文章目录
- 1.项目效果展示
- 1.1：隔空音量控制
- 1.2：隔空绘画
- 1.3 ：手势识别
- 1.4：鼠标模拟
- 2.所涉及到的库
- 2.1：OpenCv简介
- 2.2：MediaPipe简介
- 3.项目环境搭建
- 4.源码部分
- 5.总结
- 1.项目效果展示
1.项目效果展示
项目主要分为四个部分，分别是
- 隔空音量控制
- 隔空绘画
- 隔空识别手势
- 隔空操作鼠标
下面是这四部分的演示效果
1.1：隔空音量控制
1.2：隔空绘画
1.3 ：手势识别
1.4：鼠标模拟
2.所涉及到的库
上面这些应用的实现主要涉及到了两个库
- OpenCv
- MediaPipe
2.1：OpenCv简介
OpenCV是一个基于Apache2.0许可发行的跨平台计算机视觉与机器学习的软件库。
可以运行在多种操作系统，例如Linux，Window，Mac OS等等。它轻量级而且高效——由一系列 C 函数和少量 C 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
2.2：MediaPipe简介
MediaPipe是一由Google开发并开源的数据流处理机器学习应用开发框架。
它是一个基于图的数据处理管线，用于构建使用了多种形式的数据源，如视频、音频、传感器数据以及任何时间序列数据。
MediaPipe是跨平台的，可以运行在多种操作系统，工作站和服务器上，并支持移动端GPU加速。
使用MediaPipe，可以将机器学习任务构建为一个图形的模块表示的数据流管道，包括推理模型和流媒体处理功能。
3.项目环境搭建
这些应用的环境方便比较简单，可以直接在pycharm里面进行安装对应的库即可使用。如果遇到库不能下载或者是超时，可以进行pip换源下载，本应用使用Python进行编写
4.源码部分
应用涉及到的源码比较多，这里就不一 一进行贴出来了。
想要实践一下的同学可以私信我获取，或者是直接点击文章底部关注公众号，点击联系我添加备注源码获取 下面是关键部分代码的一些截取内容。
代码语言：javascript复制cap = cv2.VideoCapture(0) #若使用外接摄像头 则更改为1或其他编号
cap.set(3, wCam)
cap.set(4, hCam)
pTime = 0
detector = handDetector()
success, img = cap.read()
img = detector.findHands(img)
lmList = detector.findPosition(img, draw=False)
pointList = [4, 8, 12, 16, 20]
if len(lmList) != 0:
countList = []
if lmList[4][1] > lmList[3][1]:
countList.append(1)
else:
countList.append(0)
for i in range(1, 5):
if lmList[pointList[i]][2] < lmList[pointList[i] - 2][2]:
countList.append(1)
else:
countList.append(0)
count = countList.count(1)
HandImage = cv2.imread(f'FingerImg/{count}.jpg')
HandImage = cv2.resize(HandImage, (150, 200))
h, w, c = HandImage.shape
img[0:h, 0:w] = HandImage
cv2.putText(img, f'{int(count)}', (15, 400), cv2.FONT_HERSHEY_PLAIN, 15, (255, 0, 255), 10)5.总结
上面这四个项目主要是调用到了一些机器学习的库进行代码的编写。感兴趣的小伙伴可以导入项目在自己的电脑上进行实操一下。
