OpenCV实现手势音量控制_网站优化分享

您的位置：上海毫米网络优化公司 > 网站优化分享 >

一、需要的库及功能介绍

本次实验需要使用OpenCV和mediapipe库进行手势识别，并利用手势距离控制电脑音量。

导入库：

cv2：OpenCV库，用于读取摄像头视频流和图像处理。
mediapipe：mediapipe库，用于手部关键点检测和手势识别。
ctypes和comtypes：用于与操作系统的音频接口进行交互。

pycaw：pycaw库，用于控制电脑音量。

功能：

初始化mediapipe和音量控制模块，获取音量范围。
打开摄像头，读取视频流。
对每一帧图像进行处理：
- 转换图像为RGB格式。
- 使用mediapipe检测手部关键点。
- 如果检测到手部关键点：
  - 在图像中标注手指关键点和手势连线。
  - 解析手指关键点坐标。
  - 根据拇指和食指指尖的坐标，计算手势距离。
  - 将手势距离转换为音量大小，并控制电脑音量。
  - 显示处理后的图像。
  - 循环执行前述步骤，直到手动停止程序或关闭摄像头。

注意事项:

在运行代码之前，需要安装相关库（opencv、mediapipe、pycaw）。
需要连接音频设备并使其可访问。
检测到多个手部时，只处理第一个检测到的手部。
检测到手指关键点时，将索引指为0的关键点作为拇指的指尖，索引指为1的关键点作为食指的指尖。

cv2.VideoCapture()函数参数问题

OpenCV实现手势音量控制,在这里插入图片描述,第1张

这并没有错。但在树莓派上调用时需要更改参数，改为：

cap = cv2.VideoCapture(1)

调用电脑摄像头时：

电脑在用cv2.VideoCapture(0)时，程序结束后会有报错：

[ WARN:0] SourceReaderCB::~SourceReaderCB terminating async callback

需要改为：

cv2.VideoCapture(0,cv2.CAP_DSHOW)

二、导入所需要的模块

# 导入OpenCV
import cv2
# 导入mediapipe
import mediapipe as mp
# 导入电脑音量控制模块
from ctypes import cast, POINTER
from comtypes import CLSCTX_ALL
from pycaw.pycaw import AudioUtilities, IAudioEndpointVolume
# 导入其他依赖包
import time
import math
import numpy as np

三、初始化 HandControlVolume 类

class HandControlVolume:
    def __init__(self):
        """
        初始化 HandControlVolume 类的实例
        初始化 mediapipe 对象，用于手部关键点检测和手势识别。
        获取电脑音量接口，并获取音量范围。
        """
        # 初始化 medialpipe
        self.mp_drawing = mp.solutions.drawing_utils
        self.mp_drawing_styles = mp.solutions.drawing_styles
        self.mp_hands = mp.solutions.hands
        # 获取电脑音量范围
        devices = AudioUtilities.GetSpeakers()
        interface = devices.Activate(
            IAudioEndpointVolume._iid_, CLSCTX_ALL, None)
        self.volume = cast(interface, POINTER(IAudioEndpointVolume))
        self.volume.SetMute(0, None)
        self.volume_range = self.volume.GetVolumeRange()

初始化 mediapipe 对象，用于手部关键点检测和手势识别。

获取电脑音量接口，并获取音量范围。

四、主函数

1.计算刷新率

初始化刷新率的计算，记录当前时间作为初始时间。
使用OpenCV打开视频流，此处读取摄像头设备，默认使用设备ID为0。
设置视频流的分辨率为指定的resize_w和resize_h大小，并将图像resize为该尺寸。
在使用hands对象之前，使用with语句创建一个上下文环境，设置手部检测和追踪的相关参数，包括最小检测置信度、最小追踪置信度和最大手的数量。
进入循环，判断视频流是否打开。使用cap.read()函数从视频流中读取一帧图像，返回的success表示是否读取成功，image则是读取到的图像。
对读取到的图像进行resize，将其调整为指定的大小。如果读取失败，则打印提示信息并继续下一次循环。

# 主函数
    def recognize(self):
        # 计算刷新率
        fpsTime = time.time()
        # OpenCV读取视频流
        cap = cv2.VideoCapture(0)
        # 视频分辨率
        resize_w = 640
        resize_h = 480
        # 画面显示初始化参数
        rect_height = 0
        rect_percent_text = 0
        with self.mp_hands.Hands(min_detection_confidence=0.7,
                                 min_tracking_confidence=0.5,
                                 max_num_hands=2) as hands:
            while cap.isOpened():
                success, image = cap.read()
                image = cv2.resize(image, (resize_w, resize_h))
                if not success:
                    print("空帧.")
                    continue

2.提高性能

将图像的可写标志image.flags.writeable设置为False，以便进行内存优化。
将图像从BGR格式转换为RGB格式，这是因为MediaPipe模型处理的输入要求为RGB格式。
对图像进行水平翻转，即镜像操作，以使图像更符合常见的镜像显示。
使用MediaPipe模型对图像进行处理，得到结果。
将图像的可写标志image.flags.writeable设置为True，以重新启用对图像的写入操作。
将图像从RGB格式转换回BGR格式，以便后续的显示和处理。

这些优化操作旨在提高程序的性能和效率。其中，将图像的可写标志设置为False可以减少不必要的内存拷贝，转换图像的格式和镜像操作则是为了符合MediaPipe模型的输入要求和更好地进行手势识别。最后，将图像转换回BGR格式是为了与OpenCV的显示函数兼容。

                # 提高性能
                image.flags.writeable = False
                # 转为RGB
                image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
                # 镜像
                image = cv2.flip(image, 1)
                # mediapipe模型处理
                results = hands.process(image)
                image.flags.writeable = True
                image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)

3.判断是否有手掌

判断results.multi_hand_landmarks是否存在，即是否检测到手掌。如果存在，则继续执行下面的代码。
遍历results.multi_hand_landmarks中的每个hand_landmarks，即遍历每个检测到的手掌。
使用self.mp_drawing.draw_landmarks函数将检测到的手掌标注在图像上，包括手指的关键点和手指之间的连接线。

# 判断是否有手掌
                if results.multi_hand_landmarks:
                    # 遍历每个手掌
                    for hand_landmarks in results.multi_hand_landmarks:
                        # 在画面标注手指
                        self.mp_drawing.draw_landmarks(
                            image,
                            hand_landmarks,
                            self.mp_hands.HAND_CONNECTIONS,
                            self.mp_drawing_styles.get_default_hand_landmarks_style(),
                            self.mp_drawing_styles.get_default_hand_connections_style())

4.解析手指，存入各个手指坐标

首先解析手指的坐标，并存入landmark_list列表中。然后，根据手指的坐标计算出大拇指和食指的指尖坐标，以及两者的中间点坐标。接下来，绘制了大拇指、食指和两者之间的连线，并使用勾股定理计算了两个指尖之间的长度。

创建一个空的landmark_list列表用于存储手指坐标。
遍历手部关键点的每个元素，将每个关键点的id、x、y和z坐标存储在一个列表中，然后将该列表添加到landmark_list中。
判断landmark_list是否不为空，如果不为空，继续执行下面的代码。
从landmark_list中获取大拇指指尖坐标的列表项，然后计算出在图像上的像素坐标。
从landmark_list中获取食指指尖坐标的列表项，然后计算出在图像上的像素坐标。
计算大拇指指尖和食指指尖的中间点坐标。
绘制大拇指和食指的指尖点，以及中间点。
绘制大拇指和食指之间的连线。
使用勾股定理计算大拇指指尖和食指指尖之间的长度，保存在line_len中。

 # 解析手指，存入各个手指坐标
                        landmark_list = []
                        for landmark_id, finger_axis in enumerate(
                                hand_landmarks.landmark):
                            landmark_list.append([
                                landmark_id, finger_axis.x, finger_axis.y,
                                finger_axis.z
                            ])
                        if landmark_list:
                            # 获取大拇指指尖坐标
                            thumb_finger_tip = landmark_list[4]
                            thumb_finger_tip_x = math.ceil(thumb_finger_tip[1] * resize_w)
                            thumb_finger_tip_y = math.ceil(thumb_finger_tip[2] * resize_h)
                            # 获取食指指尖坐标
                            index_finger_tip = landmark_list[8]
                            index_finger_tip_x = math.ceil(index_finger_tip[1] * resize_w)
                            index_finger_tip_y = math.ceil(index_finger_tip[2] * resize_h)
                            # 中间点
                            finger_middle_point = (thumb_finger_tip_x + index_finger_tip_x) // 2, (
                                    thumb_finger_tip_y + index_finger_tip_y) // 2
                            # print(thumb_finger_tip_x)
                            thumb_finger_point = (thumb_finger_tip_x, thumb_finger_tip_y)
                            index_finger_point = (index_finger_tip_x, index_finger_tip_y)
                            # 画指尖2点
                            image = cv2.circle(image, thumb_finger_point, 10, (255, 0, 255), -1)
                            image = cv2.circle(image, index_finger_point, 10, (255, 0, 255), -1)
                            image = cv2.circle(image, finger_middle_point, 10, (255, 0, 255), -1)
                            # 画2点连线
                            image = cv2.line(image, thumb_finger_point, index_finger_point, (255, 0, 255), 5)
                            # 勾股定理计算长度
                            line_len = math.hypot((index_finger_tip_x - thumb_finger_tip_x),
   (index_finger_tip_y - thumb_finger_tip_y))

5.获取电脑最大最小音量

实现获取电脑的最大和最小音量，并将指尖的长度映射到音量范围和矩形显示上，然后将映射后的音量值设置为电脑的音量。具体过程如下：

self.volume_range[0]和self.volume_range[1]分别获取电脑的最小音量和最大音量。
np.interp函数将指尖的长度line_len映射到从50到300的范围，再映射到最小音量和最大音量的范围，得到音量值vol。
np.interp函数将指尖的长度line_len映射到从50到300的范围，再映射到从0到200的范围，得到矩形的高度rect_height。
np.interp函数将指尖的长度line_len映射到从50到300的范围，再映射到从0到100的范围，得到矩形百分比显示的数值rect_percent_text。
self.volume.SetMasterVolumeLevel方法将音量值vol设置为电脑的音量。

# 获取电脑最大最小音量
                            min_volume = self.volume_range[0]
                            max_volume = self.volume_range[1]
                            # 将指尖长度映射到音量上
                            vol = np.interp(line_len, [50, 300], [min_volume, max_volume])
                            # 将指尖长度映射到矩形显示上
                            rect_height = np.interp(line_len, [50, 300], [0, 200])
                            rect_percent_text = np.interp(line_len, [50, 300], [0, 100])
                            # 设置电脑音量
                            self.volume.SetMasterVolumeLevel(vol, None)

6.显示矩形

cv2.putText函数来在图像上显示矩形框的百分比值；

cv2.rectangle函数来绘制矩形框并填充颜色；

cv2.putText函数来在图像上显示当前帧的刷新率FPS；

cv2.imshow函数来显示处理后的图像；

cv2.waitKey函数等待按键输入，当按下ESC键或关闭窗口时退出程序；

HandControlVolume类的recognize方法调用了手势识别的功能。

# 显示矩形
                cv2.putText(image, str(math.ceil(rect_percent_text)) + "%", (10, 350),
                            cv2.FONT_HERSHEY_PLAIN, 3, (255, 0, 0), 3)
                image = cv2.rectangle(image, (30, 100), (70, 300), (255, 0, 0), 3)
                image = cv2.rectangle(image, (30, math.ceil(300 - rect_height)), (70, 300), (255, 0, 0), -1)
                # 显示刷新率FPS
                cTime = time.time()
                fps_text = 1 / (cTime - fpsTime)
                fpsTime = cTime
                cv2.putText(image, "FPS: " + str(int(fps_text)), (10, 70),
                            cv2.FONT_HERSHEY_PLAIN, 3, (255, 0, 0), 3)
                # 显示画面
                cv2.imshow('MediaPipe Hands', image)
                if cv2.waitKey(5) & 0xFF == 27 or cv2.getWindowProperty('MediaPipe Hands', cv2.WND_PROP_VISIBLE) < 1:
                    break
            cap.release()
# 开始程序
control = HandControlVolume()
control.recognize()

五、实战演示

OpenCV实现手势音量控制,在这里插入图片描述,第2张

OpenCV实现手势音量控制,在这里插入图片描述,第3张

OpenCV实现手势音量控制,在这里插入图片描述,第4张

通过演示我们可以发现，食指与大拇指之间在屏幕中的的距离越远，那么我们的音量会越大，反之越小，实现了通过手势对音量的控制。

六、源码分享

import cv2
import mediapipe as mp
from ctypes import cast, POINTER
from comtypes import CLSCTX_ALL
from pycaw.pycaw import AudioUtilities, IAudioEndpointVolume
import time
import math
import numpy as np
class HandControlVolume:
    def __init__(self):
        # 初始化medialpipe
        self.mp_drawing = mp.solutions.drawing_utils
        self.mp_drawing_styles = mp.solutions.drawing_styles
        self.mp_hands = mp.solutions.hands
        # 获取电脑音量范围
        devices = AudioUtilities.GetSpeakers()
        interface = devices.Activate(
            IAudioEndpointVolume._iid_, CLSCTX_ALL, None)
        self.volume = cast(interface, POINTER(IAudioEndpointVolume))
        self.volume.SetMute(0, None)
        self.volume_range = self.volume.GetVolumeRange()
    # 主函数
    def recognize(self):
        # 计算刷新率
        fpsTime = time.time()
        # OpenCV读取视频流
        cap = cv2.VideoCapture(0)
        # 视频分辨率
        resize_w = 640
        resize_h = 480
        # 画面显示初始化参数
        rect_height = 0
        rect_percent_text = 0
        with self.mp_hands.Hands(min_detection_confidence=0.7,
                                 min_tracking_confidence=0.5,
                                 max_num_hands=2) as hands:
            while cap.isOpened():
                success, image = cap.read()
                image = cv2.resize(image, (resize_w, resize_h))
                if not success:
                    print("空帧.")
                    continue
                # 提高性能
                image.flags.writeable = False
                # 转为RGB
                image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
                # 镜像
                image = cv2.flip(image, 1)
                # mediapipe模型处理
                results = hands.process(image)
                image.flags.writeable = True
                image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
                # 判断是否有手掌
                if results.multi_hand_landmarks:
                    # 遍历每个手掌
                    for hand_landmarks in results.multi_hand_landmarks:
                        # 在画面标注手指
                        self.mp_drawing.draw_landmarks(
                            image,
                            hand_landmarks,
                            self.mp_hands.HAND_CONNECTIONS,
                            self.mp_drawing_styles.get_default_hand_landmarks_style(),
                            self.mp_drawing_styles.get_default_hand_connections_style())
                        # 解析手指，存入各个手指坐标
                        landmark_list = []
                        for landmark_id, finger_axis in enumerate(
                                hand_landmarks.landmark):
                            landmark_list.append([
                                landmark_id, finger_axis.x, finger_axis.y,
                                finger_axis.z
                            ])
                        if landmark_list:
                            # 获取大拇指指尖坐标
                            thumb_finger_tip = landmark_list[4]
                            thumb_finger_tip_x = math.ceil(thumb_finger_tip[1] * resize_w)
                            thumb_finger_tip_y = math.ceil(thumb_finger_tip[2] * resize_h)
                            # 获取食指指尖坐标
                            index_finger_tip = landmark_list[8]
                            index_finger_tip_x = math.ceil(index_finger_tip[1] * resize_w)
                            index_finger_tip_y = math.ceil(index_finger_tip[2] * resize_h)
                            # 中间点
                            finger_middle_point = (thumb_finger_tip_x + index_finger_tip_x) // 2, (
                                    thumb_finger_tip_y + index_finger_tip_y) // 2
                            # print(thumb_finger_tip_x)
                            thumb_finger_point = (thumb_finger_tip_x, thumb_finger_tip_y)
                            index_finger_point = (index_finger_tip_x, index_finger_tip_y)
                            # 画指尖2点
                            image = cv2.circle(image, thumb_finger_point, 10, (255, 0, 255), -1)
                            image = cv2.circle(image, index_finger_point, 10, (255, 0, 255), -1)
                            image = cv2.circle(image, finger_middle_point, 10, (255, 0, 255), -1)
                            # 画2点连线
                            image = cv2.line(image, thumb_finger_point, index_finger_point, (255, 0, 255), 5)
                            # 勾股定理计算长度
                            line_len = math.hypot((index_finger_tip_x - thumb_finger_tip_x),
   (index_finger_tip_y - thumb_finger_tip_y))
                            # 获取电脑最大最小音量
                            min_volume = self.volume_range[0]
                            max_volume = self.volume_range[1]
                            # 将指尖长度映射到音量上
                            vol = np.interp(line_len, [50, 300], [min_volume, max_volume])
                            # 将指尖长度映射到矩形显示上
                            rect_height = np.interp(line_len, [50, 300], [0, 200])
                            rect_percent_text = np.interp(line_len, [50, 300], [0, 100])
                            # 设置电脑音量
                            self.volume.SetMasterVolumeLevel(vol, None)
                # 显示矩形
                cv2.putText(image, str(math.ceil(rect_percent_text)) + "%", (10, 350),
                            cv2.FONT_HERSHEY_PLAIN, 3, (255, 0, 0), 3)
                image = cv2.rectangle(image, (30, 100), (70, 300), (255, 0, 0), 3)
                image = cv2.rectangle(image, (30, math.ceil(300 - rect_height)), (70, 300), (255, 0, 0), -1)
                # 显示刷新率FPS
                cTime = time.time()
                fps_text = 1 / (cTime - fpsTime)
                fpsTime = cTime
                cv2.putText(image, "FPS: " + str(int(fps_text)), (10, 70),
                            cv2.FONT_HERSHEY_PLAIN, 3, (255, 0, 0), 3)
                # 显示画面
                cv2.imshow('xyp', image)
                if cv2.waitKey(5) & 0xFF == 27 or cv2.getWindowProperty('MediaPipe Hands', cv2.WND_PROP_VISIBLE) < 1:
                    break
            cap.release()
control = HandControlVolume()
control.recognize()

企业网站建设专业的公司合肥建设公司网站西安网站设计制作教程在线简历制作网站招聘网镇江网站建设推广

上一篇：Halcon经典的边缘检测算子SobelLaplaceCanny

下一篇：Azure Machine Learning - 视频AI技术