🚀 作者 ：“大資料小禪” 大資料領域作者，華為認證云享專家，阿里云專家博主
🚀 文章簡介 ：本篇文章的實戰部分中主要使用到了 MediaPipe 與 OpenCv 兩個庫，實作了隔空操作的效果，主要有**隔空操作滑鼠，隔慷訓畫，隔空控制音量與隔空手勢識別 **💪
🚀 文章原始碼獲取 ：本文的原始碼，大資料交流群，小伙伴們可以關注文章底部的公眾號，點擊“聯系我”備注原始碼獲取，
🚀 歡迎小伙伴們 點贊👍、收藏?、留言💬
<iframe id="dCnYWHC6-1642178095993" src="https://player.bilibili.com/player.html?aid=338245971" allowfullscreen="true" data-mediaembed="bilibili"></iframe>使用這個編程語言，我實作了隔空操物！！
文章目錄
- 1.專案效果展示
- 1.1：隔空音量控制
- 1.2：隔慷訓畫
- 1.3 ：手勢識別
- 1.4：滑鼠模擬
- 2.所涉及到的庫
- 2.1：OpenCv簡介
- 2.2：MediaPipe簡介
- 3.專案環境搭建
- 4.原始碼部分
- 5.總結
1.專案效果展示
專案主要分為四個部分，分別是
- 隔空音量控制
- 隔慷訓畫
- 隔空識別手勢
- 隔空操作滑鼠
下面是這四部分的演示效果
1.1：隔空音量控制
1.2：隔慷訓畫
1.3 ：手勢識別
1.4：滑鼠模擬
2.所涉及到的庫
上面這些應用的實作主要涉及到了兩個庫
-
OpenCv
-
MediaPipe
2.1：OpenCv簡介
OpenCV是一個基于Apache2.0許可發行的跨平臺計算機視覺與機器學習的軟體庫，
可以運行在多種作業系統，例如Linux，Window，Mac OS等等，它輕量級而且高效——由一系列 C 函式和少量 C++ 類構成，同時提供了Python、Ruby、MATLAB等語言的介面，實作了影像處理和計算機視覺方面的很多通用演算法，
2.2：MediaPipe簡介
MediaPipe是一由Google開發并開源的資料流處理機器學習應用開發框架，
它是一個基于圖的資料處理管線，用于構建使用了多種形式的資料源，如視頻、音頻、傳感器資料以及任何時間序列資料，
MediaPipe是跨平臺的，可以運行在多種作業系統，作業站和服務器上，并支持移動端GPU加速，
使用MediaPipe，可以將機器學習任務構建為一個圖形的模塊表示的資料流管道，包括推理模型和流媒體處理功能，
3.專案環境搭建
這些應用的環境方便比較簡單，可以直接在pycharm里面進行安裝對應的庫即可使用，如果遇到庫不能下載或者是超時，可以進行pip換源下載，本應用使用Python進行撰寫
4.原始碼部分
應用涉及到的原始碼比較多，這里就不一 一進行貼出來了，
想要實踐一下的同學可以私信我獲取，或者是直接點擊文章底部關注公眾號，點擊聯系我添加備注原始碼獲取 下面是關鍵部分代碼的一些截取內容，
cap = cv2.VideoCapture(0) #若使用外接攝像頭 則更改為1或其他編號
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.總結
上面這四個專案主要是呼叫到了一些機器學習的庫進行代碼的撰寫，感興趣的小伙伴可以匯入專案在自己的電腦上進行實操一下，
歡迎小伙伴們 點贊👍、收藏?、留言💬
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/413434.html
標籤：其他