV写的一个图像匹配实现，里面包含了采用1NN匹配可视化、1NN匹配后经RANSAC剔除错配点可视化、1NN/2NN<0.8匹配可视化、1NN/2NN<0.8经 RANSAC剔除错配点可视化四个过程，其中1NN/2NN<0.8匹配过程是Lowe的Raw feature match，具体可以阅读Lowe的Distinctive image features from scale-invariant keypoints这篇文章。这个对图像检索重排非常有用。另外里面还有用OpenCV写的ASIFT，这部分来源于OPENCV ASIFT C++ IMPLEMENTATION，ASIFT还可以到官网页面下载，ASIFT提取的关键点 比SIFT要多得多，速度非常慢，不推荐在对要求实时性的应用中使用。 更多详细的分析可以阅读博文SIFT(ASIFT) Matching with RANSAC。 有用链接 OpenCV3.0文档 // 测试sparse unsigned int centersNum = 10; vector descrNums; descrNums.push_back(8); descrNums.push_back(12); //unsigned int T[] = {1, 2, 1, 3, 2, 5, 4, 3, 10, 5; 4, 2, 6, 5, 2, 5, 4, 6, 2, 4}; unsigned int T[] = {1, 2, 1, 3, 2, 5, 4, 3, 10, 5, 4, 2, 6, 5, 2, 5, 4, 6, 2, 4}; sp_mat Hist(descrNums.size(), centersNum); static long int count = 0; for (int i = 0; i < descrNums.size(); i++){ unsigned int* desrcElementsTmp = new unsigned int[descrNums[i]]; memcpy(desrcElementsTmp, T + count, descrNums[i] * sizeof(T[0])); //cout << desrcElementsTmp[0] << '\t' << desrcElementsTmp[1] << '\t' << desrcElementsTmp[2] << '\t' << desrcElementsTmp[3] << '\t' << desrcElementsTmp[4] << '\t' <<endl; //cout << desrcElementsTmp[5] << '\t' << desrcElementsTmp[6] << '\t' << desrcElementsTmp[7] << '\t' << desrcElementsTmp[8] << '\t' << desrcElementsTmp[9] << '\t' << desrcElementsTmp[10] << '\t' <<endl; //cout << endl; sp_mat X(1, centersNum); X.zeros(); for (int j = 0; j < descrNums[i]; j++){ X(0, desrcElementsTmp[j]-1) += 1; } X.print("X:"); X = X/norm(X, 2); Hist.row(i) = X; count = count + descrNums[i]; delete desrcElementsTmp; } //Hist.print("Hist:");
opencv小项目练习，一共九个
04-10
包含九个项目，1.适用于Android的Cartoonifier和换肤器。2.iPhone或iPad上基于标记的增强现实技术。3.无标记增强现实。4.使用OpenCV从Motion探索结构。5.基于SVM和神经网络的车牌识别。6.非刚性人脸跟踪。7.使用AAM和POSIT进行3D头部姿态估计。8.使用特征脸或Fisherfaces进行人脸识别。9.使用Microsoft Kinect开发Fluid Wall。 Chapter1_AndroidCartoonifier Chapter2_iPhoneAR Chapter3_MarkerlessAR Chapter4_StructureFromMotion Chapter5_NumberPlateRecognition Chapter6_NonRigidFaceTracking Chapter7_HeadPoseEstimation Chapter8_FaceRecognition Chapter9_FluidInteractionUsingKinect
openCV人脸跟踪小项目——打开摄像头标出人脸位置并跟踪
10-03
openCV人脸跟踪小项目——打开摄像头标出人脸位置并跟踪，有源码，haarcasecade_frontface_alt.xml分类器，makefile文件，可执行文件
OpenCV机器学习——支持向量机SVM
01-27
OpenCV中集成了多种机器学习算法供我们方便使用，如果我们要训练数据进行分类，不用自己写分类器，只需要调用相应的库和类即可轻松实现。本文重点不在于介绍机器学习原理及数学推导，着重介绍OpenCV中的机器学习相关...
OpenCV实践小项目(一): 信用卡数字识别
Miracle8070
03-28 9516
OpenCV实践项目之信用卡数字识别
OPENCV初学小项目-人脸识别
Lian_young的博客
11-05 26
可以看到，最后两张人脸都被识别出来了，但其实检测的结果会有错误，有不是人脸的地方也会被检测出来并画框，需要不断调整参数才能正确识别。这是一个人脸识别的基础小项目，获取图片之后对图片进行变形、灰度转换，再使用opencv本身的检测函数就可以实现了。因为图片过大无法完全展示，使用shape看一下图片大小。初学OpenCV，对自己的小项目进行记录。将预先准备好的图片加载进来。编写一个人脸检测的函数。
【OpenCV实战】这是我看过最详细的计算机视觉小项目，基于OpenCV进行长时间曝光，学到了~（赶紧收藏）
TZ45678的博客
04-01 718
在本文中，我们将学习长时间曝光摄影技术，以及如何使用Python和OpenCV（开源计算机视觉库）对其进行仿真。
OpenCV小结+几个小项目
m0_56969616的博客
12-26 4023
文章目录一、小结1.调用本机摄像头2.图像的基本操作3.调整图像大小4.插入文字5.提取图片6.颜色跟踪7.获取绘制轮廓8.人脸识别二、小项目1.自动识别颜色并跟踪2.自动识别并纠正文件 一、小结 1.调用本机摄像头 cv2.VideoCapture(0)：0是默认调用本机摄像头，如果有多个摄像头的话可更改序列。 import cv2 frameWidth = 640 frameHeight = 480 cap = cv2.VideoCapture(0) cap.set(3, frameWidth) c
opencv python编译——opencv 在windows
10-28
在Windows上编译OpenCV Python可以分为以下几个步骤： 1. 安装CMake和Visual Studio 2. 下载OpenCV源代码并解压缩 3. 打开CMake GUI并设置源代码路径和生成路径 4. 配置CMake选项，包括Python支持和其他模块的支持 5. 生成Visual Studio项目并打开 6. 编译项目并生成Python绑定库 需要注意的是，编译OpenCV Python需要一些编程和计算机知识，如果您不熟悉这些知识，建议寻求专业人士的帮助。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

kiritobryant

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值