前几天,在网上查找人手识别,感觉非常好,将代码记下来,慢慢学习。主要是,原代码复制后,可以之间使用。我还没学会录播视频,等学会后,将录播视频放上来。 原网站: OpenCV-Python实现实时人手跟踪(附源码)_pycharm opencv-python==4.5.2.52-CSDN博客 记下来的另外原因,担心哪天原网站信息没有了。 import cv2 import mediapipe as mp import time # 打开计算机自带摄像头 cap = cv2.VideoCapture(0) mpHands = mp.solutions.hands hands = mpHands.Hands() # 设置参数,详见 hands.py 中的 __init__ mpDraw = mp.solutions.drawing_utils # 将检测出的手上的标记点连接起来 # 定义时间用于后边的fps计算 pTime = 0 cTime = 0 while True: success, img = cap.read() imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 将BGR格式图像转换为RGB results = hands.process(imgRGB) # 对输入图像进行处理,探索图像中是否有手 # print(results.multi_hand_landmarks) # 如果有手,输出手所有0~20个标记点的比例坐标,如果没有,输出None if results.multi_hand_landmarks: for handLms in results.multi_hand_landmarks: # 捕捉画面中的每一只手 for id, lm in enumerate(handLms.landmark): # print(id, lm) h, w, c = img.shape cx, cy = int(lm.x * w), int(lm.y * h) # 根据比例还原出每一个标记点的像素坐标 print(id, cx, cy) # 根据手上标记点的id打印出其相应所在图像中中的像素位置 if id == 4: # 可以根据手上标记点的id获得任意id对应的标记点的信息 cv2.circle(img, (cx, cy), 10, (255, 0, 255), cv2.FILLED) # 这里加粗强调了大拇指上的一个标记点 mpDraw.draw_landmarks(img, handLms, mpHands.HAND_CONNECTIONS) # 给画面中的每一只手进行标点、连线的操作 # 得到fps cTime = time.time() fps = 1/(cTime - pTime) pTime = cTime # 在画面上显示fps cv2.putText(img, 'FPS:' + str(int(fps)), (10, 70), cv2.FONT_ITALIC, 1, (0, 0, 255), 3) cv2.imshow("Image", img) cv2.waitKey(1)
python写的人手识别程序(转载)
最新推荐文章于 2024-07-23 13:46:49 发布