网站建设 数据上传 查询,深圳做网站设计制作开发,广告设计专业自我介绍,三项措施做好门户网站建设本项目是使用了谷歌开源的框架mediapipe#xff0c;里面有非常多的模型提供给我们使用#xff0c;例如面部检测#xff0c;身体检测#xff0c;手部检测等。 手势识别系列文章
1.opencv实现手部追踪#xff08;定位手部关键点#xff09;
2.opencv实战项目 实现手势跟踪… 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。 手势识别系列文章
1.opencv实现手部追踪定位手部关键点
2.opencv实战项目 实现手势跟踪并返回位置信息封装调用
3.手势识别-手势音量控制opencv
4.opencv实战项目 手势识别-手势控制鼠标
未完待续... 代码需要用到opencv HandTraqckModule模块 mediapipe模块和一个音量控制模块
AndreMiras/pycaw: Python Core Audio Windows Library (github.com) 音量控制模块的作者有兴趣可以了解 手部追踪模块来自前期的我们实战内容opencv 实现手势跟踪并返回位置信息封装调用_陈子迩的博客-CSDN博客 下面给大家详细说一下代码
import cv2
import time
import numpy as np
from HandTraqckModule import *
import math
from comtypes import CLSCTX_ALL
from pycaw.pycaw import AudioUtilities, IAudioEndpointVolume这些行导入了所需的库和模块
cv2: OpenCV 库用于图像处理和显示。time: Python 标准库用于处理时间操作。numpy: 数值计算库用于插值计算。HandTraqckModule: 自定义的手部追踪模块你的代码中似乎有个拼写错误正确的应该是 HandTrackModule。math: Python 标准库用于数学计算。comtypes: 用于处理 COM 接口的库。pycaw: 用于访问 Windows 音频控制接口的库。 devices AudioUtilities.GetSpeakers()
interface devices.Activate(IAudioEndpointVolume._iid_, CLSCTX_ALL, None)
volume interface.QueryInterface(IAudioEndpointVolume)
volRange volume.GetVolumeRange()
minVol volRange[0]
maxVol volRange[1]这部分代码获取了默认音频输出设备的信息并通过 pycaw 库设置了音量范围、最小音量和最大音量。 wCam, hCam 1280, 720
cap cv2.VideoCapture(0)
cap.set(3, wCam)
cap.set(4, hCam)这里设置了摄像头的分辨率并通过 OpenCV 打开摄像头。 pTime 0
detector handDetector(detectionCon0.7)初始化了上一帧的时间 pTime并创建了 handDetector 类的实例 detector设置了手势检测的置信度阈值为 0.7。 while True:success, img cap.read()img detector.findHands(img)lmList detector.findPosition(img, drawFalse)if len(lmList) ! 0:# 从手部标记点列表中获取两个指尖的坐标x1, y1 lmList[4][1], lmList[4][2]x2, y2 lmList[8][1], lmList[8][2]cx, cy (x1 x2) // 2, (y1 y2) // 2# 绘制手势标记和连接线cv2.circle(img, (x1, y1), 15, (255, 255, 0), cv2.FILLED)cv2.circle(img, (x2, y2), 15, (255, 0, 0), cv2.FILLED)cv2.line(img, (x1, y1), (x2, y2), (255, 0, 0), 3)cv2.circle(img, (cx, cy), 10, (255, 255, 0), cv2.FILLED)# 计算手势长度length math.hypot(x2 - x1, y2 - y1)# 映射手势长度到音量范围vol np.interp(length, [10, 230], [minVol, maxVol])print(int(length), int(vol))# 设置系统音量volume.SetMasterVolumeLevel(vol, None)# 如果手势长度小于一定阈值绘制一个圆圈表示手势过小if length 50:cv2.circle(img, (cx, cy), 15, (255, 100, 100), cv2.FILLED)cTime time.time()fps 1 / (cTime - pTime)pTime cTime# 绘制帧率信息cv2.putText(img, fFPS:{int(fps)}, (40, 40), cv2.FONT_HERSHEY_PLAIN, 3, (255, 255, 0), 3)# 显示图像cv2.imshow(img, img)cv2.waitKey(1)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 detector 对象进行手部检测和标记绘制。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。最后还会绘制帧率信息并显示图像。 下面附上全部代码 总体代码
import cv2
import time
import numpy as np
from HandTraqckModule import *
import math
from comtypes import CLSCTX_ALL
from pycaw.pycaw import AudioUtilities, IAudioEndpointVolume# 获取默认音频输出设备
devices AudioUtilities.GetSpeakers()
interface devices.Activate(IAudioEndpointVolume._iid_, CLSCTX_ALL, None)
volume interface.QueryInterface(IAudioEndpointVolume)
# 获取音量范围
volRange volume.GetVolumeRange()
minVol volRange[0]
maxVol volRange[1]# 设置摄像头分辨率
wCam, hCam 1280, 720# 打开摄像头
cap cv2.VideoCapture(0)
cap.set(3, wCam)
cap.set(4, hCam)pTime 0
detector handDetector(detectionCon0.7)while True:success, img cap.read()img detector.findHands(img)lmList detector.findPosition(img, drawFalse)if len(lmList) ! 0:x1, y1 lmList[4][1], lmList[4][2]x2, y2 lmList[8][1], lmList[8][2]cx, cy (x1 x2) // 2, (y1 y2) // 2# 绘制手势标记和连接线cv2.circle(img, (x1, y1), 15, (255, 255, 0), cv2.FILLED)cv2.circle(img, (x2, y2), 15, (255, 0, 0), cv2.FILLED)cv2.line(img, (x1, y1), (x2, y2), (255, 0, 0), 3)cv2.circle(img, (cx, cy), 10, (255, 255, 0), cv2.FILLED)# 计算手势长度length math.hypot(x2 - x1, y2 - y1)# 映射手势长度到音量范围vol np.interp(length, [10, 230], [minVol, maxVol])print(int(length), int(vol))# 设置系统音量volume.SetMasterVolumeLevel(vol, None)# 如果手势长度小于一定阈值绘制一个圆圈表示手势过小if length 50:cv2.circle(img, (cx, cy), 15, (255, 100, 100), cv2.FILLED)cTime time.time()fps 1 / (cTime - pTime)pTime cTime# 绘制帧率信息cv2.putText(img, fFPS:{int(fps)}, (40, 40), cv2.FONT_HERSHEY_PLAIN, 3, (255, 255, 0), 3)# 显示图像cv2.imshow(img, img)cv2.waitKey(1)
