### 使用Python实现数字手势（1至5）的识别 为了实施数字手势（1至5）的识别，可以基于现有的手部追踪库Mediapipe构建解决方案。该方案涉及创建一个能够检测并解析手指状态的应用程序，进而判断当前显示的手势是否对应于特定的数字。 #### 手势识别原理 通过摄像头捕捉实时视频流中的手部图像，并利用预训练模型对手指关节的位置进行定位。对于每一个被跟踪到的手，提取其关键点坐标(id, x, y)，这些信息用于计算哪些手指处于抬起的状态。当拇指与其他四根手指之间的相对位置满足一定条件时，则认为形成了不同的数字手势[^2]。 #### 主要步骤概述 - 初始化MediaPipe Hands模块实例化对象。 - 获取每一帧画面内所有可见手掌的关键点集合。 - 对每只手上五个重要标志点(指尖)做逻辑运算得出最终结果。 下面给出一段简化版代码片段作为参考： ```python import cv2 from handutil import HandDetector # 假设已有一个名为handutil.py文件定义了HandDetector类 def count_fingers(hand_landmarks): finger_tips = [4, 8, 12, 16, 20] # 各个手指尖端对应的ID号 fingers_up = [] for tip in finger_tips: if tip == 4: # 特殊处理大拇指情况 if hand_landmarks.landmark[tip].x < hand_landmarks.landmark[tip - 1].x: fingers_up.append(True) else: fingers_up.append(False) else: if hand_landmarks.landmark[tip].y < hand_landmarks.landmark[tip - 2].y: fingers_up.append(True) else: fingers_up.append(False) return sum(fingers_up) cap = cv2.VideoCapture(0) detector = HandDetector() while True: success, img = cap.read() hands, img = detector.findHands(img) if hands: landmarks = hands[0]['lmList'] number_of_fingers = count_fingers(hands[0]) print(number_of_fingers) cv2.putText(img, str(number_of_fingers), (50, 70), cv2.FONT_HERSHEY_PLAIN, 3, (0, 255, 0), 3) cv2.imshow("Image", img) key = cv2.waitKey(1) if key & 0xFF == ord('q'): break cv2.destroyAllWindows() ``` 这段脚本展示了如何读取来自默认摄像设备的画面输入，并应用`HandDetector`来进行手部特征点检测；随后调用辅助函数`count_fingers()`统计竖起的手指数目，最后将结果显示在窗口上。