门户网站开发jz190,wordpress网站插件,互联网技术的特点,专业酒店建设信息网站大家好#xff0c;今天分享一个非常有意思且十分简单的python库——mediapipe库。该库集成了大量的深度学习模型#xff0c;短短几行代码#xff0c;就可以快速实现一个炫酷的实例#xff0c;本文就以手势检测为例#xff0c;展示一下这个强大的开源库。
mediapipe由Goog…大家好今天分享一个非常有意思且十分简单的python库——mediapipe库。该库集成了大量的深度学习模型短短几行代码就可以快速实现一个炫酷的实例本文就以手势检测为例展示一下这个强大的开源库。
mediapipe由Google开发集合了人脸识别、姿势检测、图像分割、目标识别等多种深度学习模型主要有以下几个特点
端到端加速内置快速 ML 推理和处理加速即使在普通硬件上也是如此一次构建随处部署统一解决方案适用于Android、iOS、桌面、Web和loT即用型解决方案展示框架全部功能的尖端 ML 解决方案免费和开源Apache 2.0 下的框架和解决方案完全可扩展和可定制
mediapipe中集合的模型包含人脸识别、面部检测、手势检测、即时运动追踪、姿势检测、物体识别等下图对其进行展示。 人脸识别面部检测手势检测 即时运动追踪姿势检测物体识别 头发分割3D识别目标追踪
下面以手势检测为例介绍一下mediapipe的用法。
首先定义一个手势检测的模型第7、8行分别是手21个点的样式和点与点连线的样式21个关键点的分布如图所示。
import cv2
import mediapipe as mp
cap cv2.VideoCapture(0,cv2.CAP_DSHOW)
mpHands mp.solutions.hands
hands mpHands.Hands()
#设置线和点的样式
handLmsStyle mpDraw.DrawingSpec(color (0,0,255),thickness5)
handConnStyle mpDraw.DrawingSpec(color (0,255,0),thickness10) 使用while循环处理每一帧图像即可就是这么简单第7行的if判断如果检测到了手那么就遍历手势检测的21个点然后使用第10行的函数画上线和点即可。
while True:
#获取每一帧图像ret, img cap.read()if ret:imgRGB cv2.cvtColor(img,cv2.COLOR_BGR2RGB)res hands.process(imgRGB)if res.multi_hand_landmarks:for handLms in res.multi_hand_landmarks:#画线mpDraw.draw_landmarks(img,handLms,mpHands.HAND_CONNECTIONS,handLmsStyle,handConnStyle) cv2.imshow(img,img)if cv2.waitKey(1) ord(q):break 直接运行代码即可实现手势检测。而且官方有详细的文档如感兴趣可以自行进行学习并调整一些参数让程序更加符合某些实际需求。
