手势识别帮助计算机理解人体语言

描述

介绍

手势识别帮助计算机理解人体语言。这有助于在人与机器之间建立更有效的联系，而不仅仅是基本的文本用户界面或图形用户界面 (GUI)。在这个手势识别项目中，人体的动作是由计算机摄像头读取的。然后计算机利用这些数据作为输入来处理应用程序。该项目的目标是开发一个界面，该界面将动态捕捉人类手势并控制音量。

NumPy 是 Python 编程语言的一个库，增加了对大型多维数组和矩阵的支持，以及对这些数组进行操作的大量高级数学函数。

Pycaw : Python 音频控制库

Mediapipe是谷歌的一个开源机器学习库，里面有一些人脸识别和手势识别的解决方案，并提供了python、js等语言的封装。MediaPipe Hands 是一种高保真手和手指跟踪解决方案。它使用机器学习 (ML) 从一帧中推断出 21 个关键的 3D 手部信息。我们可以用它来提取手部关键点的坐标。

来源：https://www.google.com/url?sa=i&url=https%3A%2F%2Fgoogle.github.io%2Fmediapipe%2Fsolutions%2Fhands.html&psig=AOvVaw2xboCpSol16KKEIHe987Ui&ust=1638377869062000&source=images&cd=vfe&ved=0CA0AAAQ3YkBahcKEwiAHAAAAAQAw8DAAAAAQ

 

工作原则

我们设备中的相机用于此项目。它检测我们的手，其中包含点，以便它可以看到我们的拇指指尖和食指尖之间的距离。点 4 和 8 之间的距离与设备的体积成正比。

方法论/方法

• 检测手部地标
• 计算拇指尖和食指尖之间的距离。
• 用音量范围映射拇指尖和食指尖的距离。就我而言，拇指尖和食指尖之间的距离在 30 – 350 范围内，音量范围为 -63.5 – 0.0。
• 为了退出按“空格键”

 

优点：

• 便于使用
• 无忧无虑
• 有趣的使用
• 更具互动性

缺点：

• 不能用于远距离
• 有时不准确
• 需要一个像样的相机
• 可能会被两只手掌弄糊涂

参考

要下载 jupyter 文件，您还可以查看我的github 。