Python Mediapipe手部地标检测

时间:2022-05-28 woshicver 人气:0

概述

在本文中，我们将以深度库即 Mediapipe为基础库，以及其他计算机视觉预处理的CV2库来制作手部地标检测模型。市场上有很多关于这种问题的用例，例如商业相关的虚拟现实、游戏部分的实时体验。

行业用例

智能家居：这是计算机视觉的现代用例之一，人们使用智能家居来过上更舒适的生活，这就是为什么它不再是一个小众领域，它也正在蔓延到普通家庭。

智能电视：我们经常看到这种用例，你可以用手势来改变音量、改变频道等等。

游戏：对于真正的体验，这项技术越来越多地融入互动游戏。

让我们建立我们的手部检测模型

导入库

在这里，我们将导入整个管道中需要的所有库。

import cv2
import numpy as np
import mediapipe as mp
import matplotlib.pyplot as plt

使用 Mediapipe 初始化手的地标检测模型

第一步是使用有效参数初始化模型，无论我们采用哪种检测技术，它可以是Mediapipe 或Yolo，初始化模型很重要，遵循相同的原则，我们将遵循所有给定的步骤：

# First step is to initialize the Hands class an store it in a variable
mp_hands = mp.solutions.hands
 
# Now second step is to set the hands function which will hold the landmarks points
hands = mp_hands.Hands(static_image_mode=True, max_num_hands=2, min_detection_confidence=0.3)
 
# Last step is to set up the drawing function of hands landmarks on the image
mp_drawing = mp.solutions.drawing_utils

代码分解：

首先，使用mp.solutions.hands初始化变量 mp_hands。
然后使用相同的变量通过mp.solutions.hands.Hands()为hands设置函数。

到目前为止，我们了解了手模型初始化的结构，现在让我们深入研究函数中使用的参数hands。

static_image_mode: 该参数将布尔值作为其有效值，即它可以是True或False。当处理视频流时，默认条件是 False ，这意味着它会降低处理延迟，即它会继续专注于特定的手并定位相同的手，直到它追踪的手消失，当我们必须检测实时流或视频中的手时，这可能是有益的，根据我们的要求，我们必须检测图像上的地标，因此我们将值设置为True。
max_num_hands：此参数将指示模型将在一个实例中检测到的最大手数。默认情况下，该值为 2，这也是有意义的，尽管我们可以更改它，但我们希望至少检测到一双手。
min_detection_confidence：它提供了置信水平的阈值。最小检测置信度的理想范围是 [0.0,1.0]，默认情况下，它保持为 0.5，这意味着如果置信度低于 50%，则在输出图像中根本不会检测到手。

最后，我们将使用mp.solutions.drawing_utils，它将负责在输出图像上绘制所有手的地标，这些地标由我们的 Hands 函数检测到。

读取图像

在这里，我们将首先使用cv2.imread()读取要在其上执行手部检测的图像，并使用matplotlib库来显示该特定输入图像。

# Reading the sample image on which we will perform the detection
sample_img = cv2.imread('media/sample.jpg')
 
# Here we are specifing the size of the figure i.e. 10 -height; 10- width.
plt.figure(figsize = [10, 10])
 
# Here we will display the sample image as the output.
plt.title("Sample Image");plt.axis('off');plt.imshow(sample_img[:,:,::-1]);plt.show()

输出：

执行手部地标检测

因此，现在我们已经初始化了我们的手部检测模型，下一步将是处理输入图像上的手部地标检测，并使用上述初始化模型在该图像上绘制所有 21 个地标，我们将通过以下步骤。

results = hands.process(cv2.cvtColor(sample_img, cv2.COLOR_BGR2RGB))
 
if results.multi_hand_landmarks:
    
   for hand_no, hand_landmarks in enumerate(results.multi_hand_landmarks):
        print(f'HAND NUMBER: {hand_no+1}')
        print('-----------------------')
        
        for i in range(2):
            print(f'{mp_hands.HandLandmark(i).name}:')
            print(f'{hand_landmarks.landmark[mp_hands.HandLandmark(i).value]}')

输出：

代码分解：

第一步，我们使用Mediapipe 库中的process函数将手部地标检测结果存储在变量results中，同时我们将图像从 BGR 格式转换为 RGB 格式。
在进入下一步时，我们将首先检查一些验证，是否检测到点，即变量results应该存放了一些结果。
如果是，那么我们将遍历在图像中检测到的具有手部地标的所有点。
现在在另一个循环中，我们可以看到只有 2 次迭代，因为我们只想显示手的 2 个地标。
最后，我们将根据要求打印出所有检测到并过滤掉的地标。

从上面的处理中，我们发现所有检测到的地标都被归一化为通用尺度，但是现在对于用户端，这些缩放点是不相关的，因此我们会将这些地标恢复到原始状态。

image_height, image_width, _ = sample_img.shape
 
if results.multi_hand_landmarks:
 
    for hand_no, hand_landmarks in enumerate(results.multi_hand_landmarks):
        
        print(f'HAND NUMBER: {hand_no+1}')
        print('-----------------------')
        
        for i in range(2):    
            print(f'{mp_hands.HandLandmark(i).name}:') 
            print(f'x: {hand_landmarks.landmark[mp_hands.HandLandmark(i).value].x * image_width}')
            print(f'y: {hand_landmarks.landmark[mp_hands.HandLandmark(i).value].y * image_height}')
            print(f'z: {hand_landmarks.landmark[mp_hands.HandLandmark(i).value].z * image_width}n')

输出：

代码分解：

我们只需要在这里执行一个额外的步骤，即我们将从我们定义的示例图像中获得图像的原始宽度和高度，然后所有步骤将与我们之前所做的相同，唯一不同的将是现在地标点没有专门缩放。

在图像上绘制地标

由于我们已经从上述预处理中获得了手部地标，现在是时候执行我们的最后一步了，即在图像上绘制点，以便我们可以直观地看到我们的手部地标检测模型是如何执行的。

img_copy = sample_img.copy()
 
if results.multi_hand_landmarks:
 
    for hand_no, hand_landmarks in enumerate(results.multi_hand_landmarks):
        
        mp_drawing.draw_landmarks(image = img_copy, landmark_list = hand_landmarks,
                                  connections = mp_hands.HAND_CONNECTIONS)
    fig = plt.figure(figsize = [10, 10])
 
    plt.title("Resultant Image");plt.axis('off');plt.imshow(img_copy[:,:,::-1]);plt.show()

输出：

代码分解：

首先，我们将创建原始图像的副本，此步骤是出于安全目的，因为我们不想失去图像的原创性。
然后我们将处理之前所做的验证工作。
然后我们将遍历手的每个地标。
最后，借助mp_drawing.draw_landmarks函数，我们将在图像上绘制地标。
是时候使用 matplotlib 绘制图像了，所以首先，我们将给出图形大小（此处为 width-10 和 height-10），然后在最后绘制，imshow将 BGR 格式转换为 RGB 格式后的图像使用函数，因为对于 RGB 格式更有意义。

结论

在整个管道中，我们首先初始化模型，然后读取图像，查看输入图像，然后进行预处理。我们缩小了地标点，但这些点与用户无关，因此我们将其恢复到原始状态，最后我们将在图像上绘制地标。

尾注

这是本文的 github 链接：https://github.com/Aman-Preet-Singh-Gulati/hands-landmarks-detection-mediapipe

加载全部内容

​Python Mediapipe手部地标检测

概述

行业用例

导入库

使用 Mediapipe 初始化手的地标检测模型

读取图像

执行手部地标检测

在图像上绘制地标

结论

尾注

Python Mediapipe手部地标检测