程序示例精选
Python手势识别与追踪
如需安装运行环境或远程调试，可点击右边博主头像或昵称进入个人主页查看博主联系方式，由专业技术人员远程协助！
前言
这篇博客针对Python手势识别与追踪编写代码，代码整洁，规则，易读。 学习与应用推荐首选。
文章目录
一、所需工具软件
二、使用步骤
1. 引入库
2. 识别图像特征
3. 识别参数定义
4. 运行结果
三、在线协助
一、所需工具软件
1. Python3.6以上
2. Pycharm代码编辑器
3. Torch, OpenCV库
二、使用步骤
1.引入库
代码如下（示例）：
import cv2 #导入opencv库 import mediapipe as mp #导入Google开源mediapipe库 import time #导入时间库
2.识别图像特征
代码如下（示例）：
cap = cv2.VideoCapture("aaa.mp4") #调用视频流（摄像头或视频文件） mpHands = mp.solutions.hands hands = mpHands.Hands() #选择的模型（手部侦测和手部追踪） mpDraw = mp.solutions.drawing_utils handLmsStyle = mpDraw.DrawingSpec(color=(0, 0, 255), thickness=5) #点的粗度及颜色 handConStyle = mpDraw.DrawingSpec(color=(0, 255, 0), thickness=5) #线的粗度及颜色 pTime = 0 cTime = 0 ''' 设置mpHands.Hands的参数： def __init__(self, static_image_mode=False, #指检测静态图片还是动态图片 max_num_hands=2, #最多能侦测几只手 model_complexity=1, #模型的复杂度 min_detection_confidence=0.5, #侦测手掌的严谨度（0~1） min_tracking_confidence=0.5): #追踪的严谨度（0~1） ''' while 1: ret, img = cap.read() if ret: #opencv预设读取的图片为bgr图片，但需要的图片为rgp的图片，先进行转化 imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) result = hands.process(imgRGB) #print(result.multi_hand_landmarks) #img的宽度跟高度用一个变数来设定 imgHeight = img.shape[0]#视窗高度 imgWidth = img.shape[1]#视窗宽度 if result.multi_hand_landmarks: for handLms in result.multi_hand_landmarks:#把侦测到的所有手画出来 mpDraw.draw_landmarks(img, handLms, mpHands.HAND_CONNECTIONS, handLmsStyle, handConStyle) #第一个参数是画到哪一个图上面，第二个参数是把landmarks的点传进来,第三个参数将点的连接起来 #第四个参数设置点的样式，第五个参数设置线的样式 for i, lm in enumerate(handLms.landmark):#把21个点的作标写出来 xPos = int(lm.x * imgWidth) yPos = int(lm.y * imgHeight) #print(i, lm.x, lm.y) 返回的数据为整个窗口的比例位置 cv2.putText(img, str(i), (xPos-25, yPos+5), cv2.FONT_HERSHEY_SIMPLEX, 0.4, (0, 0, 255), 2) #将手指点作标写入窗口上；参数上：xPos-25指在坐标往左25像素，y为往上5像素，然后是选择的文字，大小，颜色 ''' 放大某个点 if i ==4: cv2.circle(img, (xPos, yPos), 10, (0, 0, 255), cv2.FILLED) ''' print(i, xPos, yPos)#返回的数据为视野的坐标位置;用int()进行整形处理,否则为浮点型 #显示一秒几帧即fps cTime = time.time() fps = 1/(cTime-pTime) pTime = cTime cv2.putText(img, f"FPS :{int(fps)}", (30, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0)) #第二个为数值，第三个参数是位置，文字样式，文字大小,颜色，粗度 cv2.imshow('img', img) #读帧间隔时间，输入q跳出 if cv2.waitKey(1) == ord('q'): break cap.release() cv2.destroyAllWindows()
4.运行结果如下：
三、在线协助：
如需安装运行环境或远程调试， 可点击右边 博主头像 或 昵称 ， 进入个人主页查看博主联系方式 ，由专业技术人员远程协助！ 1）远程安装运行环境，代码调试 2）Qt, C++, Python入门指导 3）界面美化 4）软件制作
博主推荐文章：python人脸识别统计人数qt窗体-CSDN博客
博主推荐文章：Python Yolov5火焰烟雾识别源码分享-CSDN博客
Python OpenCV识别行人入口进出人数统计_python识别人数-CSDN博客
个人博客主页：alicema1111的博客_CSDN博客-Python,C++,网页领域博主
博主所有文章点这里：alicema1111的博客_CSDN博客-Python,C++,网页领域博主
