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。
到此这篇关于超好玩的"隔空操物"通过Python MediaPipe库实现的文章就介绍到这了,更多相关Python 隔空操物内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！