Пишем систему распознавания ладони на Python OpenCV

Отредактировано

Покажу как написать систему распознавания ладони на Python + OpenCV (26 строчек кода). Этот урок требует минимальных знаний OpenCV.

21К открытий24К показов

Всем привет, сегодня я покажу как написать систему распознавания ладони на Python + OpenCV (26 строчек кода). Этот урок требует минимальных знаний OpenCV.

Что мы получим на выходе

Примерно это:

Пишем систему распознавания ладони на Python OpenCV 1

Полезные ссылки

Сайт OpenCV
Документация mediapipe
Код на GitHub (Без комментариев)

Перед работой

Вам потребуется:

Python 3;
OpenCV;
mediapipe.

Установка происходит через пакетный менеджер:

			pip install opencv-python

			pip install mediapipe

Кодим

Я решил использовать mediapipe, потому что в нём есть уже обученная ИИ для распознания ладони.

Для начало вам нужно понять, что ладонь состоит из суставов, которые можно выразить точками:

Пишем систему распознавания ладони на Python OpenCV 2

Далее пишем сам код:

			import cv2
import mediapipe as mp

cap = cv2.VideoCapture(0) #Камера
hands = mp.solutions.hands.Hands(max_num_hands=1) #Объект ИИ для определения ладони
draw = mp.solutions.drawing_utils #Для рисование ладони

while True:
    #Закрытие окна
    if cv2.waitKey(1) & 0xFF == 27:
        break

    success, image = cap.read() #Считываем изображение с камеры
    image = cv2.flip(image, -1) #Отражаем изображение для корекктной картинки
    imageRGB = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) #Конвертируем в rgb
    results = hands.process(imageRGB) #Работа mediapipe

    if results.multi_hand_landmarks:
        for handLms in results.multi_hand_landmarks:
            for id, lm in enumerate(handLms.landmark):
                h, w, c = image.shape
                cx, cy = int(lm.x * w), int(lm.y * h)

            draw.draw_landmarks(image, handLms, mp.solutions.hands.HAND_CONNECTIONS) #Рисуем ладонь

    cv2.imshow("Hand", image) #Отображаем картинку

Решение ошибки: ImportError: DLL load failed можно найти здесь.

В коде есть комментарии, но предлагаю разобрать подробно:

Импорты OpenCV и mediapipe.

			import cv2
import mediapipe as mp

Необходимые объекты: камера (cap), нейронка для определения ладоней (hands) с аргументов max_num_hands — максимальное количество ладоней, — и наша «рисовалка» (draw).

			cap = cv2.VideoCapture(0)
hands = mp.solutions.hands.Hands(max_num_hands=1)
draw = mp.solutions.drawing_utils

Бесконечный цикл.

			while True:

Выходим из цикла если нажата клавиша с номером 27 (Esc).

			if cv2.waitKey(1) & 0xFF == 27:
    break

Считываем изображение с камеры, отражаем изображение по вертикали и горизонтали, конвертируем в RGB. И, самое интересное, отдаём нашу картинку на определение ладоней.

			success, image = cap.read()
image = cv2.flip(image, -1)
imageRGB = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
results = hands.process(imageRGB)

Первый if-блок проверяет были ли вообще найдены ладони (любой не пустой объект является истинным). Далее циклом for мы «перебираем» объект с набором этих точек. Второй for — перебираем сами точки из набора

draw.draw_landmarks — удобная утилита, которая рисует ладонь на изображении, в аргументах: изображение, набор точек, и что рисуем (в нашем случае руку).

			if results.multi_hand_landmarks:
    for handLms in results.multi_hand_landmarks:
        for id, lm in enumerate(handLms.landmark):
            h, w, c = image.shape
            cx, cy = int(lm.x * w), int(lm.y * h)

        draw.draw_landmarks(image, handLms, mp.solutions.hands.HAND_CONNECTIONS)

Отображаем картинку.

			cv2.imshow("Hand", image)

Итог

Мы написали распознавание ладони на Python в 26 строк кода, круто, не так ли? Оцените этот пост ведь это важно для меня.

21К открытий24К показов

Также рекомендуем

HTTP-запросы: GET, POST и другие

Что такое HTTP-запросы. Показываем основные виды запросов HTTP. Рассматриваем пошаговую инструкцию по использованию ✔ Tproger

Deloitte признала использование ИИ в правительственном отчёте с фейковыми цитатами и вернёт часть гонорара

Deloitte Australia признала, что правительственный отчёт на $440 тыс. содержал вымышленные цитаты, созданные GPT-4o. Компания вернёт часть средств и внесла исправления. Эксперты призывают к прозрачности при использовании ИИ в аналитике.

«Microsoft не может продать Copilot, OpenAI тонет в долгах»: почему ИИ — это очередной пузырь

Аналитики считают ИИ-проекты пузырём: Copilot купили лишь 0,5% клиентов, OpenAI тонет в долгах, а стартапы жгут миллиарды в убыток

«SQL хорош для данных, но плох для логики» — почему все больше разработчиков выносят бизнес-логику из базы

SQL отлично справляется с данными, но неудобен для бизнес-логики: разработчики выносят её в код ради гибкости, скорости и независимости