描述

介紹

手勢識別幫助計算機理解人體語言。這有助于在人與機器之間建立更有效的聯系，而不僅僅是基本的文本用戶界面或圖形用戶界面 (GUI)。在這個手勢識別項目中，人體的動作是由計算機攝像頭讀取的。然后計算機利用這些數據作為輸入來處理應用程序。該項目的目標是開發一個界面，該界面將動態捕捉人類手勢并控制音量。

NumPy 是 Python 編程語言的一個庫，增加了對大型多維數組和矩陣的支持，以及對這些數組進行操作的大量高級數學函數。

Pycaw : Python 音頻控制庫

Mediapipe是谷歌的一個開源機器學習庫，里面有一些人臉識別和手勢識別的解決方案，并提供了python、js等語言的封裝。MediaPipe Hands 是一種高保真手和手指跟蹤解決方案。它使用機器學習 (ML) 從一幀中推斷出 21 個關鍵的 3D 手部信息。我們可以用它來提取手部關鍵點的坐標。

來源：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

?

工作原則

我們設備中的相機用于此項目。它檢測我們的手，其中包含點，以便它可以看到我們的拇指指尖和食指尖之間的距離。點 4 和 8 之間的距離與設備的體積成正比。

方法論/方法

• 檢測手部地標
• 計算拇指尖和食指尖之間的距離。
• 用音量范圍映射拇指尖和食指尖的距離。就我而言，拇指尖和食指尖之間的距離在 30 – 350 范圍內，音量范圍為 -63.5 – 0.0。
• 為了退出按“空格鍵”

?

優點：

• 便于使用
• 無憂無慮
• 有趣的使用
• 更具互動性

缺點：

• 不能用于遠距離
• 有時不準確
• 需要一個像樣的相機
• 可能會被兩只手掌弄糊涂

參考

要下載 jupyter 文件，您還可以查看我的github 。

?