### MediaPipe Hands 的复现步骤与配置要求 MediaPipe Hands 是 Google 开发的一个用于实时手部关键点检测的框架，支持多种操作系统和开发环境。以下是详细的复现步骤以及所需的配置说明。 #### 1. ### 环境准备 确保安装必要的依赖项以构建和运行 MediaPipe Hands。 - **Python 版本** 推荐使用 Python 3.8 或更高版本[^1]。 - **Ubuntu 系统** 使用 Ubuntu 20.04 LTS 作为基础操作系统，并按照以下命令安装所需的基础库： ```bash sudo apt update && sudo apt upgrade -y sudo apt install -y protobuf-compiler cmake ``` - **OpenCV 安装** 安装指定版本的 OpenCV-Python (4.1.2.30)，以便兼容 MediaPipe 所需的功能: ```bash pip install opencv-python==4.1.2.30 ``` - **Mediapipe 安装** 下载并安装最新稳定版 Mediapipe (目前为 v0.8.2)[^1]: ```bash pip install mediapipe==0.8.2 ``` #### 2. ### 数据集与模型加载 MediaPipe Hands 默认使用 TensorFlow Lite 模型来进行推理。如果需要重新训练或微调模型，可参考官方文档中的数据标注流程[^2]。 - **下载预训练模型** MediaPipe 已经内置了经过充分验证的手部姿态估计模型，无需额外下载即可直接使用。 - **自定义模型路径**（可选） 若计划替换默认模型，则应将新的 TFLite 文件放置于项目根目录下，并更新初始化代码指向新位置： ```python base_options = mp.tasks.BaseOptions(model_asset_path='path/to/custom_model.tflite') options = mp.tasks.vision.GestureRecognizerOptions(base_options=base_options) recognizer = mp.tasks.visionGestureRecognizer(options=options) ``` #### 3. ### 编写测试程序 创建一个简单的 Python 脚本来展示 MediaPipe Hands 功能的实际效果。 ```python import cv2 import mediapipe as mp mp_hands = mp.solutions.hands hands = mp_hands.Hands(static_image_mode=False, max_num_hands=2) cap = cv2.VideoCapture(0) # 初始化摄像头捕捉对象 while cap.isOpened(): success, image = cap.read() if not success: break results = hands.process(cv2.cvtColor(image, cv2.COLOR_BGR2RGB)) # 进行情感分析处理 annotated_image = image.copy() # 创建副本以防修改原始帧 if results.multi_hand_landmarks: # 判断是否存在识别到的手掌信息 for hand_landmarks in results.multi_hand_landmarks: mp_drawing.draw_landmarks( annotated_image, hand_landmarks, mp_hands.HAND_CONNECTIONS ) cv2.imshow('Hand Tracking', annotated_image) # 显示带有标记的结果画面 keypress = cv2.waitKey(5) if keypress & 0xFF == ord('q'): # 当按下 'Q' 键退出循环 break cv2.destroyAllWindows() cap.release() ``` 此脚本实现了基本的手势追踪演示功能，能够显示每只手上各个关节的位置及其连接线[^1]。 --- ####