超好玩的"隔空操物"通过Python MediaPipe库实现

🚀 文章简介 ：本篇文章的实战部分中主要使用到了 MediaPipe 与 OpenCv 两个库，实现了隔空操作的效果，主要有**隔空操作鼠标，隔空绘画，隔空控制音量与隔空手势识别 **💪

演示视频

使用这个编程语言，我实现了隔空操物！！

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。

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。

来源：https://blog.csdn.net/weixin_45574790/article/details/122505077