基于MediaPipe的Python手势识别项目（附项目源码）

识别 效果

如下所示，可以在普通的CPU环境下直接进行识别：

核心 代码

导入库 主要需要的库包括mediapipe、numpy、opencv-python

import copyimport argparse import cv2 as cvimport numpy as npimport mediapipe as mp  from collections import dequeimport cv2 as cv

1.计算左上角FPS的方法，根据当前的运行速度来计算FPS

class CvFpsCalc(object):    def __init__(self, buffer_len=1):        self._start_tick = cv.getTickCount()        self._freq = 1000.0 / cv.getTickFrequency()        self._difftimes = deque(maxlen=buffer_len)     def get(self):        current_tick = cv.getTickCount()        different_time = (current_tick - self._start_tick) * self._freq        self._start_tick = current_tick         self._difftimes.append(different_time)         fps = 1000.0 / (sum(self._difftimes) / len(self._difftimes))        fps_rounded = round(fps, 2)         return fps_rounded

2.定义参数，参数部分可以保留默认值

def get_args():    parser = argparse.ArgumentParser()     parser.add_argument("--device", type=int, default=0)    parser.add_argument("--width", help='cap width', type=int, default=960)    parser.add_argument("--height", help='cap height', type=int, default=540)     parser.add_argument("--model_complexity"
免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删