MediaPipe上手案例，手部骨架识别，用视频替换代码摄像头采集-Toy模板网

这篇具有很好参考价值的文章主要介绍了MediaPipe上手案例，手部骨架识别，用视频替换代码摄像头采集。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

在做 MediaPipe 项目的时候，经常需要唤醒摄像头进行视频采集，学习的时候可以使用视频替换摄像头采集动作，这就是本篇博客的的由来。

MediaPipe 入门案例

为了便于学习，我们先直接展示入门案例，然后查看从代码角度进行讲解。

import cv2
import mediapipe as mp

# 创建VideoCapture对象，读取视频
cap = cv2.VideoCapture('./demo.mp4')

# 初始化mediapipe
mp_hands = mp.solutions.hands.Hands()

while cap.isOpened():
    # 读取视频帧
    success, image = cap.read()
    if not success:
        print("读取失败")
        continue

    # 将图像转换为RGB格式
    image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

    # 处理图像
    results = mp_hands.process(image)

    # 将图像转换回BGR格式
    image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)

    # 显示结果
    cv2.imshow('MediaPipe Hands', image)
    if cv2.waitKey(5) & 0xFF == 27:
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

为了让代码跑起来，需要提前安装 opencv-python 库和 mediapipe 库，直接使用 pip 命令安装即可。

视频我们使用了 B 站 @蜜加原创手指舞的视频，只做学习演示 Demo。

上述代码运行结果如下所示。

MediaPipe上手案例，手部骨架识别，用视频替换代码摄像头采集
接下来我们逐行解释一下代码。

读取视频文件

# 创建VideoCapture对象，读取视频
cap = cv2.VideoCapture('./demo.mp4')

上述代码初始化了一个名为 cap 的 VideoCapture 对象，用于从当前目录中名为 'demo.mp4' 的视频文件中读取帧。

cv2.VideoCapture() 函数接受一个参数，即视频文件的路径。

VideoCapture 对象可以用于从视频文件中读取帧，也可以用于从摄像头中读取帧。如果要从摄像头中读取帧，则可以将参数设置为摄像头的索引，例如 cap = cv2.VideoCapture(0)，其中 0 表示默认摄像头的索引。

如果只是单纯查看视频，可以使用下述代码：

import cv2

# 初始化对象
cap = cv2.VideoCapture('./demo.mp4')

# 检查视频是否打开
if not cap.isOpened():
    print("视频文件打开失败")

# 读取视频
while cap.isOpened():
    # 逐帧读取
    ret, frame = cap.read()

    if ret:
        # 展示读取结果
        cv2.imshow('帧', frame)

        # 按 Q 退出
        if cv2.waitKey(25) & 0xFF == ord('q'):
            break
    else:
        break

cap.release()
cv2.destroyAllWindows()

初始化 Hands 对象

mp_hands = mp.solutions.hands.Hands()

mp.solutions.hands.Hands() 函数创建 Hands 类的一个新实例，该类是 MediaPipe Hands 解决方案的一部分。

该类提供了检测图像或视频帧中手部的方法，并返回有关检测到的手部的信息，例如它们的关键点和左右手性。

接下来可以在循环中读取视频的每一帧，然后使用 mp_hands.process(imgRGB) 获取【手位置】。

import cv2
import mediapipe as mp

cap = cv2.VideoCapture('./demo.mp4')
# 定义并引用mediapipe中的hands模块
mp_hands = mp.solutions.hands.Hands()

while True:
    success, img = cap.read()
    imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # cv2图像初始化
    results = mp_hands.process(imgRGB)
    print(results.multi_hand_landmarks)

    cv2.imshow("HandsImage", img)  # CV2窗体
    cv2.waitKey(1)  # 关闭窗体

代码运行得到如下结果。

landmark {
  x: 0.18026168644428253
  y: 0.4238351583480835
  z: -0.0214223675429821
}
landmark {
  x: 0.45827752351760864
  y: 0.39915671944618225
  z: 0.011419275775551796
}

mp_hands.process(imgRGB) 是 MediaPipe Hands 解决方案的一部分，用于在 RGB 图像中检测手部。
它接受一个 RGB 图像作为输入，并返回一个 SolutionOutputs 对象，其中包含有关检测到的手部的信息。

results.multi_hand_landmarks 是 SolutionOutputs 对象的一个属性，它包含一个列表，其中每个元素都是一个 HandLandmark 对象，表示检测到的一个手部的关键点。如果没有检测到手部，则 results.multi_hand_landmarks 为 None。

每个 HandLandmark 对象包含一个 landmark 属性，它是一个列表，其中每个元素都是一个 NormalizedLandmark 对象，表示手部的一个关键点。
NormalizedLandmark 对象包含 x、y 和 z 属性，表示关键点在图像坐标系中的归一化坐标。
x 和 y 属性的值在 [0, 1] 范围内，表示关键点在图像中的位置。

z 属性的值表示关键点的深度，但在 MediaPipe Hands 解决方案中未使用。

在关键位置绘制图形

前文已经读取到手部识别的关键节点，接下来在读取到的位置处绘制图形。

    if results.multi_hand_landmarks:
        for handLms in results.multi_hand_landmarks:
            for index, x_y in enumerate(handLms.landmark):

                h, w, c = img.shape
                # 获取节点关键坐标
                cx, cy = int(x_y.x * w), int(x_y.y * h)
                # 绘制一个圆形
                cv2.circle(img, (cx, cy), 7, (4, 255, 255), cv2.FILLED)

MediaPipe上手案例，手部骨架识别，用视频替换代码摄像头采集
接下来我们实现连接手指骨架，在上述代码中输入如下代码。

mp_draw = mp.solutions.drawing_utils

mp.solutions 提供了使用 MediaPipe 解决方案在图像或视频帧上绘制关键点和连接的实用函数。

该模块包含几个函数，可用于在图像或视频帧上绘制关键点和连接，包括 draw_landmarks()、draw_connections() 和 draw_landmarks_on_image()。这些函数的输入参数包括要绘制的图像或帧，以及要绘制的关键点或连接。

下面演示如何使用 mp.solutions.drawing_utils 在图像上绘制关键点和连接的示例代码：

# 绘制手部特征点：
mp_draw.draw_landmarks(img, handLms, mp.solutions.hands.HAND_CONNECTIONS)

运行代码得到如下效果。

MediaPipe上手案例，手部骨架识别，用视频替换代码摄像头采集
在上述代码中用到了 draw_landmarks() 函数。

该函数用于在图像中绘制手部关键点和连接。它接受三个参数：

img：要在其上绘制手部关键点和连接的图像。
handLms：一个 HandLandmark 对象，表示要绘制的手部的关键点。可以从 SolutionOutputs 对象的 multi_hand_landmarks 属性中获取 HandLandmark 对象。
mp.solutions.hands.HAND_CONNECTIONS：一个常量，表示要绘制的手部关键点之间的连接。

mp_draw.draw_landmarks() 函数原型说明

该函数还可以接受其他参数，用来控制绘制的手部关键点和连接的外观，其原型如下所示：

mp_draw.draw_landmarks(
    image: np.ndarray,
    landmark_list: Union[mp_hands.HandLandmarkList, mp_pose.PoseLandmarkList],
    connections: Optional[mp_drawing.DrawingSpec] = None,
    landmark_drawing_spec: Optional[mp_drawing.DrawingSpec] = None,
    connection_drawing_spec: Optional[mp_drawing.DrawingSpec] = None
) -> None

landmark_list 参数是一个 HandLandmarkList 或 PoseLandmarkList 对象，表示要绘制的手部或姿势的关键点。
connections 参数是一个 DrawingSpec 对象，表示要绘制的关键点之间的连接。
landmark_drawing_spec 和 connection_drawing_spec 参数分别是 DrawingSpec 对象，表示要用于绘制关键点和连接的颜色、线宽和半径。

以下是 DrawingSpec 类的构造函数：

mp_drawing.DrawingSpec(
    color: Tuple[int, int, int],
    thickness: int = 1,
    circle_radius: Optional[int] = None
)

color 参数是一个 RGB 元组，表示要用于绘制关键点和连接的颜色。
thickness 参数是一个整数，表示要用于绘制连接的线宽。
circle_radius 参数是一个整数，表示要用于绘制关键点的半径。

完善一下代码，添加关键点颜色。

# 连接线样式
lineStyle = mp_draw.DrawingSpec()
lineStyle.color = (0, 0, 255)
lineStyle.thickness = 1
# 绘制手部特征点：
mp_draw.draw_landmarks(img, handLms, mp.solutions.hands.HAND_CONNECTIONS, landmark_drawing_spec=lineStyle)