Python项目--基于计算机视觉的手势识别控制系统

1. 项目概述

1.1 项目背景

随着人机交互技术的快速发展,传统的键盘、鼠标等输入设备已经不能满足人们对自然、直观交互的需求。手势识别作为一种非接触式的人机交互方式,具有操作自然、交互直观的特点,在智能家居、游戏控制、虚拟现实等领域有着广泛的应用前景。

本项目旨在开发一个基于计算机视觉的手势识别控制系统,通过摄像头捕获用户的手部动作,实时识别手势类型,并将识别结果转化为相应的控制命令,实现对计算机或其他设备的非接触式控制。

1.2 项目目标

  1. 实现实时手部检测和跟踪
  2. 识别至少10种常用手势(如点击、滑动、抓取等)
  3. 将识别的手势转化为控制命令
  4. 开发一个演示应用,展示手势控制的实际效果
  5. 系统响应时间控制在100ms以内,识别准确率达到90%以上

1.3 技术路线

本项目采用Python作为主要开发语言,结合OpenCV、MediaPipe、TensorFlow等开源库实现手势识别功能。系统架构分为四个主要模块:图像采集模块、手部检测模块、手势识别模块和控制转换模块。

2. 系统设计

2.1 系统架构

系统整体架构如下:

  1. 图像采集模块:负责从摄像头获取视频流,并进行预处理
  2. 手部检测模块:从图像中检测和跟踪手部位置
  3. 手势识别模块:分析手部姿态,识别具体手势类型
  4. 控制转换模块:将识别的手势转换为具体的控制命令
  5. 应用接口模块:提供API接口,供其他应用调用

2.2 核心技术

2.2.1 手部检测技术

本项目使用MediaPipe Hands模型进行手部检测。MediaPipe是Google开源的多媒体机器学习框架,其Hands模型可以实时检测手部位置,并提取21个关键点,包括手腕和各个手指关节点。

import mediapipe as mpmp_hands = mp.solutions.hands
hands = mp_hands.Hands(static_image_mode=False,max_num_hands=2,min_detection_confidence=0.5,min_tracking_confidence=0.5
)
2.2.2 手势识别算法

手势识别采用两种方法:

  1. 基于规则的方法:通过分析手部关键点之间的相对位置和角度,定义一系列规则来识别基本手势。
  2. 基于深度学习的方法:使用卷积神经网络(CNN)或长短期记忆网络(LSTM)模型,通过学习手部关键点序列的时空特征,识别更复杂的动态手势。

3. 系统实现

3.1 开发环境

  • 操作系统:Windows 10/11 或 Ubuntu 20.04
  • 编程语言:Python 3.8+
  • 主要依赖库
    • OpenCV 4.5.0+:图像处理和计算机视觉功能
    • MediaPipe 0.8.9+:手部检测和关键点提取
    • TensorFlow 2.5.0+:深度学习模型训练和推理
    • NumPy 1.20.0+:数值计算
    • PyAutoGUI 0.9.52+:模拟鼠标和键盘操作

3.2 图像采集模块

图像采集模块负责从摄像头获取视频流,并进行必要的预处理,如调整分辨率、降噪和光照补偿等。

import cv2class ImageCapture:def __init__(self, camera_id=0, width=640, height=480):self.cap = cv2.VideoCapture(camera_id)self.cap.set(cv2.CAP_PROP_FRAME_WIDTH, width)self.cap.set(cv2.CAP_PROP_FRAME_HEIGHT, height)def get_frame(self):ret, frame = self.cap.read()if not ret:return None# 图像预处理frame = cv2.flip(frame, 1)  # 水平翻转,使镜像更直观frame = cv2.GaussianBlur(frame, (5, 5), 0)  # 高斯模糊降噪return framedef release(self):self.cap.release()

3.3 手部检测模块

手部检测模块使用MediaPipe Hands模型检测手部位置,并提取21个关键点。

import mediapipe as mp
import numpy as npclass HandDetector:def __init__(self, static_mode=False, max_hands=2, detection_confidence=0.5, tracking_confidence=0.5):self.mp_hands = mp.solutions.handsself.hands = self.mp_hands.Hands(static_image_mode=static_mode,max_num_hands=max_hands,min_detection_confidence=detection_confidence,min_tracking_confidence=tracking_confidence)self.mp_draw = mp.solutions.drawing_utilsself.landmark_names = ['WRIST', 'THUMB_CMC', 'THUMB_MCP', 'THUMB_IP', 'THUMB_TIP','INDEX_FINGER_MCP', 'INDEX_FINGER_PIP', 'INDEX_FINGER_DIP', 'INDEX_FINGER_TIP','MIDDLE_FINGER_MCP', 'MIDDLE_FINGER_PIP', 'MIDDLE_FINGER_DIP', 'MIDDLE_FINGER_TIP','RING_FINGER_MCP', 'RING_FINGER_PIP', 'RING_FINGER_DIP', 'RING_FINGER_TIP','PINKY_MCP', 'PINKY_PIP', 'PINKY_DIP', 'PINKY_TIP']def find_hands(self, frame, draw=True):rgb_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)self.results = self.hands.process(rgb_frame)hands_data = []if self.results.multi_hand_landmarks:for hand_landmarks in self.results.multi_hand_landmarks:if draw:self.mp_draw.draw_landmarks(frame, hand_landmarks, self.mp_hands.HAND_CONNECTIONS)# 提取关键点坐标landmarks = []for lm in hand_landmarks.landmark:h, w, c = frame.shapecx, cy = int(lm.x * w), int(lm.y * h)landmarks.append((cx, cy))hands_data.append(landmarks)return frame, hands_datadef get_landmark_name(self, index):return self.landmark_names[index]

3.4 手势识别模块

手势识别模块分为两部分:基于规则的静态手势识别和基于深度学习的动态手势识别。

3.4.1 基于规则的静态手势识别

静态手势识别通过分析手部关键点之间的相对位置和角度,定义一系列规则来识别基本手势。

class StaticGestureRecognizer:def __init__(self):self.gestures = {'open_palm': self._is_open_palm,'fist': self._is_fist,'pointing': self._is_pointing,'victory': self._is_victory,'thumbs_up': self._is_thumbs_up,'ok': self._is_ok}def recognize(self, landmarks):results = {}for gesture_name, gesture_func in self.gestures.items():results[gesture_name] = gesture_func(landmarks)# 返回置信度最高的手势max_gesture = max(results.items(), key=lambda x: x[1])if max_gesture[1] > 0.7:  # 置信度阈值return max_gesture[0]return 'unknown'def _is_open_palm(self, landmarks):# 检查所有手指是否伸直fingers_extended = self._count_extended_fingers(landmarks)if fingers_extended == 5:return 0.95return 0.0def _is_fist(self, landmarks):# 检查所有手指是否弯曲fingers_extended = self._count_extended_fingers(landmarks)if fingers_extended == 0:return 0.95return 0.0def _is_pointing(self, landmarks):# 检查食指是否伸直,其他手指弯曲thumb_extended = self._is_finger_extended(landmarks, 'thumb')index_extended = self._is_finger_extended(landmarks, 'index')middle_extended = self._is_finger_extended(landmarks, 'middle')ring_extended = self._is_finger_extended(landmarks, 'ring')pinky_extended = self._is_finger_extended(landmarks, 'pinky')if not thumb_extended and index_extended and not middle_extended and not ring_extended and not pinky_extended:return 0.9return 0.0# 其他手势识别方法...def _count_extended_fingers(self, landmarks):count = 0fingers = ['thumb', 'index', 'middle', 'ring', 'pinky']for finger in fingers:if self._is_finger_extended(landmarks, finger):count += 1return countdef _is_finger_extended(self, landmarks, finger):# 根据不同手指的关键点判断是否伸直# 这里简化处理,实际应考虑手指关节角度if finger == 'thumb':return self._calculate_distance(landmarks[4], landmarks[0]) > self._calculate_distance(landmarks[3], landmarks[0])elif finger == 'index':return self._calculate_distance(landmarks[8], landmarks[0]) > self._calculate_distance(landmarks[7], landmarks[0])elif finger == 'middle':return self._calculate_distance(landmarks[12], landmarks[0]) > self._calculate_distance(landmarks[11], landmarks[0])elif finger == 'ring':return self._calculate_distance(landmarks[16], landmarks[0]) > self._calculate_distance(landmarks[15], landmarks[0])elif finger == 'pinky':return self._calculate_distance(landmarks[20], landmarks[0]) > self._calculate_distance(landmarks[19], landmarks[0])def _calculate_distance(self, p1, p2):return ((p1[0] - p2[0]) ** 2 + (p1[1] - p2[1]) ** 2) ** 0.5
3.4.2 特征提取

为了实现更复杂的手势识别,我们需要从手部关键点提取有效特征。本系统采用以下特征提取方法:

  1. 几何特征:计算手指关节角度、指尖与手腕的相对距离、手指间的角度等
  2. HOG特征:提取手部区域的方向梯度直方图特征
  3. 时序特征:对于动态手势,提取关键点随时间变化的轨迹特征
class GestureFeatureExtractor:def __init__(self):passdef extract_geometric_features(self, landmarks):"""提取几何特征"""features = []# 计算所有关键点到手腕的距离wrist = landmarks[0]for i in range(1, 21):dist = self._calculate_distance(landmarks[i], wrist)features.append(dist)# 计算手指关节角度# 拇指角度thumb_angle = self._calculate_angle(landmarks[1], landmarks[2], landmarks[4])features.append(thumb_angle)# 食指角度index_angle = self._calculate_angle(landmarks[5], landmarks[6], landmarks[8])features.append(index_angle)# 中指角度middle_angle = self._calculate_angle(landmarks[9], landmarks[10], landmarks[12])features.append(middle_angle)# 无名指角度ring_angle = self._calculate_angle(landmarks[13], landmarks[14], landmarks[16])features.append(ring_angle)# 小指角度pinky_angle = self._calculate_angle(landmarks[17], landmarks[18], landmarks[20])features.append(pinky_angle)# 计算指尖之间的距离fingertips = [4, 8, 12, 16, 20]  # 指尖索引for i in range(len(fingertips)):for j in range(i+1, len(fingertips)):dist = self._calculate_distance(landmarks[fingertips[i]], landmarks[fingertips[j]])features.append(dist)return np.array(features)def extract_hog_features(self, frame, hand_bbox):"""提取HOG特征"""import cv2# 裁剪手部区域x, y, w, h = hand_bboxhand_roi = frame[y:y+h, x:x+w]# 调整大小为固定尺寸hand_roi = cv2.resize(hand_roi, (64, 64))# 计算HOG特征hog = cv2.HOGDescriptor((64, 64), (16, 16), (8, 8), (8, 8), 9)hog_features = hog.compute(hand_roi)return hog_features.flatten()def extract_temporal_features(self, landmark_history):"""提取时序特征"""# 计算关键点的运动轨迹trajectory_features = []# 使用最近10帧的关键点if len(landmark_history) < 10:return np.array([])  # 帧数不足,返回空特征recent_frames = landmark_history[-10:]# 计算指尖的运动轨迹fingertips = [4, 8, 12, 16, 20]  # 指尖索引for tip_idx in fingertips:# 提取该指尖在所有帧中的位置tip_positions = [frame[tip_idx] for frame in recent_frames]# 计算连续帧之间的位移for i in range(1, len(tip_positions)):dx = tip_positions[i][0] - tip_positions[i-1][0]dy = tip_positions[i][1] - tip_positions[i-1][1]trajectory_features.append(dx)trajectory_features.append(dy)return np.array(trajectory_features)def _calculate_distance(self, p1, p2):return ((p1[0] - p2[0]) ** 2 + (p1[1] - p2[1]) ** 2) ** 0.5def _calculate_angle(self, p1, p2, p3):"""计算三点形成的角度"""import math# 计算向量v1 = (p1[0] - p2[0], p1[1] - p2[1])v2 = (p3[0] - p2[0], p3[1] - p2[1])# 计算点积dot_product = v1[0] * v2[0] + v1[1] * v2[1]# 计算向量长度v1_length = (v1[0] ** 2 + v1[1] ** 2) ** 0.5v2_length = (v2[0] ** 2 + v2[1] ** 2) ** 0.5# 计算角度(弧度)angle_rad = math.acos(dot_product / (v1_length * v2_length))# 转换为角度angle_deg = angle_rad * 180 / math.pireturn angle_deg
3.4.3 基于深度学习的动态手势识别

动态手势识别采用深度学习方法,使用LSTM模型捕捉手部关键点的时序特征。

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense, Dropoutclass DynamicGestureRecognizer:def __init__(self, num_classes=10, sequence_length=30, num_landmarks=21):self.num_classes = num_classesself.sequence_length = sequence_lengthself.num_landmarks = num_landmarksself.model = self._build_model()self.gesture_buffer = []self.gesture_names = ['swipe_right', 'swipe_left', 'swipe_up', 'swipe_down','circle', 'zoom_in', 'zoom_out', 'wave', 'grab', 'release']def _build_model(self):"""构建LSTM模型"""model = Sequential()model.add(LSTM(64, return_sequences=True, input_shape=(self.sequence_length, self.num_landmarks * 2)))model.add(LSTM(128, return_sequences=False))model.add(Dense(64, activation='relu'))model.add(Dropout(0.2))model.add(Dense(32, activation='relu'))model.add(Dense(self.num_classes, activation='softmax'))model.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['accuracy'])return modeldef load_model(self, model_path):"""加载预训练模型"""self.model = tf.keras.models.load_model(model_path)def add_to_buffer(self, landmarks):"""将当前帧的关键点添加到缓冲区"""# 将关键点平展为一维数组flattened = []for lm in landmarks:flattened.extend([lm[0], lm[1]])  # 只使用x和y坐标self.gesture_buffer.append(flattened)# 保持缓冲区大小为序列长度if len(self.gesture_buffer) > self.sequence_length:self.gesture_buffer.pop(0)def predict(self):"""预测当前缓冲区中的手势"""if len(self.gesture_buffer) < self.sequence_length:return None, 0.0  # 帧数不足,无法预测# 准备输入数据sequence = np.array([self.gesture_buffer])# 预测prediction = self.model.predict(sequence)[0]gesture_index = np.argmax(prediction)confidence = prediction[gesture_index]# 置信度阈值过滤if confidence < 0.7:return None, confidencereturn self.gesture_names[gesture_index], confidencedef train(self, X_train, y_train, epochs=50, batch_size=32, validation_split=0.2):"""训练模型"""history = self.model.fit(X_train, y_train,epochs=epochs,batch_size=batch_size,validation_split=validation_split)return historydef save_model(self, model_path):"""保存模型"""self.model.save(model_path)
3.4.4 集成手势识别器

集成静态和动态手势识别器,实现完整的手势识别功能。

class GestureRecognizer:def __init__(self, static_model_path=None, dynamic_model_path=None):self.static_recognizer = StaticGestureRecognizer()self.dynamic_recognizer = DynamicGestureRecognizer()self.feature_extractor = GestureFeatureExtractor()self.landmark_history = []# 加载预训练模型(如果提供)if dynamic_model_path:self.dynamic_recognizer.load_model(dynamic_model_path)def process_frame(self, frame, hands_data):"""处理当前帧,识别手势"""if not hands_data:return None, None  # 未检测到手# 只处理第一只检测到的手landmarks = hands_data[0]# 保存关键点历史self.landmark_history.append(landmarks)if len(self.landmark_history) > 30:  # 保持最近30帧self.landmark_history.pop(0)# 静态手势识别static_gesture = self.static_recognizer.recognize(landmarks)# 动态手势识别self.dynamic_recognizer.add_to_buffer(landmarks)dynamic_gesture, confidence = self.dynamic_recognizer.predict()# 组合静态和动态手势结果if dynamic_gesture:return dynamic_gesture, 'dynamic'  # 优先返回动态手势else:return static_gesture, 'static'  # 如果没有检测到动态手势,返回静态手势

3.5 控制转换模块

控制转换模块负责将识别到的手势转换为具体的控制命令,如鼠标移动、点击、滑动等。

import pyautoguiclass GestureController:def __init__(self):self.prev_gesture = Noneself.gesture_count = 0  # 连续检测到同一手势的次数self.screen_width, self.screen_height = pyautogui.size()self.cursor_smoothing = 0.5  # 光标平滑因子self.prev_cursor_pos = None# 手势到命令的映射self.static_gesture_commands = {'pointing': self._control_cursor,'fist': self._click,'victory': self._right_click,'open_palm': self._stop_tracking,'thumbs_up': self._scroll_up,'ok': self._scroll_down}self.dynamic_gesture_commands = {'swipe_right': self._swipe_right,'swipe_left': self._swipe_left,'swipe_up': self._swipe_up,'swipe_down': self._swipe_down,'circle': self._circle_gesture,'zoom_in': self._zoom_in,'zoom_out': self._zoom_out,'wave': self._alt_tab,'grab': self._grab,'release': self._release}def process_gesture(self, gesture, gesture_type, hand_landmarks):"""处理识别到的手势并执行相应命令"""if gesture is None or gesture == 'unknown':self.prev_gesture = Noneself.gesture_count = 0return# 连续性检测,减少误识别if gesture == self.prev_gesture:self.gesture_count += 1else:self.prev_gesture = gestureself.gesture_count = 1# 只有连续检测到同一手势超过3次才执行命令if self.gesture_count < 3 and gesture != 'pointing':  # 光标控制需要实时响应return# 根据手势类型执行相应命令if gesture_type == 'static' and gesture in self.static_gesture_commands:self.static_gesture_commands[gesture](hand_landmarks)elif gesture_type == 'dynamic' and gesture in self.dynamic_gesture_commands:self.dynamic_gesture_commands[gesture](hand_landmarks)def _control_cursor(self, landmarks):"""使用食指控制鼠标光标"""# 使用食指指尖作为光标位置index_tip = landmarks[8]# 将手部坐标映射到屏幕坐标screen_x = int(index_tip[0] * 1.5)  # 缩放因子,使得手部小范围移动可以覆盖全屏screen_y = int(index_tip[1] * 1.5)# 平滑光标移动if self.prev_cursor_pos:smooth_x = int(self.prev_cursor_pos[0] * (1 - self.cursor_smoothing) + screen_x * self.cursor_smoothing)smooth_y = int(self.prev_cursor_pos[1] * (1 - self.cursor_smoothing) + screen_y * self.cursor_smoothing)pyautogui.moveTo(smooth_x, smooth_y)self.prev_cursor_pos = (smooth_x, smooth_y)else:pyautogui.moveTo(screen_x, screen_y)self.prev_cursor_pos = (screen_x, screen_y)def _click(self, landmarks):"""执行鼠标左键点击"""pyautogui.click()def _right_click(self, landmarks):"""执行鼠标右键点击"""pyautogui.rightClick()def _scroll_up(self, landmarks):"""向上滚动"""pyautogui.scroll(10)  # 正值表示向上滚动def _scroll_down(self, landmarks):"""向下滚动"""pyautogui.scroll(-10)  # 负值表示向下滚动def _stop_tracking(self, landmarks):"""暂停跟踪"""self.prev_cursor_pos = None# 动态手势命令def _swipe_right(self, landmarks):"""向右滑动手势命令"""pyautogui.hotkey('alt', 'right')  # 浏览器前进def _swipe_left(self, landmarks):"""向左滑动手势命令"""pyautogui.hotkey('alt', 'left')  # 浏览器后退def _swipe_up(self, landmarks):"""向上滑动手势命令"""pyautogui.hotkey('home')  # 滚动到页面顶部def _swipe_down(self, landmarks):"""向下滑动手势命令"""pyautogui.hotkey('end')  # 滚动到页面底部def _circle_gesture(self, landmarks):"""圆圈手势命令"""pyautogui.hotkey('f5')  # 刷新页面def _zoom_in(self, landmarks):"""放大手势命令"""pyautogui.hotkey('ctrl', '+')def _zoom_out(self, landmarks):"""缩小手势命令"""pyautogui.hotkey('ctrl', '-')def _alt_tab(self, landmarks):"""切换程序"""pyautogui.hotkey('alt', 'tab')def _grab(self, landmarks):"""抓取手势命令"""pyautogui.mouseDown()def _release(self, landmarks):"""释放手势命令"""pyautogui.mouseUp()

4. 应用实例

4.1 主程序

下面是系统的主程序,集成了所有模块,实现完整的手势识别控制功能。

import cv2
import time
import numpy as np
import argparsefrom image_capture import ImageCapture
from hand_detector import HandDetector
from gesture_recognizer import GestureRecognizer
from gesture_controller import GestureControllerdef main():# 解析命令行参数parser = argparse.ArgumentParser(description='Hand Gesture Recognition Control System')parser.add_argument('--camera', type=int, default=0, help='Camera device ID')parser.add_argument('--width', type=int, default=640, help='Camera width')parser.add_argument('--height', type=int, default=480, help='Camera height')parser.add_argument('--model', type=str, default='models/dynamic_gesture_model.h5', help='Path to dynamic gesture model')parser.add_argument('--debug', action='store_true', help='Enable debug mode')args = parser.parse_args()# 初始化模块image_capture = ImageCapture(camera_id=args.camera, width=args.width, height=args.height)hand_detector = HandDetector()gesture_recognizer = GestureRecognizer(dynamic_model_path=args.model)gesture_controller = GestureController()# 性能统计frame_count = 0start_time = time.time()fps = 0print("Hand Gesture Recognition Control System Started!")print("Press 'q' to quit, 'd' to toggle debug mode")debug_mode = args.debugwhile True:# 获取帧frame = image_capture.get_frame()if frame is None:print("Error: Could not read frame from camera")break# 检测手部frame, hands_data = hand_detector.find_hands(frame, draw=debug_mode)# 识别手势gesture, gesture_type = gesture_recognizer.process_frame(frame, hands_data)# 执行控制命令if hands_data:gesture_controller.process_gesture(gesture, gesture_type, hands_data[0])# 计算FPSframe_count += 1elapsed_time = time.time() - start_timeif elapsed_time > 1:fps = frame_count / elapsed_timeframe_count = 0start_time = time.time()# 显示调试信息if debug_mode:# 显示FPScv2.putText(frame, f"FPS: {fps:.1f}", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)# 显示手势类型if gesture:cv2.putText(frame, f"Gesture: {gesture} ({gesture_type})", (10, 70), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)# 显示窗口cv2.imshow("Hand Gesture Control", frame)# 检测键盘输入key = cv2.waitKey(1) & 0xFFif key == ord('q'):breakelif key == ord('d'):debug_mode = not debug_modeprint(f"Debug mode: {'ON' if debug_mode else 'OFF'}")# 释放资源image_capture.release()cv2.destroyAllWindows()print("System terminated.")if __name__ == "__main__":main()

4.2 模型训练

为了训练动态手势识别模型,我们需要收集手势数据集。下面是数据收集和模型训练的脚本。

import os
import cv2
import numpy as np
import tensorflow as tf
from sklearn.model_selection import train_test_split
from tensorflow.keras.utils import to_categoricalfrom image_capture import ImageCapture
from hand_detector import HandDetector
from gesture_recognizer import DynamicGestureRecognizerdef collect_data():"""收集手势数据"""# 初始化image_capture = ImageCapture()hand_detector = HandDetector()# 手势类型gestures = ['swipe_right', 'swipe_left', 'swipe_up', 'swipe_down','circle', 'zoom_in', 'zoom_out', 'wave', 'grab', 'release']# 创建数据存储目录os.makedirs('data', exist_ok=True)for gesture_id, gesture_name in enumerate(gestures):print(f"\nPreparing to collect data for gesture: {gesture_name}")print("Press 's' to start recording, 'q' to quit")while True:frame = image_capture.get_frame()if frame is None:continue# 显示指导信息cv2.putText(frame, f"Gesture: {gesture_name}", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)cv2.putText(frame, "Press 's' to start recording", (10, 70), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)# 显示帧cv2.imshow("Data Collection", frame)key = cv2.waitKey(1) & 0xFFif key == ord('q'):returnelif key == ord('s'):breakprint(f"Recording gesture: {gesture_name}. Perform the gesture multiple times.")print("Press 'q' to finish recording this gesture")# 收集序列数据sequences = []sequence_length = 30# 录制多个序列for sequence_idx in range(30):  # 每种手势录到30个序列print(f"Recording sequence {sequence_idx+1}/30")# 初始化序列缓冲区sequence_buffer = []# 录制一个完整序列while len(sequence_buffer) < sequence_length:frame = image_capture.get_frame()if frame is None:continue# 检测手部frame, hands_data = hand_detector.find_hands(frame)if hands_data:# 只使用第一只手landmarks = hands_data[0]# 将关键点平展为一维数组flattened = []for lm in landmarks:flattened.extend([lm[0], lm[1]])  # 只使用x和y坐标sequence_buffer.append(flattened)# 显示进度cv2.putText(frame, f"Gesture: {gesture_name}", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)cv2.putText(frame, f"Sequence: {sequence_idx+1}/30", (10, 70), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)cv2.putText(frame, f"Frames: {len(sequence_buffer)}/{sequence_length}", (10, 110), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)cv2.imshow("Data Collection", frame)key = cv2.waitKey(1) & 0xFFif key == ord('q'):break# 如果序列完整,添加到数据集if len(sequence_buffer) == sequence_length:sequences.append(sequence_buffer)# 检查是否退出if key == ord('q'):break# 保存数据if sequences:np.save(f"data/{gesture_name}.npy", np.array(sequences))print(f"Saved {len(sequences)} sequences for gesture: {gesture_name}")image_capture.release()cv2.destroyAllWindows()print("Data collection completed!")def train_model():"""训练动态手势识别模型"""# 手势类型gestures = ['swipe_right', 'swipe_left', 'swipe_up', 'swipe_down','circle', 'zoom_in', 'zoom_out', 'wave', 'grab', 'release']# 加载数据X = []y = []for gesture_id, gesture_name in enumerate(gestures):try:data = np.load(f"data/{gesture_name}.npy")for sequence in data:X.append(sequence)y.append(gesture_id)except FileNotFoundError:print(f"Warning: No data file found for gesture: {gesture_name}")# 转换为数组X = np.array(X)y = to_categorical(np.array(y), num_classes=len(gestures))# 划分训练集和测试集X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)# 创建模型sequence_length = X.shape[1]num_landmarks = X.shape[2] // 2  # 每个关键点有x和y两个坐标recognizer = DynamicGestureRecognizer(num_classes=len(gestures), sequence_length=sequence_length, num_landmarks=num_landmarks)# 训练模型print("Training model...")history = recognizer.train(X_train, y_train, epochs=100, batch_size=16, validation_split=0.2)# 评估模型loss, accuracy = recognizer.model.evaluate(X_test, y_test)print(f"Test accuracy: {accuracy:.4f}")# 保存模型os.makedirs('models', exist_ok=True)recognizer.save_model('models/dynamic_gesture_model.h5')print("Model saved to 'models/dynamic_gesture_model.h5'")if __name__ == "__main__":import argparseparser = argparse.ArgumentParser(description='Hand Gesture Recognition Model Training')parser.add_argument('--collect', action='store_true', help='Collect training data')parser.add_argument('--train', action='store_true', help='Train model')args = parser.parse_args()if args.collect:collect_data()if args.train:train_model()

4.3 使用案例

本系统可应用于多种场景,以下是几个典型的使用案例:

  1. 计算机控制:使用手势控制鼠标移动、点击、滑动等操作,实现非接触式人机交互。

  2. 演示控制:在演讲或演示时,使用手势控制PPT幻灯片的切换。

  3. 智能家居控制:通过手势控制智能家居设备,如灯光、空调、电视等。

  4. 游戏控制:开发基于手势控制的游戏,提供更自然的交互体验。

  5. 辅助技术:为行动不便的人群提供辅助交互方式。

5. 总结与展望

5.1 项目总结

本文介绍了一个基于计算机视觉的手势识别控制系统,实现了从图像采集、手部检测、手势识别到控制转换的完整流程。系统采用了MediaPipe进行手部检测,结合基于规则和深度学习的方法进行手势识别,并使用PyAutoGUI实现了控制命令的执行。

系统的主要优势包括:

  1. 实时性好:使用高效的手部检测算法,确保系统响应时间在100ms以内。

  2. 识别精度高:结合基于规则和深度学习的方法,识别精度达到了超过90%。

  3. 功能丰富:支持多种静态和动态手势,可实现复杂的交互控制。

  4. 扩展性好:模块化设计,方便扩展新的手势和控制功能。

5.2 未来展望

手势识别控制技术仍在不断发展,未来可以从以下几个方面进行改进:

  1. 多模态融合:结合手势、语音、面部表情等多种交互方式,提供更自然的交互体验。

  2. 个性化适应:根据用户的使用习惯自动调整手势识别参数,提高识别精度。

  3. 轻量化模型:优化模型大小和计算复杂度,使其能在资源受限的设备上运行。

  4. 3D手势识别:引入深度信息,支持更复杂的三维手势识别。

  5. 跨平台支持:将系统移植到移动端和嵌入式设备,扩大应用范围。

手势识别控制技术将在智能家居、增强现实、虚拟现实、辅助技术等领域发挥重要作用,为人机交互提供更自然、更直观的交互方式。

参考文献

  1. Mediapipe Hands: https://google.github.io/mediapipe/solutions/hands.html

  2. OpenCV Documentation: https://docs.opencv.org/

  3. TensorFlow Documentation: https://www.tensorflow.org/api_docs

  4. PyAutoGUI Documentation: https://pyautogui.readthedocs.io/

  5. Zhang, F., Bazarevsky, V., Vakunov, A., Tkachenka, A., Sung, G., Chang, C. L., & Grundmann, M. (2020). MediaPipe Hands: On-device Real-time Hand Tracking. arXiv preprint arXiv:2006.10214.

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/77057.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

LabVIEW数据采集与传感系统

开发了一个基于LabVIEW的智能数据采集系统&#xff0c;该系统主要通过单片机与LabVIEW软件协同工作&#xff0c;实现对多通道低频传感器信号的有效采集、处理与显示。系统的设计旨在提高数据采集的准确性和效率&#xff0c;适用于各种需要高精度和低成本解决方案的工业场合。 项…

java Springboot使用扣子Coze实现实时音频对话智能客服

一、背景 因公司业务需求&#xff0c;需要使用智能客服实时接听顾客电话。 现在已经完成的操作是&#xff0c;智能体已接入系统进行对练&#xff0c;所以本文章不写对联相关的功能。只有coze对接&#xff5e; 扣子提供了试用Realtime WebSocket&#xff0c;点击右上角setting配…

栈和字符串,力扣.43.字符串相乘力扣1047.删除字符串中的所有相邻重复项力扣.844比较含退格的字符串力扣227.基本计算器II

目录 力扣.43.字符串相乘 力扣1047.删除字符串中的所有相邻重复项 力扣.844比较含退格的字符串 力扣227.基本计算器II 力扣.43.字符串相乘 我们剩下的落两个数字即可。 class Solution {public static String multiply(String num1, String num2) {int mnum1.length();int n…

Spring Boot单元测试实战指南:从零到高效测试

在Spring Boot开发中&#xff0c;单元测试是保障代码质量的核心环节。本文将基于实际开发场景&#xff0c;手把手教你如何快速实现分层测试、模拟依赖、编写高效断言&#xff0c;并分享最佳实践&#xff01; 一、5分钟环境搭建 添加依赖 在pom.xml中引入spring-boot-starter-te…

React状态提升深度解析:原理、实战与最佳实践

一、状态提升的本质认知 React状态提升&#xff08;State Lifting&#xff09;是组件间通信的核心模式&#xff0c;其本质是通过组件树层级关系重构实现状态共享。与传统父子传参不同&#xff0c;它通过将状态提升到最近的共同祖先组件&#xff0c;建立单向数据流高速公路。 …

https nginx 负载均衡配置

我的系统是OpenEuler。 安装nginx yum install -y nginx 启动&开机启动 systemctl start nginx systemctl enable nginx 自定义conf配置文件 cat <<EOF >> /etc/nginx/conf.d/load_balancer.conf upstream backend {ip_hash; # 防止验证码验证失败server…

各种插值方法的Python实现

插值方法的Python实现 1. 线性插值&#xff08;Linear Interpolation&#xff09; 原理&#xff1a;用直线连接相邻数据点&#xff0c;计算中间点的值。 实现&#xff1a; import numpy as np from scipy.interpolate import interp1dx np.array([0, 1, 2, 3, 4]) y np.arr…

重新定义户外防护!基于DeepSeek的智能展开伞棚系统技术深度解析

从“手动操作”到“感知决策”&#xff0c;AI重构城市空间弹性 全球极端天气事件频发&#xff0c;传统伞棚依赖人工展开/收纳&#xff0c;存在响应滞后&#xff08;暴雨突袭时展开需3-5分钟&#xff09;、抗风能力弱&#xff08;8级风损毁率超60%&#xff09;、空间利用率低等痛…

Redis 基础和高级用法入门

redis 是什么&#xff1f; Redis是一个远程内存数据库&#xff0c;它不仅性能强劲&#xff0c;而且还具有复制特性以及为解决问题而生的独一无二的数据模型。Redis提供了5种不同类型的数据结构&#xff0c;各式各样的问题都可以很自然地映射到这些数据结构上&#xff1a…

常见数据库关键字示例 SQL 及执行顺序分析(带详细注释)

示例 SQL 及执行顺序分析&#xff08;带详细注释&#xff09; 示例 1&#xff1a;基础查询&#xff08;含多表关联、过滤、分组、排序&#xff09; SELECT -- 1. 选择字段&#xff08;包含聚合函数和别名&#xff09;e.department, COUNT(e.employee_id) AS total_employees, …

设计模式--建造者模式详解

建造者模式 建造者模式也属于创建型模式&#xff0c;它提供了一种创建对象的最佳方式 定义&#xff1a;将一个复杂对象的构建和它的表示分离&#xff0c;使得同样的构建过程可以创建不同的表示&#xff08;假设有不同的建造者实现类&#xff0c;可以产生不同的产品&#xff09…

PCB 过孔铜厚的深入指南

***前言&#xff1a;在上一期的文章中介绍了PCB制造的工艺流程&#xff0c;但仍然想在过孔的铜厚和PCB的过孔厚径比两个方面再深入介绍。 PCB铜厚的定义 电路中铜的厚度以盎司(oz)**表示。那么&#xff0c;为什么用重量单位来表示厚度呢? 盎司(oz)的定义 将1盎司(28.35 克)的铜…

如何配置 Conda 使用镜像源加速

如何配置 Conda 使用镜像源加速 为了提高使用 Anaconda 或 Miniconda 时包管理的速度&#xff0c;特别是在国内网络环境下&#xff0c;可以通过配置镜像源来实现更快的下载。以下是详细的步骤说明&#xff1a; 1. 安装 Conda&#xff08;如果尚未安装&#xff09; 如果你还没…

【k8s】k8s是怎么实现自动扩缩的

Kubernetes 提供了多种自动扩缩容机制&#xff0c;主要包括 Pod 水平自动扩缩&#xff08;HPA&#xff09;、垂直 Pod 自动扩缩&#xff08;VPA&#xff09; 和 集群自动扩缩&#xff08;Cluster Autoscaler&#xff09;。以下是它们的实现原理和配置方法&#xff1a; 1. Pod …

Reflex 完全指南:用 Python 构建现代 Web 应用的终极体验

“写 Python&#xff0c;就能构建 Web 前端。”——这不再是梦想&#xff0c;而是由 Reflex 带来的现实。 过去&#xff0c;构建一个现代 Web 应用意味着你要学会前端&#xff08;React/JS/HTML/CSS&#xff09; 后端&#xff08;Flask/Django&#xff09; API 交互&#xff08…

Vue实战(08)解决 Vue 项目中路径别名 `@` 在 IDE 中报错无法识别的问题

一、引言 ​ 在 Vue 项目开发过程中&#xff0c;路径别名是一个非常实用的特性&#xff0c;它能够帮助开发者简化文件引用路径&#xff0c;提高代码的可读性和可维护性。其中&#xff0c; 作为一个常见的路径别名&#xff0c;通常被用来指向项目的 src 目录。然而&#xff0c;…

5.学习笔记-SpringMVC(P61-P70)

SpringMVC-SSM整合-接口测试 (1)业务层接口使用junit接口做测试 (2)表现层用postman做接口测试 (3)事务处理— 1&#xff09;在SpringConfig.java&#xff0c;开启注解&#xff0c;是事务驱动 2&#xff09;配置事务管理器&#xff08;因为事务管理器是要配置数据源对象&…

[论文阅读]REPLUG: Retrieval-Augmented Black-Box Language Models

REPLUG: Retrieval-Augmented Black-Box Language Models REPLUG: Retrieval-Augmented Black-Box Language Models - ACL Anthology NAACL-HLT 2024 在这项工作中&#xff0c;我们介绍了RePlug&#xff08;Retrieve and Plug&#xff09;&#xff0c;这是一个新的检索增强型…

Mysql的深度分页查询优化

一、深度分页为什么慢&#xff1f; 当执行 SELECT * FROM orders ORDER BY id LIMIT 1000000, 10 时&#xff1a; MySQL 会扫描前 1,000,010 行&#xff0c;丢弃前 100 万行&#xff0c;仅返回 10 行。偏移量&#xff08;offset&#xff09;越大&#xff0c;扫描行数越多&…

最新扣子(Coze)案例教程:Excel数据生成统计图表,自动清洗数据+转换可视化图表+零代码,完全免费教程

大家好&#xff0c;我是斜杠君。 知识星球群有同学和我说每天的工作涉及很多数据表的重复操作&#xff0c;想学习Excel数据表通过大模型自动转数据图片的功能。 今天斜杠君就带大家一起搭建一个智能体&#xff0c;以一个销售行业数据为例&#xff0c;可以快速实现自动清洗Exc…