Python+OpenCV+MediaPipe手势识别系统

已于 2023-04-05 13:03:53 修改
阅读量3.4w 收藏 131
点赞数 12
分类专栏： PyTorch深度学习项目实战100例 文章标签： opencv python 计算机视觉 人工智能 深度学习
于 2021-12-05 18:57:28 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.youkuaiyun.com/m0_47256162/article/details/121733175
版权
本文介绍了如何使用Python和MediaPipe库构建手势识别系统。MediaPipe是一个跨平台的机器学习解决方案，适用于人脸检测、物体检测等。文章详细讲解了如何通过MediaPipe识别手的21个关键点，并进行手势识别，提供了完整的代码示例。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

前言

大家好，我是阿光。

本专栏整理了《PyTorch深度学习项目实战100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。

正在更新中~ ✨

🚨 我的项目环境：

  • 平台：Windows10
  • 语言环境：python3.7
  • 编译器：PyCharm
  • PyTorch版本：1.8.1

💥 项目专栏：【PyTorch深度学习项目实战100例】

在这里插入图片描述

安装所需模块：

pip install cv2
pip install mediapipe

MediaPipe

Media

了解本专栏 订阅专栏 解锁全文
Python+OpenCV+MediaPipe 手势识别系统
走向CTO的路上...
10-21 959
MediaPipe 是一个跨平台的机器学习框架，支持多种模型的实时处理，并提供了丰富的手势识别功能。借助 OpenCV 的强大图像处理能力，我们可以搭建一个高效、可扩展的手势识别系统。通过结合 OpenCV 和 MediaPipe，我们能够创建一个实时、高效的手势识别系统。此系统不仅在交互式应用中具有巨大的潜力，还能够在许多领域提升用户体验。
使用Python、OpenCV和MediaPipe构建手势识别系统
library_git927的博客
09-19 307
通过实时检测手部关键点，并根据关键点的位置进行手势识别，我们可以将手势转化为计算机可理解的指令。通过使用本文提供的代码和技术，您可以开始构建自己的手势识别应用程序。本文将介绍如何使用这些工具来创建一个基于摄像头输入的手势识别系统，并提供相应的源代码。手部关键点将以绿色圆形的形式显示在图像上，您可以根据需求对代码进行修改和扩展，以实现更复杂的手势识别功能。我们将使用MediaPipe库中的Hand类来检测手部关键点，并根据这些关键点的位置来识别手势。在主程序中，我们可以使用这个函数来实时检测手势并显示结果。
基于OpenCV+MediaPipe的手势识别（数字、石头剪刀布等手势识别）
03-03
基于OpenCV+MediaPipe的手势识别（数字、石头剪刀布等手势识别） 可识别左右手，共定义了15种手势，可以自行增加 https://blog.youkuaiyun.com/weixin_53403301/article/details/123232435
python手势识别_OpenCV+python手势识别框架和实例讲解
weixin_39914863的博客
11-27 810
基于OpenCV2.4.8和 python 2.7实现简单的手势识别。以下为基本步骤1.去除背景，提取手的轮廓2. RGB->YUV，同时计算直方图3.进行形态学滤波，提取感兴趣的区域4.找到二值化的图像轮廓5.找到最大的手型轮廓6.找到手型轮廓的凸包7.标记手指和手掌8.把提取的特征点和手势字典中的进行比对，然后判断手势和形状提取手的轮廓 cv2.findContours()找到最大凸包cv2....
opencv 手势识别 【附源代码】
借你一秒
06-28 5279
http://blog.youkuaiyun.com/berguiliu/article/details/9307495
python+opencv实现初步手势识别源码(本人亲测有效).txt
07-31
基于python+opencv实现初步手势识别,经过本人亲测代码,能够实现基本的手势识别 但是对于背景要求光线等等有着一定要求,各位大佬们可以在这基础上加以改进,手势识别的原理在凸凹包点上下功夫.
python+opencv+mediapipe+tensorflow实现手势识别控制计算机
热门推荐
qq_63708623的博客
12-16 1万+
目录系统介绍OpenCVMediapipeTensorFlowPyWin32数据处理通过mediapipe提取特征转化为相对坐标：均值方差归一化（标准化）：测试效果：神经网络网络结构设计激活函数神经网络的训练过程模型调参语音唤醒监听麦克风将音频读取为numpy识别判断系统设计识别缓冲区键鼠控制PyWin32识别区域的映射鼠标操作键盘操作手势控制计算旋转角度调节亮度和音量本系统灵感源自钢铁侠的贾维斯是基于手势识别的计算机交互系统，利用OpenCV、Mediapipe识别手部关键点；利用TensorFlow搭建
基于python+opencv实现初步手势识别
weixin_44885615的博客
07-30 1万+
第一步:读取图片或摄像头
基于Python+Open CV的手势识别算法设计
04-03
伴随着人工智能时代的到来，人机交互的领域也逐渐成为研究的一大方向；其中，手势识别是人机交互领域的一项关键技术，自此手势识别也迎来了一波高潮，近几年无论是在消费领域、电子领域、数码领域、家电领域甚至汽车领域上，都能或多或少的见到手势识别的身影。 手势识别在设计智能高效的人机界面方面具有至关重要的作用, 目前手势识别已应用到手语识别、智能监控、到虚拟现实等各个领域，手势识别的原理都是利用各种传感器（例如红外、摄像头等）对手部的形态进行捕捉并进行建模，形成一个模型信息的序列帧，而后将这些信息序列转换为机器能够识别的相对应指令（例如打开、切换菜单、移动等）来完成控制。 采用Python的集成开发环境Pycharm进行本次课程设计，在Pycharm中进行需要库（模块）的下载，调取电脑摄像头，按帧读取摄像头采集到的头像，形态学处理，图像旋转（由于摄像头采集到的图像是镜像，需要用cv2.flip将摄像头采集到的图像进行处理），选取图片中固定位置作为手势输入，用红线画出手势识别框，基于hsv的肤色检测，进行高斯滤波，找出轮廓，求出图像中手势的凹凸点，手指间角度求取。
python+mediapipe+opencv开发的手势识别系统源码+文档说明（高分项目）.zip
03-04
基于python+mediapipe+opencv开发的手势识别系统源码+文档说明（高分项目）.zip基于python+mediapipe+opencv开发的手势识别系统源码+文档说明（高分项目）.zip基于python+mediapipe+opencv开发的手势识别系统源码+...
课程设计基于python+mediapipe+opencv开发的手势识别系统源码（含超详细注释）.zip
最新发布
05-15
课程设计基于python+mediapipe+opencv开发的手势识别系统源码（含超详细注释）.zip个人经导师指导并认可通过的98分大作业设计项目，适用人群：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业...
课程设计基于python+mediapipe+opencv开发的手势识别系统源码(含超详细注释).zip
10-25
课程设计基于python+mediapipe+opencv开发的手势识别系统源码(含超详细注释).zip课程设计基于python+mediapipe+opencv开发的手势识别系统源码(含超详细注释).zip课程设计基于python+mediapipe+opencv开发的手势识别...
在Python中使用OpenCV训练神经网络来检测手势！
cl15926282674的博客
12-18 1859
手势→预测→行动 您可以在此处找到Github项目存储库中的代码，或在此处查看最终的演示文稿幻灯片。 （github传送门： https://github.com/athena15/...
TensorFlow2.X结合OpenCV 实现手势识别
FlyDremever
04-07 5677
TensorFlow2.X结合OpenCV 实现手势识别 数据集
基于OpenCV的手势识别（python）（二）
weixin_44692473的博客
03-28 579
基于OpenCV的手势识别（python）（二 1.对图片的简单处理 手势识别这一块，最为核心的部分就是对图像的处理，我们可以从基础的开始做起，根据相关的博文，我们首先对已有图片进行处理。选择一张彩色图片，将其存入新建文件夹并且重新命名； 原图如下所示： 这里图片保持了原版大小，与代码相匹配，下面截取代码 cv2.imshow('origin image', imutils.resize(rgb_img_mountain, 400)) 其中400可以对图片尺寸进行控制。 下面在我们新建的pycharm工
机器视觉 零基础Python OpenCV MediaPipe手势识别教程（二）代码模块化
m0_53164056的博客
05-05 2203
本文禁止转载，如需转载需征得本人同意。 目录前言1.上篇代码回顾2.代码模块化 前言 第一次发表文章，如有错误，恳请读者指正。 本文将抛弃繁杂的理论知识，直接上手项目。 文章大部分问题可以在以下几个链接中解决： https://www.liaoxuefeng.com/wiki/1016959663602400 （廖雪峰Python教程） https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_gui/py_video
基于 OpenCV-Python 和 Mediapipe 的手部识别教程
霜晴的博客
01-09 2906
本文意在教你如何在PyCharm上用OpenCV-Python 和 Mediapipe库实现手部识别 阅读本文，你将学会： 一. 学会安装Python 二. 学会安装PyCharm 三. 学会给代码配置合适的环境并成功运行代码（手部识别）
Python + opencv + mediapipe 实现手势识别
恍恍惚惚的大穷猫的博客
03-19 9682
Python + opencv + mediapipe 实现手势识别 MediaPipe是一款由 Google Research 开发并开源的多媒体机器学习模型应用框架。在谷歌，一系列重要产品，如 YouTube、Google Lens、ARCore、Google Home 以及 Nest，都已深度整合了 MediaPipe。 https://google.github.io/mediapipe/ 环境安装 编辑器：VS code 依赖组件：opencv 、mediapipe python -m pip
mediapipe手势识别
05-25
MediaPipe是一个实时机器学习框架，可以用于各种任务，包括手势识别。MediaPipe手势识别使用深度学习模型和计算机视觉技术来检测手的关键点，并根据这些点的位置预测手势。 要使用MediaPipe手势识别，首先需要安装MediaPipe库并准备好图像或视频数据。然后，可以使用MediaPipe提供的预训练模型或训练自己的模型来执行手势识别。 下面是一个简单的Python示例代码，演示如何使用MediaPipe手势识别： ```python import cv2 import mediapipe as mp # 初始化MediaPipe手势识别模型 mp_hands = mp.solutions.hands # 初始化视频捕获设备 cap = cv2.VideoCapture(0) # 循环读取视频帧 while cap.isOpened(): ret, frame = cap.read() if not ret: break # 将视频帧转换为RGB格式 frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) # 检测手势 with mp_hands.Hands(static_image_mode=False, max_num_hands=2, min_detection_confidence=0.7) as hands: results = hands.process(frame) # 在视频帧上绘制检测结果 if results.multi_hand_landmarks: for hand_landmarks in results.multi_hand_landmarks: mp.solutions.drawing_utils.draw_landmarks(frame, hand_landmarks, mp_hands.HAND_CONNECTIONS) # 将视频帧转回BGR格式并显示 frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR) cv2.imshow('MediaPipe Hands', frame) # 按q键退出循环 if cv2.waitKey(10) & 0xFF == ord('q'): break # 释放资源 cap.release() cv2.destroyAllWindows() ``` 这个示例代码打开了计算机的摄像头，并在循环中读取视频帧。然后，它将每个视频帧转换为RGB格式，并使用MediaPipe手势识别模型检测手势。如果检测到手势，则在视频帧上绘制手的关键点，并将视频帧转回BGR格式并显示。用户可以按下“q”键退出循环。 需要注意的是，这只是一个简单的示例代码，MediaPipe手势识别还有很多参数可以调整，以及更复杂的应用场景需要进一步处理结果。
评论 31
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

海洋 之心

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