用手势操控现实：OpenCV 音量控制与 AI 换脸技术解析

基于opencv的手势控制音量和ai换脸

HandTrackingModule.py

import cv2
import mediapipe as mp
import time



class handDetector():
    def __init__(self, mode = False, maxHands = 2, model_complexity = 1, detectionCon = 0.5, trackCon = 0.5):
        self.mode = mode
        self.maxHands = maxHands
        self.model_complexity = model_complexity
        self.detectionCon = detectionCon
        self.trackCon = trackCon
        self.mpHands = mp.solutions.hands
        self.hands = self.mpHands.Hands(self.mode, self.maxHands, self.model_complexity, self.detectionCon, self.trackCon)
        self.mpDraw = mp.solutions.drawing_utils

    def findHands(self, img, draw = True):
        # Hand类的对象只能使用RGB图像
        imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
        self.results = self.hands.process(imgRGB)
        # print(results.multi_hand_landmarks)
        # 如果存在手
        if self.results.multi_hand_landmarks:
            # 如果存在多个手
            for handLms in self.results.multi_hand_landmarks:
                if draw:
                    # 设置连接线等属性
                    self.connection_drawing_spec = self.mpDraw.DrawingSpec(color=(0, 255, 0), thickness=2)
                    # 绘制
                    self.mpDraw.draw_landmarks(img, handLms, self.mpHands.HAND_CONNECTIONS, connection_drawing_spec=self.connection_drawing_spec)
        return img


    def findPosition(self, img, handNum=0, draw=True):
        lmList = []
        # 每个点的索引和它的像素比例，若知道窗口的宽度和高度可以计算位置
        if self.results.multi_hand_landmarks:
            myHand = self.results.multi_hand_landmarks[handNum]
            for id, lm in enumerate(myHand.landmark):
                # print(id, lm)
                h, w, c = img.shape
                cx, cy = int(lm.x * w), int(lm.y * h)
                # print(id, cx, cy)
                lmList.append([id, cx, cy])
                if draw:
                    cv2.circle(img, (cx, cy), 7, (255, 0, 0), cv2.FILLED)
            # 绘制每一只手
        return lmList

定义了一个名为 handDetector 的类，用于检测和跟踪手部。下面是代码的详细分析：

导入库

• cv2: OpenCV 库，用于图像处理。
• mediapipe as mp: 用于多媒体解决方案的库，在此用于手部检测。
• time: 用于时间管理，但在给定的代码段中未使用。

handDetector 类

初始化方法 __init__

该方法用于初始化 handDetector 类的对象，并设置一些参数。

• mode: 布尔值，控制 MediaPipe 手部解决方案的静态图像模式。默认值为 False。
• maxHands: 最大手部数量，控制同时检测的手的数量。默认值为 2。
• model_complexity: 模型复杂度，有 0、1、2 三个级别。默认值为 1。
• detectionCon: 检测置信度阈值。默认值为 0.5。
• trackCon: 跟踪置信度阈值。默认值为 0.5。

此外，还创建了 MediaPipe 手部解决方案的实例，并初始化了绘图工具。

方法 findHands

该方法用于在给定图像中找到手，并根据需要绘制手部标记。

• img: 输入图像。
• draw: 布尔值，控制是否绘制手部标记。默认值为 True。

该方法首先将图像从 BGR 转换为 RGB，然后处理图像以找到手部标记。如果找到了手部标记，并且 draw 参数为 True，则会在图像上绘制手部标记和连接线。

方法 findPosition

该方法用于在给定图像中找到手部标记的位置，并返回一个包含每个标记位置的列表。

• img: 输入图像。
• handNum: 手的索引，用于选择多个检测到的手中的特定一只。默认值为 0。
• draw: 布尔值，控制是否在图像上绘制每个标记的圆圈。默认值为 True。

该方法遍历给定手的每个标记，并计算其在图像中的位置。如果 draw 参数为 True，则在每个标记的位置上绘制一个圆圈。

总结

handDetector 类是一个用于检测和跟踪手部的工具。它使用了 MediaPipe 的手部解决方案，并提供了在图像上绘制手部标记和连接线的功能。通过调用这些方法，你可以在视频流或静态图像中跟踪手部，甚至找到特定手部标记的位置。

VolumeHandControl.py

import cv2
import time
import numpy as np
import HandTrackingModule as htm
import math
from ctypes import cast, POINTER
from comtypes import CLSCTX_ALL
from pycaw.pycaw import AudioUtilities, IAudioEndpointVolume
wCam, hCam = 640, 480
cap = cv2.VideoCapture(0)
# 设置摄像头的宽度
cap.set(3, wCam)
# 设置摄像头的高度
cap.set(4, hCam)
pTime = 0
tiga_img = cv2.imread("tiga.jpg", cv2.IMREAD_UNCHANGED)
detector = htm.handDetector(detectionCon=0.7)

face_Cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
devices = AudioUtilities.GetSpeakers()
interface = devices.Activate(IAudioEndpointVolume._iid_, CLSCTX_ALL, None)
volume = cast(interface, POINTER(IAudioEndpointVolume))
# volume.GetMute()
# volume.GetMasterVolumeLevel()
# 音量范围
volRange = volume.GetVolumeRange()
print(volRange)
# 最小音量
minVol = volRange[0]
# 最大音量
maxVol = volRange[1]
vol = 0
volBar = 400
volPer = 0
def overlay_img(img, img_over, img_over_x, img_over_y):
    # 背景图像高宽
    img_w, img_h, img_c = img.shape
    # 覆盖图像高宽通道数
    img_over_h, img_over_w, img_over_c = img_over.shape
    # 转换成4通道
    if img_over_c == 3:
        img_over = cv2.cvtColor(img_over, cv2.COLOR_BGR2BGRA)
    # 遍历列
    for w in range(0, img_over_w):
        #遍历行
        for h in range(0, img_over_h):
            if img_over[h, w, 3] != 0:
                # 遍历三个通道
                for c in range(0, 3):
                    x = img_over_x + w
                    y = img_over_y + h
                    if x >= img_w or y >= img_h:
                        break
                    img[y-40, x, c] = img_over[h, w, c]
    return img


while True:
    success, img = cap.read()
    gray_frame = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    height, width, channel = img.shape
    faces = face_Cascade.detectMultiScale(gray_frame, 1.15, 5)
    for (x, y, w, h) in faces:
        gw = w
        gh = int(height * w / width)
        tiga_img = cv2.resize(tiga_img, (gw, gh+gh))
        print(gw, gh)
        if 0 <= x < img.shape[1] and 0 <= y < img.shape[0]:
            overlay_img(img, tiga_img, x, y)
    img = detector.findHands(img)
    lmList = detector.findPosition(img, draw=False)
    if len(lmList) != 0:
        # print(lmList[4], lmList[8])
        x1, y1 = lmList[4][1], lmList[4][2]
        x2, y2 = lmList[8][1], lmList[8][2]
        cv2.circle(img, (x1, y1), 15, (255, 0, 255), cv2.FILLED)
        cv2.circle(img, (x2, y2), 15, (255, 0, 255), cv2.FILLED)
        cv2.line(img, (x1, y1), (x2, y2), (255, 0, 255), 3)
        cx, cy = (x1+x2)//2, (y1+y2)//2
        cv2.circle(img, (cx, cy), 15, (255, 0, 255), cv2.FILLED)

        length = math.hypot(x2 - x1, y2 - y1)
        print(length)
        # Hand rang 130 25
        # Vomume Range -65 0
        vol = np.interp(length, [25, 175], [minVol, maxVol])
        volBar = np.interp(length, [25, 175], [400, 150])
        volPer = np.interp(length, [25, 175], [0, 100])
        print(int(length), vol)
        volume.SetMasterVolumeLevel(vol, None)
        if length<25:
            cv2.circle(img, (cx, cy), 15, (0, 255, 0), cv2.FILLED)

    cv2.rectangle(img, (50, 150), (85, 400), (255, 0, 0), 3)
    cv2.rectangle(img, (50, int(volBar)), (85, 400), (255, 0, 0), cv2.FILLED)
    cv2.putText(img, f'{int(volPer)} %', (40, 450), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 0, 0), 3)
    cTime = time.time()
    fps = 1/(cTime - pTime)
    pTime = cTime

    cv2.putText(img, f'FPS:{int(fps)}', (40, 50), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 0, 0), 3)
    cv2.imshow("img", img)
    cv2.waitKey(1)

1. 导入必要的库

• OpenCV (cv2): 用于图像处理，例如读取图像、转换颜色空间、绘制形状等。
• NumPy (np): 用于数值计算，特别是线性插值。
• HandTrackingModule as htm: 导入自定义的手部检测模块。
• math: 提供数学功能，例如计算两点间的距离。
• ctypes, comtypes, pycaw.pycaw: 用于与操作系统的音量控制交互。

2. 初始化参数和对象

• 摄像头大小 (wCam, hCam): 定义摄像头的宽度和高度。
• 摄像头 (cap): 通过 OpenCV 初始化摄像头，并设置宽度和高度。
• 时间 (pTime): 用于计算帧率。
• 图像叠加 (tiga_img): 读取一个图像文件，稍后用于叠加。
• 手部检测器 (detector): 使用自定义的手部检测模块创建检测器对象，设置检测置信度为 0.7。
• 人脸检测 (face_Cascade): 加载 OpenCV 的 Haar 级联分类器来检测人脸。
• 音量控制 (volume): 通过 pycaw 访问系统的音量控制，获取音量范围。

3. 定义图像叠加函数 overlay_img

该函数负责将一个图像叠加到另一个图像上的特定位置。它遍历覆盖图像的每个像素，并将非透明像素复制到背景图像的相应位置。

4. 主循环

在无限循环中，代码执行以下任务：

a. 人脸检测和图像叠加

• 读取图像: 从摄像头捕获图像。
• 灰度转换: 将图像转换为灰度，以便进行人脸检测。
• 人脸检测: 使用级联分类器检测人脸。
• 调整叠加图像: 根据人脸大小调整叠加图像的大小。
• 叠加图像: 调用 overlay_img 函数将图像叠加到人脸上。

b. 手部检测和音量控制

• 检测手部: 调用 detector.findHands 在图像上检测并绘制手部。
• 找到位置: 调用 detector.findPosition 获取手部标记的位置。
• 计算距离: 计算手部标记 4 和 8 之间的距离。
• 绘制形状: 在这两个点上绘制圆圈，并在它们之间绘制线条。
• 音量映射: 使用 NumPy 的 np.interp 函数将手的距离映射到音量范围。
• 设置音量: 调用 volume.SetMasterVolumeLevel 设置系统音量。

c. 可视化

• 绘制音量条: 在图像上绘制一个表示音量级别的矩形条。
• 计算帧率: 使用当前时间和上一帧的时间计算帧率。
• 绘制帧率: 在图像上绘制帧率文本。

d. 显示结果

• 显示图像: 使用 OpenCV 的 imshow 方法显示处理后的图像。
• 等待: 通过 OpenCV 的 waitKey 方法等待 1 毫秒，这样可以实时更新图像。

总结

这个代码集成了多个功能：通过摄像头捕获图像，检测人脸并在人脸上叠加图像，检测手部并通过手指之间的距离控制系统音量，然后通过 OpenCV 实时显示结果。它结合了图像处理、人脸和手部检测、系统交互和实时可视化，展示了计算机视觉和人机交互的强大功能。

效果

(B站演示视频)[https://www.bilibili.com/video/BV1Xu41177Gz/?spm_id_from=333.999.0.0]