weixin_45303602的博客

VSCode，全称为Visual Studio Code，是由微软开发的一款轻量级，跨平台的代码编辑器。大家能来搜用VSCode配置c/c++，想必也知道VSCode的强大，可以手握一个VSCode同时编写如C，C++，C#，Java，python等等语言的代码。得益于在VSCode上可以下载很多不同种类的插件，可以给vscode添加很多扩展功能，如代码高亮美化，代码补全和代码检查等。

注意：生成requirements.txt，pip freeze会将当前PC环境下所有的安装包都进行生成,再进行安装的时候会全部安装很多没有的包.此方法要注意。

PyQt5/QtDesigner安装和配置。

先说效果，我是用的AI推理的实时流，延迟从高达7秒降到小于1秒如果觉得这个延迟还不能接受，下一章，给大家介绍点上不得台面的小方法。

RTSP（Real-Time Streaming Protocol）是一种用于实时流媒体传输的网络协议。它被设计用于在客户端和服务器之间传输音频和视频数据。RTSP可以控制和管理多媒体数据的传输，包括播放、暂停、快进、倒退等操作。RTSP采用客户端-服务器模型，客户端发送请求给服务器，并通过TCP或UDP建立连接进行数据传输。客户端通常是支持流媒体的播放器或应用程序，服务器则提供媒体数据的存储和传输。实时性：RTSP适用于需要实时传输的场景，如直播、视频会议等。

基于单目的光流法是一种常见的计算机视觉技术，用于估计图像序列中物体的运动速度。它通过分析连续帧之间的像素变化来推断物体在图像中的移动情况。背景： 光流法是计算机视觉领域中最早的运动估计方法之一，最早由Horn和Schunck在1981年提出。它基于光流假设，即相邻帧上的像素具有相似的灰度值，且相似的像素在移动过程中会产生相同的位移。光流法不仅可以用于物体的运动跟踪和姿态估计，还可以应用于目标检测、行为分析、视频压缩等领域。

Intel RealSense D435、D455等D4系列：Intel D4系列深度相机是由英特尔（Intel）公司推出的一款深度感知摄像头，专为实现计算机视觉和深度学习应用而设计。这款相机使用了英特尔的深度感知技术，结合了摄像头和红外（IR）传感器，可以提供高质量的深度图像和 RGB 彩色图像，为开发者提供了丰富的数据源，用于各种应用，包括虚拟现实（VR）、增强现实（AR）、手势识别、人脸识别、姿势识别、3D 扫描等。

1.1 2D测量技术基于单目相机的2D测量技术在许多领域中具有重要的背景和意义。工业制造：在工业制造过程中，精确测量是确保产品质量和一致性的关键。基于单目相机的2D测量技术可以用于检测和测量零件尺寸、位置、形状等参数，进而实现自动化生产和质量控制。通过实时监测并反馈测量结果，可以快速发现和纠正生产中的偏差，提高产品的一致性和合格率。计算机视觉：单目相机作为计算机视觉的传感器之一，能够捕捉并记录场景中的图像信息。基于单目相机的2D测量技术可以通过对图像进行处理和分析来提取目标物体的特征和参数。

基于单目相机的2D测量技术在许多领域中具有重要的背景和意义。工业制造：在工业制造过程中，精确测量是确保产品质量和一致性的关键。基于单目相机的2D测量技术可以用于检测和测量零件尺寸、位置、形状等参数，进而实现自动化生产和质量控制。通过实时监测并反馈测量结果，可以快速发现和纠正生产中的偏差，提高产品的一致性和合格率。计算机视觉：单目相机作为计算机视觉的传感器之一，能够捕捉并记录场景中的图像信息。基于单目相机的2D测量技术可以通过对图像进行处理和分析来提取目标物体的特征和参数。

OpenCV是一个流行的开源计算机视觉库，由英特尔公司发起发展。它提供了超过2500个优化算法和许多工具包，可用于灰度、彩色、深度、基于特征和运动跟踪等的图像处理和计算机视觉应用。OpenCV主要使用C++语言编写，同时也支持Python、Java、C等语言。由于其开源和广泛使用的特点，在计算机视觉和机器学习领域得到了广泛的应用。

OpenCV是一个流行的开源计算机视觉库，由英特尔公司发起发展。它提供了超过2500个优化算法和许多工具包，可用于灰度、彩色、深度、基于特征和运动跟踪等的图像处理和计算机视觉应用。OpenCV主要使用C++语言编写，同时也支持Python、Java、C等语言。由于其开源和广泛使用的特点，在计算机视觉和机器学习领域得到了广泛的应用。

YOLO系列是one-stage且是基于深度学习的回归方法，而R-CNN、Fast-RCNN、Faster-RCNN等是two-stage且是基于深度学习的分类方法。YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。主要的改进思路如下所示：输入端：在模型训练阶段，提出了一些改进思路，主要包括Mosaic数据增强、自适应锚框计算、自适应图片缩放；

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它提供了丰富的图像处理和计算机视觉功能，旨在帮助开发者在各种应用领域中实现图像处理、分析和计算机视觉任务

本项目是使用了谷歌开源的框架mediapipe，里面有非常多的模型提供给我们使用，例如面部检测，身体检测，手部检测等

思路是：计算5和17这两个关键点的位置信息，然后算得到两点的欧几里得距离，这个距离随着手移动在图中所示出来像素距离随之变化，我们按顺序测算部分位置变化信息，以此设计一个函数来匹配这个位置变化关系。

手势识别是一种人机交互技术，通过识别人的手势动作，从而实现对计算机、智能手机、智能电视等设备的操作和控制。1.2.3.4.opencv实战项目 手势识别-手势控制键盘未完待续本专栏记录作者的学习之旅会一直更新下去，欢迎订阅一起学习进步本项目是使用了谷歌开源的框架，里面有非常多的模型提供给我们使用，例如面部检测，身体检测，手部检测等代码需要用到HandTraqckModule模块 mediapipe模块和一个键盘控制模块pynput。

手势识别是一种人机交互技术，通过识别人的手势动作，从而实现对计算机、智能手机、智能电视等设备的操作和控制。

随后，通过手指标记点的坐标计算手势的长度，并将这个长度映射到音量范围，然后设置系统音量。如果手势长度小于阈值，会在图像上绘制一个圆圈来表示手势过小。，里面有非常多的模型提供给我们使用，例如面部检测，身体检测，手部检测等。这部分代码是主要的处理循环，它会不断地从摄像头捕获图像，然后使用。这里设置了摄像头的分辨率，并通过 OpenCV 打开摄像头。这部分代码获取了默认音频输出设备的信息，并通过。库设置了音量范围、最小音量和最大音量。，设置了手势检测的置信度阈值为 0.7。音量控制模块的作者，有兴趣可以了解。

方法首先检查是否有检测到的手部，如果有，就获取指定编号的手部标记点信息。然后，遍历手部标记点，计算并保存标记点的坐标，并在图像上绘制圆圈。如果检测到了手部，就遍历每个检测到的手部标记点，然后在图像上绘制出手部标记和连接线。最后，返回绘制了标记的图像。是一个Google开发的库，用于处理计算机视觉任务，例如姿势检测、手势识别等。接着上一章的内容，这一次我们加入了fps显示和模块封装，以便我们接下来的学习。的函数，用于主要的程序逻辑。的方法，用于在给定图像上进行手部检测。方法，用于获取手部标记点的坐标。

opencv mediapipe 手部追踪 手势识别实战

YOLOV4其实是一个结合了大量前人研究技术，加以组合并进行适当创新的算法，实现了速度和精度的完美平衡。

YOLO是“You Only Look Once”的简称，它虽然不是最精确的算法，但在精确度和速度之间选择的折中，效果也是相当不错。YOLOv3借鉴了YOLOv1和YOLOv2，虽然没有太多的创新点，但在保持YOLO家族速度的优势的同时，提升了检测精度，尤其对于小物体的检测能力。YOLOv3算法使用一个单独神经网络作用在图像上，将图像划分多个区域并且预测边界框和每个区域的概率。

经过查阅文献，基于人脸表面特征的疲劳检测，主要分为三个部分，打哈欠、眨眼、点头。本实验从人脸朝向、位置、瞳孔朝向、眼睛开合度、眨眼频率、瞳孔收缩率等数据入手，并通过这些数据，实时地计算出驾驶员的注意力集中程度，分析驾驶员是否疲劳驾驶和及时作出安全提示。

疲劳在人体面部表情中表现出大致三个类型：打哈欠、眨眼、点头。本实验从人脸朝向、位置、瞳孔朝向、眼睛开合度、眨眼频率、瞳孔收缩率等数据入手，并通过这些数据，实时地计算出驾驶员的注意力集中程度，分析驾驶员是否疲劳驾驶和及时作出安全提示。

经过查阅文献，基于人脸表面特征的疲劳检测，主要分为三个部分，打哈欠、眨眼、点头。本实验从人脸朝向、位置、瞳孔朝向、眼睛开合度、眨眼频率、瞳孔收缩率等数据入手，并通过这些数据，实时地计算出驾驶员的注意力集中程度，分析驾驶员是否疲劳驾驶和及时作出安全提示。

imutils 这个图像处理工具包，除了简化 opencv 的一些操作之外，还有专门配合 dlib 处理人脸数据的工具 face_utils。

人脸检测识别一直是个热门的研究问题，同时也是opencv中一个实现相对容易的课题。OpenCV自带了函数detectMultiScale()可以实现对行人和人脸的检测，实现简单，但识别效果相对较差。在opencv源代码的副本中会有一个文件夹data/haarcascades，该文件夹包括了所有opencv的人脸检测的xml文件，这些文件可用于检测静止图像，视频和摄像头所得到图像中的人脸。

随着人工智能的不断发展，二维码在生活扮演者重要的角色，不管是健康吗还是线上支付都离不开他的身影。

随着人工智能的不断发展，支付收款码/健康码等等与我们息息相关，二维码确实成为了我们生活中不可或缺的一部分。