人体关键点识别之手部识别

人体关键点识别之手部识别

示例代码

import sys
import cv2
import mediapipe as mp

# 导入mediapipe库的相关模块
mp_drawing = mp.solutions.drawing_utils
mp_hands = mp.solutions.hands

# 打开摄像头
cap = cv2.VideoCapture(0)

# 初始化MediaPipe Hands模块，设置检测和跟踪的置信度阈值
with mp_hands.Hands(
        min_detection_confidence=0.9,  # 检测手的置信度阈值
        min_tracking_confidence=0.9) as hands:  # 跟踪手的置信度阈值
    while cap.isOpened():
        # 读取摄像头帧
        success, image = cap.read()
        if not success:
            print("Ignoring empty camera frame.")
            # 如果是从视频中加载，可以用'break'代替'continue'
            continue

        # 翻转图像，以便后续以自拍视图显示，并将BGR图像转换为RGB
        image = cv2.cvtColor(cv2.flip(image, 1), cv2.COLOR_BGR2RGB)
        # 为了提高性能，可选地将图像标记为不可写，以通过引用传递
        image.flags.writeable = False
        results = hands.process(image)

        # 在图像上绘制手部标注
        image.flags.writeable = True
        image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
        if results.multi_hand_landmarks:
            for hand_landmarks in results.multi_hand_landmarks:
                # 绘制手部关键点和连接线
                mp_drawing.draw_landmarks(
                    image, hand_landmarks, mp_hands.HAND_CONNECTIONS)
        # 显示带有手部标注的图像
        cv2.imshow('MediaPipe Hands', image)

        # 如果按下ESC键，退出循环
        if cv2.waitKey(5) & 0xFF == 27:
            break

# 释放摄像头资源
cap.release()

环境准备

我使用的是python3.10的版本，opencv使用命令行安装pip install opencv-python,mediapipe同理。

python版本不要太高，否则会运行报错。

代码解读

调用mediapipe库，使用它的手部检测模型，设置手部模型检测置信度，从摄像头加载图片，并通过mediapipe库内置的绘制手部骨骼的函数绘制骨骼点，即可实现功能。