基于 OpenCV-Python 和 Mediapipe 的手部识别教程

import cv2 #导入OpenCv库
 
import mediapipe as mp #导入Mediapipe库
import time
 
cap = cv2.VideoCapture(0) #0为打开默认摄像头,1为打开你设备列表的第二个摄像头,以此类推;
mpHands = mp.solutions.hands #使用Mediapipe库的手部姿势估计模型
hands = mpHands.Hands(static_image_mode=False, max_num_hands=4, model_complexity=1, min_detection_confidence=0.5, min_tracking_confidence=0.5) #创建手部姿势估计器对象，设置参数。
mpDraw = mp.solutions.drawing_utils #初始化Mediapipe库绘图工具
handLmsStyle = mpDraw.DrawingSpec(color=(0, 0, 255), thickness=5)
handConStyle = mpDraw.DrawingSpec(color=(0, 255, 0), thickness=10) #设置绘制手部关键点和连接线的样式
pTime = 0
cTime = 0 #用于计算帧率
 
while True: #无限循环
    ret, img = cap.read() #读取摄像头的图像帧
    img = cv2.flip(img, 1) #对img图像进行水平翻转
    if ret:
        imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) #将图像从BGR格式转换为RGB格式
        result = hands.process(imgRGB) #使用手部姿势估计器处理图像，获取结果
        # print(result.multi_hand_landmarks)
        imgHeight = img.shape[0] #获取图像的高度，并将其赋值给变量imgHeight(其中[0]表示高度的维度)
        imgWidth = img.shape[1] #其中，img是一个图像对象，而shape[1]表示图像的宽度
 
        if result.multi_hand_landmarks: #检查是否检测到手部
            for handLms in result.multi_hand_landmarks: #遍历检测到的手部
                mpDraw.draw_landmarks(img, handLms, mpHands.HAND_CONNECTIONS, handLmsStyle, handConStyle) #绘制手部关键点和连接线
                for i, lm in enumerate(handLms.landmark): #遍历每个关键点
                    xPos = int(lm.x * imgWidth) #计算关键点在图像中的x坐标
                    yPos = int(lm.y * imgHeight) #计算关键点在图像中的y坐标
                    # cv2.putText(img, str(i), (xPos-25, yPos+5), cv2.FONT_HERSHEY_SIMPLEX, 0.4, (0, 0, 255), )
                    if i == 4: #绘制特定关键点的标记,如果是特定的关键点（在代码中是第5个关键点）
                        cv2.circle(img, (xPos, yPos), 15, (92, 65, 214), cv2.FILLED)
                    print(i, xPos, yPos) #在特定关键点处绘制一个填充的圆
 
        cTime = time.time() #获取当前时间
        fps = 1/(cTime-pTime) #计算帧率
        pTime = cTime #更新上一帧的时间
        cv2.putText(img, f"FPS : {int(fps)}", (30, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 3) #在图像上显示帧率
 
        cv2.imshow('img', img) #显示处理后的图像
 
    if cv2.waitKey(1) == ord(' '):
        break #如果按下 ' ' 键，则退出循环