基于Mediapipe的Python手势识别项目(附项目源码)

原创

已于 2023-03-05 15:03:24 修改 · 2.2k 阅读

30 ·

CC 4.0 BY-SA版权

文章标签：

#python #开发语言 #人工智能 #计算机视觉

于 2023-03-05 12:41:54 首次发布

该文介绍了一个使用Mediapipe库在普通CPU环境下进行手势识别的Python项目。核心代码涉及OpenCV、Numpy和Mediapipe的集成，用于计算FPS、定义参数和处理图像。通过计算关键手部landmarks，确定手部中心坐标，进而绘制外接矩形和进行手势识别。文章还提供了一个基础框架，适用于扩展为更复杂的手势识别应用或游戏。

识别效果

如下所示，可以在普通的CPU环境下直接进行识别：

核心代码

导入库主要需要的库包括mediapipe、numpy、opencv-python

import copy
import argparse

import cv2 as cv
import numpy as np
import mediapipe as mp


from collections import deque
import cv2 as cv

1.计算左上角FPS的方法，根据当前的运行速度来计算FPS

class CvFpsCalc(object):
    def __init__(self, buffer_len=1):
        self._start_tick = cv.getTickCount()
        self._freq = 1000.0 / cv.getTickFrequency()
        self._difftimes = deque(maxlen=buffer_len)

    def get(self):
        current_tick = cv.getTickCount()
        different_time = (current_tick - self._start_tick) * self._freq
        self._start_tick = current_tick

        self._difftimes.append(different_time)

        fps = 1000.0 / (sum(self._difftimes) / len(self._difftimes))
        fps_rounded = round(fps, 2)

        return fps_rounded

2.定义参数，参数部分可以保留默认值

def get_args():
    parser = argparse.ArgumentParser()

    parser.add_argument("--device", type=int, default=0)
    parser.add_argument("--width", help='cap width', type=int, default=960)
    parser.add_argument("--height", help='cap height', type=int, default=540)

    parser.add_argument("--model_complexity"

最低0.47元/天解锁文章