午夜久久网,一二三四社区在线高清3,一个人在线观看高清www动漫

作者阿#杰

本篇博客通過旭日X3搭載手勢識別算法，實現實時檢測，同時測試其運行性能。

針對旭日X3上并沒有很好的python IDE編譯環境的問題，本篇博客通過SSH遠程連接的方式，可以在不給旭日X3內存壓力的同時，提供一個更好的代碼編寫環境，同時通過SSH的方式給旭日X3配置對應的環境，起到方便快捷的作用。

一、準備工作

首先在電腦上安裝配有pycharm專業版（專業版可以使用ssh遠程登陸，學生使用教育郵箱申請pycharm專業版）。

Pycharm是一款用于Python編程的集成開發環境（IDE）。它可以幫助您編寫，測試和調試代碼，并具有諸如代碼提示，自動完成和錯誤檢測等功能，以幫助您更快地編寫高質量的代碼。

本次主要使用通過SSH遠程連接旭日X3，以便于傳輸代碼到x3派上，實現python的遠程操作。

其次，本次工作用到Meidapipe功能包，MediaPipe 是一款由 Google Research 開發并開源的多媒體機器學習模型應用框架，可以直接調用其API完成目標檢測、人臉檢測以及關鍵點檢測等。

Meidapipe是一個針對深度學習模型的高效執行庫，由PyTorch設計而成，提供了高級API，用于加速預測和推理的過程。它為模型執行提供了優化和并行化的功能，并且支持多個GPU和分布式訓練。

同時，Meidapipe還支持模型壓縮和部署，使模型在嵌入式設備和移動設備上的執行更加高效和靈活。

項目完成的效果展示：

二、部署過程

在x3派上安裝pip3及導入Meidapipe包：

sudo apt install python3-pip


pip3 install mediapipe -i https://mirrors.cloud.tencent.com/pypi/simple

確定旭日X3中攝像頭端口：

首先不插usb攝像頭輸入

ls /dev/video*

然后插上usb攝像頭再輸入ls /dev/video*

多出的端口號即為攝像頭端口。

創建手部類對象

初始化手部對象

hands是檢測手部關鍵點的函數，其中有4個輸入參數量可以選擇

1、static_image_mode：默認為False，如果設置為false, 就是把輸入看作一個視頻流，在檢測到手之后對手加了一個目標跟蹤(目標檢測+跟蹤)，無需調用另一次檢測，直到失去對任何手的跟蹤為止。

如果設置為True，則手部檢測將在每個輸入圖像上運行(目標檢測)，非常適合處理一批靜態的，可能不相關的圖像。(如果檢測的是圖片就要設置成True)

2、max_num_hands:可以檢測到的手的數量最大值，默認是2

3、min_detection_confidence: 手部檢測的最小置信度值，大于這個數值被認為是成功的檢測。默認為0.5

4、min_tracking_confidence：目標蹤模型的最小置信度值，大于這個數值將被視為已成功跟蹤的手部，默認為0.5，如果static_image_mode設置為true，則忽略此操作。

class HandDetector:
  """
  使用mediapipe庫查找手。導出地標像素格式。添加了額外的功能。
  如查找方式，許多手指向上或兩個手指之間的距離。而且提供找到的手的邊界框信息。
  """


  def __init__(self, mode=False, maxHands=2, detectionCon=0.5, minTrackCon=0.5):
    """
    :param mode: 在靜態模式下，對每個圖像進行檢測
    :param maxHands: 要檢測的最大手數
    :param detectionCon: 最小檢測置信度
    :param minTrackCon: 最小跟蹤置信度
    """
    self.mode = mode
    self.maxHands = maxHands
    self.modelComplex = False
    self.detectionCon = detectionCon
    self.minTrackCon = minTrackCon
     # 初始化手部識別模型
    self.mpHands = mp.solutions.hands
    self.hands = self.mpHands.Hands(self.mode, self.maxHands, self.modelComplex,
                self.detectionCon, self.minTrackCon)
    self.mpDraw = mp.solutions.drawing_utils # 初始化繪圖器
    self.tipIds = [4, 8, 12, 16, 20] # 指尖列表
    self.fingers = []
    self.lmList = []

創建發現手部并在圖像中繪制函數，返回繪制后的圖像。

def findHands(self, img, draw=True):
  """
  從圖像(BRG)中找到手部。
  :param img: 用于查找手的圖像。
  :param draw: 在圖像上繪制輸出的標志。
  :return: 帶或不帶圖形的圖像
  """
  imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 將傳入的圖像由BGR模式轉標準的Opencv模式——RGB模式，
  self.results = self.hands.process(imgRGB)


  if self.results.multi_hand_landmarks:
    for handLms in self.results.multi_hand_landmarks:
      if draw:
        self.mpDraw.draw_landmarks(img, handLms,
                      self.mpHands.HAND_CONNECTIONS)
  return img

創建發現手部坐標函數，并返回手部坐標列表。

def findPosition(self, img, handNo=0, draw=True):
  """
  查找單手的地標并將其放入列表中像素格式。還可以返回手部周圍的邊界框。
  :param img: 要查找的主圖像
  :param handNo: 如果檢測到多只手，則為手部id
  :param draw: 在圖像上繪制輸出的標志。(默認繪制矩形框)
  :return: 像素格式的手部關節位置列表；手部邊界框
  """


  xList = []
  yList = []
  bbox = []
  bboxInfo = []
  self.lmList = []
  if self.results.multi_hand_landmarks:
    myHand = self.results.multi_hand_landmarks[handNo]
    for id, lm in enumerate(myHand.landmark):
      h, w, c = img.shape
      px, py = int(lm.x * w), int(lm.y * h)
      xList.append(px)
      yList.append(py)
      self.lmList.append([px, py])
      if draw:
        cv2.circle(img, (px, py), 5, (255, 0, 255), cv2.FILLED)
    xmin, xmax = min(xList), max(xList)
    ymin, ymax = min(yList), max(yList)
    boxW, boxH = xmax - xmin, ymax - ymin
    bbox = xmin, ymin, boxW, boxH
    cx, cy = bbox[0] + (bbox[2] // 2), 
         bbox[1] + (bbox[3] // 2)
    bboxInfo = {"id": id, "bbox": bbox, "center": (cx, cy)}


    if draw:
      cv2.rectangle(img, (bbox[0] - 20, bbox[1] - 20),
             (bbox[0] + bbox[2] + 20, bbox[1] + bbox[3] + 20),
             (0, 255, 0), 2)


  return self.lmList, bboxInfo

判斷展開手指數量，同時區分左右手。

def fingersUp(self):
  """
  查找列表中打開并返回的手指數。會分別考慮左手和右手
  ：return：豎起手指的列表
  """
  if self.results.multi_hand_landmarks:
    myHandType = self.handType()
    fingers = []
    # Thumb
    if myHandType == "Right":
      if self.lmList[self.tipIds[0]][0] > self.lmList[self.tipIds[0] - 1][0]:
        fingers.append(1)
      else:
        fingers.append(0)
    else:
      if self.lmList[self.tipIds[0]][0] < self.lmList[self.tipIds[0] - 1][0]:
 ? ? ? ? ? ? ? ?fingers.append(1)
 ? ? ? ? ? ?else:
 ? ? ? ? ? ? ? ?fingers.append(0)
 ? ? ? ?# 4 Fingers
 ? ? ? ?for id in range(1, 5):
 ? ? ? ? ? ?if self.lmList[self.tipIds[id]][1] < self.lmList[self.tipIds[id] - 2][1]:
 ? ? ? ? ? ? ? ?fingers.append(1)
 ? ? ? ? ? ?else:
 ? ? ? ? ? ? ? ?fingers.append(0)
 ? ?return fingers

判斷識別到的是左手 or 右手。

def handType(self):
  """
  檢查傳入的手部是左還是右
  ：return: "Right" 或 "Left"
  """
  if self.results.multi_hand_landmarks:
    if self.lmList[17][0] < self.lmList[5][0]:
 ? ? ? ? ? ?return "Right"
 ? ? ? ?else:
 ? ? ? ? ? ?return "Left"

以上為手部檢測類中方法的創建實現，通過調用類的方式來實現相應的功能。

創建Main類，用于具體實現功能

攝像頭初始化

class Main:
  def __init__(self):
    self.camera = cv2.VideoCapture(1, cv2.CAP_DSHOW)
    self.camera.set(3, 1280)
    self.camera.set(4, 720)

調用手部類，并將相關信息顯示在實時畫面中

def Gesture_recognition(self):
  while True:
    self.detector = HandDetector()
    frame, img = self.camera.read()
    img = self.detector.findHands(img)
    lmList, bbox = self.detector.findPosition(img)


    if lmList:
      x_1, y_1 = bbox["bbox"][0], bbox["bbox"][1]
      x1, x2, x3, x4, x5 = self.detector.fingersUp()


      if (x2 == 1 and x3 == 1) and (x4 == 0 and x5 == 0 and x1 == 0):
        cv2.putText(img, "2_TWO", (x_1, y_1), cv2.FONT_HERSHEY_PLAIN, 3,
              (0, 0, 255), 3)
      elif (x2 == 1 and x3 == 1 and x4 == 1) and (x1 == 0 and x5 == 0):
        cv2.putText(img, "3_THREE", (x_1, y_1), cv2.FONT_HERSHEY_PLAIN, 3,
              (0, 0, 255), 3)
      elif (x2 == 1 and x3 == 1 and x4 == 1 and x5 == 1) and (x1 == 0):
        cv2.putText(img, "4_FOUR", (x_1, y_1), cv2.FONT_HERSHEY_PLAIN, 3,
              (0, 0, 255), 3)
      elif x1 == 1 and x2 == 1 and x3 == 1 and x4 == 1 and x5 == 1:
        cv2.putText(img, "5_FIVE", (x_1, y_1), cv2.FONT_HERSHEY_PLAIN, 3,
              (0, 0, 255), 3)
      elif x2 == 1 and (x1 == 0, x3 == 0, x4 == 0, x5 == 0):
        cv2.putText(img, "1_ONE", (x_1, y_1), cv2.FONT_HERSHEY_PLAIN, 3,
              (0, 0, 255), 3)
      elif x1 and (x2 == 0, x3 == 0, x4 == 0, x5 == 0):
        cv2.putText(img, "GOOD!", (x_1, y_1), cv2.FONT_HERSHEY_PLAIN, 3,
              (0, 0, 255), 3)
    cv2.imshow("camera", img)
    if cv2.getWindowProperty('camera', cv2.WND_PROP_VISIBLE) < 1:
 ? ? ? ? ? ?break
 ? ? ? ?cv2.waitKey(1)

程序入口：執行相關功能。

if __name__ == '__main__':
  Solution = Main()
  Solution.Gesture_recognition()

完整代碼展示

import cv2
import mediapipe as mp




class HandDetector:
  """
  使用mediapipe庫查找手。導出地標像素格式。添加了額外的功能。
  如查找方式，許多手指向上或兩個手指之間的距離。而且提供找到的手的邊界框信息。
  """


  def __init__(self, mode=False, maxHands=2, detectionCon=0.5, minTrackCon=0.5):
    """
    :param mode: 在靜態模式下，對每個圖像進行檢測
    :param maxHands: 要檢測的最大手數
    :param detectionCon: 最小檢測置信度
    :param minTrackCon: 最小跟蹤置信度
    """
    self.mode = mode
    self.maxHands = maxHands
    self.modelComplex = False
    self.detectionCon = detectionCon
    self.minTrackCon = minTrackCon


    # 初始化手部識別模型
    self.mpHands = mp.solutions.hands
    self.hands = self.mpHands.Hands(self.mode, self.maxHands, self.modelComplex,
                    self.detectionCon, self.minTrackCon)
    self.mpDraw = mp.solutions.drawing_utils # 初始化繪圖器
    self.tipIds = [4, 8, 12, 16, 20] # 指尖列表
    self.fingers = []
    self.lmList = []


  def findHands(self, img, draw=True):
    """
    從圖像(BRG)中找到手部。
    :param img: 用于查找手的圖像。
    :param draw: 在圖像上繪制輸出的標志。
     帶或不帶圖形的圖像
    """
    imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 將傳入的圖像由BGR模式轉標準的Opencv模式——RGB模式，
    self.results = self.hands.process(imgRGB)


    if self.results.multi_hand_landmarks:
      for handLms in self.results.multi_hand_landmarks:
        if draw:
          self.mpDraw.draw_landmarks(img, handLms,
                        self.mpHands.HAND_CONNECTIONS)
    return img


  def findPosition(self, img, handNo=0, draw=True):
    """
    查找單手的地標并將其放入列表中像素格式。還可以返回手部周圍的邊界框。
    :param img: 要查找的主圖像
    :param handNo: 如果檢測到多只手，則為手部id
    :param draw: 在圖像上繪制輸出的標志。(默認繪制矩形框)
     像素格式的手部關節位置列表；手部邊界框
    """


    xList = []
    yList = []
    bbox = []
    bboxInfo = []
    self.lmList = []
    if self.results.multi_hand_landmarks:
      myHand = self.results.multi_hand_landmarks[handNo]
      for id, lm in enumerate(myHand.landmark):
        h, w, c = img.shape
        px, py = int(lm.x * w), int(lm.y * h)
        xList.append(px)
        yList.append(py)
        self.lmList.append([px, py])
        if draw:
          cv2.circle(img, (px, py), 5, (255, 0, 255), cv2.FILLED)
      xmin, xmax = min(xList), max(xList)
      ymin, ymax = min(yList), max(yList)
      boxW, boxH = xmax - xmin, ymax - ymin
      bbox = xmin, ymin, boxW, boxH
      cx, cy = bbox[0] + (bbox[2] // 2), 
           bbox[1] + (bbox[3] // 2)
      bboxInfo = {"id": id, "bbox": bbox, "center": (cx, cy)}


      if draw:
        cv2.rectangle(img, (bbox[0] - 20, bbox[1] - 20),
               (bbox[0] + bbox[2] + 20, bbox[1] + bbox[3] + 20),
               (0, 255, 0), 2)


    return self.lmList, bboxInfo


  def fingersUp(self):
    """
    查找列表中打開并返回的手指數。會分別考慮左手和右手
    ：return：豎起手指的列表
    """
    if self.results.multi_hand_landmarks:
      myHandType = self.handType()
      fingers = []
      # Thumb
      if myHandType == "Right":
        if self.lmList[self.tipIds[0]][0] > self.lmList[self.tipIds[0] - 1][0]:
          fingers.append(1)
        else:
          fingers.append(0)
      else:
        if self.lmList[self.tipIds[0]][0] < self.lmList[self.tipIds[0] - 1][0]:
 ? ? ? ? ? ? ? ? ? ?fingers.append(1)
 ? ? ? ? ? ? ? ?else:
 ? ? ? ? ? ? ? ? ? ?fingers.append(0)
 ? ? ? ? ? ?# 4 Fingers
 ? ? ? ? ? ?for id in range(1, 5):
 ? ? ? ? ? ? ? ?if self.lmList[self.tipIds[id]][1] < self.lmList[self.tipIds[id] - 2][1]:
 ? ? ? ? ? ? ? ? ? ?fingers.append(1)
 ? ? ? ? ? ? ? ?else:
 ? ? ? ? ? ? ? ? ? ?fingers.append(0)
 ? ? ? ?return fingers


 ? ?def handType(self):
 ? ? ? ?"""
 ? ? ? ?檢查傳入的手部是左還是右
 ? ? ? ?：return: "Right" 或 "Left"
 ? ? ? ?"""
 ? ? ? ?if self.results.multi_hand_landmarks:
 ? ? ? ? ? ?if self.lmList[17][0] < self.lmList[5][0]:
 ? ? ? ? ? ? ? ?return "Right"
 ? ? ? ? ? ?else:
 ? ? ? ? ? ? ? ?return "Left"




class Main:
 ? ?def __init__(self):
 ? ? ? ?self.camera = cv2.VideoCapture(1, cv2.CAP_DSHOW)
 ? ? ? ?self.camera.set(3, 1280)
 ? ? ? ?self.camera.set(4, 720)


 ? ?def Gesture_recognition(self):
 ? ? ? ?while True:
 ? ? ? ? ? ?self.detector = HandDetector()
 ? ? ? ? ? ?frame, img = self.camera.read()
 ? ? ? ? ? ?img = self.detector.findHands(img)
 ? ? ? ? ? ?lmList, bbox = self.detector.findPosition(img)


 ? ? ? ? ? ?if lmList:
 ? ? ? ? ? ? ? ?x_1, y_1 = bbox["bbox"][0], bbox["bbox"][1]
 ? ? ? ? ? ? ? ?x1, x2, x3, x4, x5 = self.detector.fingersUp()


 ? ? ? ? ? ? ? ?if (x2 == 1 and x3 == 1) and (x4 == 0 and x5 == 0 and x1 == 0):
 ? ? ? ? ? ? ? ? ? ?cv2.putText(img, "2_TWO", (x_1, y_1), cv2.FONT_HERSHEY_PLAIN, 3,
 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(0, 0, 255), 3)
 ? ? ? ? ? ? ? ?elif (x2 == 1 and x3 == 1 and x4 == 1) and (x1 == 0 and x5 == 0):
 ? ? ? ? ? ? ? ? ? ?cv2.putText(img, "3_THREE", (x_1, y_1), cv2.FONT_HERSHEY_PLAIN, 3,
 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(0, 0, 255), 3)
 ? ? ? ? ? ? ? ?elif (x2 == 1 and x3 == 1 and x4 == 1 and x5 == 1) and (x1 == 0):
 ? ? ? ? ? ? ? ? ? ?cv2.putText(img, "4_FOUR", (x_1, y_1), cv2.FONT_HERSHEY_PLAIN, 3,
 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(0, 0, 255), 3)
 ? ? ? ? ? ? ? ?elif x1 == 1 and x2 == 1 and x3 == 1 and x4 == 1 and x5 == 1:
 ? ? ? ? ? ? ? ? ? ?cv2.putText(img, "5_FIVE", (x_1, y_1), cv2.FONT_HERSHEY_PLAIN, 3,
 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(0, 0, 255), 3)
 ? ? ? ? ? ? ? ?elif x2 == 1 and (x1 == 0, x3 == 0, x4 == 0, x5 == 0):
 ? ? ? ? ? ? ? ? ? ?cv2.putText(img, "1_ONE", (x_1, y_1), cv2.FONT_HERSHEY_PLAIN, 3,
 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(0, 0, 255), 3)
 ? ? ? ? ? ? ? ?elif x1 and (x2 == 0, x3 == 0, x4 == 0, x5 == 0):
 ? ? ? ? ? ? ? ? ? ?cv2.putText(img, "GOOD!", (x_1, y_1), cv2.FONT_HERSHEY_PLAIN, 3,
 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(0, 0, 255), 3)
 ? ? ? ? ? ?cv2.imshow("camera", img)
 ? ? ? ? ? ?if cv2.getWindowProperty('camera', cv2.WND_PROP_VISIBLE) < 1:
 ? ? ? ? ? ? ? ?break
 ? ? ? ? ? ?cv2.waitKey(1)
 ? ? ? ? ? ?# if cv2.waitKey(1) & 0xFF == ord("q"):
 ? ? ? ? ? ?# ? ? break




if __name__ == '__main__':
 ? ?Solution = Main()
 ? ?Solution.Gesture_recognition()

審核編輯：湯梓紅

聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規問題，請聯系本站處理。舉報投訴

IDE

IDE

+關注

關注
0

文章
338

瀏覽量
46737
開發環境

開發環境

+關注

關注
1

文章
225

瀏覽量
16609
編譯環境

編譯環境

+關注

關注
0

文章
12

瀏覽量
8552
python

python

+關注

關注
56

文章
4792

瀏覽量
84627
手勢檢測

手勢檢測

+關注

關注
0

文章
10

瀏覽量
6937

原文標題：?使用旭日X3派實現手勢檢測

文章出處：【微信號：vision263com，微信公眾號：新機器視覺】歡迎添加關注！文章轉載請注明出處。

【地平線旭日X3派試用體驗】開箱與板載資源介紹視頻

本視頻為地平線旭日X3派的開箱視頻,講解板載資源.

發表于 07-10 00:14

【地平線旭日X3派試用體驗】#旭日X3派首百嘗鮮#資料下載及環境搭建初試

前言：非常高興成為地平線旭日X3派的新品體驗官，一直想做一些不一樣的東西，看到地平線旭日X3派的

發表于 07-12 13:45

【地平線旭日X3派試用體驗】01. X3派開箱及上手

1、開箱突然一天接到地平線官方小姐姐的電話說我的X3派申請試用通過了，確實讓我有點意外被選中成為試用者，非常感謝地平線官方和電子發燒友開展本次旭日X3

發表于 08-09 17:32

#旭日X3派首百嘗鮮# 用solidworks畫了一個旭日X3派的模型

前幾天突然看到了一個樹莓派的炫酷電腦機箱外殼，想著也給旭日X3派安排一個。在設計機箱之前需要先有旭日X3

發表于 08-31 11:18

【地平線旭日X3派試用體驗】地平線旭日X3派AGV智能車設計

本項目是做一個基于地平線旭日X3派ROS-SLAM激光雷達自主導航AGV機器人原型設計。地平線旭日X3派

發表于 09-12 19:25

【地平線旭日X3派試用體驗】地平線旭日X3派AGV智能車設計

本文來源電子發燒友社區，作者：mameng，帖子地址： https://bbs.elecfans.com/jishu_2305070_1_1.html ? ? ?本項目是做一個基于地平線旭日X3派

發表于 10-21 10:23 ?3093次閱讀

解決旭日X3派串口登陸時，控制窗口小的情況

一鍵解決旭日X3派串口登陸控制窗口過小……

發表于 07-13 15:02 ?736次閱讀

旭日X3派燒錄最小啟動固件

手把手燒錄旭日X3派開發板最小啟動鏡像

發表于 07-18 14:24 ?663次閱讀

【百板嘗鮮】旭日x3派開箱及上手體驗-讀取手機攝像頭推流圖像跑通fcos目標檢測demo

【百板嘗鮮】旭日x3派開箱及上手體驗

發表于 07-26 11:44 ?1644次閱讀

#旭日X3派首百嘗鮮# 【AI健身實體機】Arduino使用MAX30102人體心率血氧檢測模塊在X3派上位機上的顯示

#旭日X3派首百嘗鮮# 【AI健身實體機】

發表于 07-27 16:19 ?1210次閱讀

#旭日X3派首百嘗鮮#旭日x3派移植mjpg-streamer

「地平線旭日X3派，開啟你的嵌入式開發之旅」，歡迎正在閱讀的你一起交流開發心得

發表于 08-10 14:17 ?1113次閱讀

旭日，從地平線升起——地平線旭日X3派開箱試用

地平線旭日X3派，開啟你的嵌入式開發之旅

發表于 11-08 15:22 ?1639次閱讀

旭日X3派更新最小啟動固件

本文介紹通過更新旭日X3派的最小啟動固件的方式來提高SD卡的兼容性

發表于 11-10 10:27 ?792次閱讀

平平無奇縱享絲滑，旭日X3派高速網絡新體驗

地平線旭日?X3派（下文簡稱旭日X3派）作為一款用于機器人的板子，在應用中除了需要高性能BPU的

發表于 02-21 14:43 ?823次閱讀

當旭日X3派遇上ChatGPT，我們能「chat」什么

。ChatGPT是一款由OpenAI開發的自然語言處理模型，可以理解人類語言、自動生成文本、回答問題和完成其他任務，還可以與其他技術聯動，實現更加復雜的應用。旭日X3派遇

發表于 02-24 11:07 ?768次閱讀