OpenCV实现手势音量控制

**
前言：
*Hello大家好，我是Dream。 今天来学习一下*如何使用OpenCV实现手势音量控制**，欢迎大家一起前来探讨学习~

一、需要的库及功能介绍

本次实验需要使用OpenCV和mediapipe库进行手势识别，并利用手势距离控制电脑音量。

导入库：

cv2：OpenCV库，用于读取摄像头视频流和图像处理。
mediapipe：mediapipe库，用于手部关键点检测和手势识别。
ctypes和comtypes：用于与操作系统的音频接口进行交互。
pycaw：pycaw库，用于控制电脑音量。

功能：

初始化mediapipe和音量控制模块，获取音量范围。
打开摄像头，读取视频流。
对每一帧图像进行处理： - 转换图像为RGB格式。- 使用mediapipe检测手部关键点。- 如果检测到手部关键点： - 在图像中标注手指关键点和手势连线。- 解析手指关键点坐标。- 根据拇指和食指指尖的坐标，计算手势距离。- 将手势距离转换为音量大小，并控制电脑音量。- 显示处理后的图像。
循环执行前述步骤，直到手动停止程序或关闭摄像头。

注意事项:

在运行代码之前，需要安装相关库（opencv、mediapipe、pycaw）。
需要连接音频设备并使其可访问。
检测到多个手部时，只处理第一个检测到的手部。
检测到手指关键点时，将索引指为0的关键点作为拇指的指尖，索引指为1的关键点作为食指的指尖。

cv2.VideoCapture()函数参数问题

在这里插入图片描述
这并没有错。但在树莓派上调用时需要更改参数，改为：

cap = cv2.VideoCapture(1)

调用电脑摄像头时：
电脑在用

cv2.VideoCapture(0)

时，程序结束后会有报错：

[ WARN:0] SourceReaderCB::~SourceReaderCB terminating async callback

需要改为：

cv2.VideoCapture(0,cv2.CAP_DSHOW)

二、导入所需要的模块

# 导入OpenCVimport cv2
# 导入mediapipeimport mediapipe as mp
# 导入电脑音量控制模块from ctypes import cast, POINTER
from comtypes import CLSCTX_ALL
from pycaw.pycaw import AudioUtilities, IAudioEndpointVolume

# 导入其他依赖包import time
import math
import numpy as np

三、初始化 HandControlVolume 类

classHandControlVolume:def__init__(self):"""
        初始化 HandControlVolume 类的实例

        初始化 mediapipe 对象，用于手部关键点检测和手势识别。
        获取电脑音量接口，并获取音量范围。
        """# 初始化 medialpipe
        self.mp_drawing = mp.solutions.drawing_utils
        self.mp_drawing_styles = mp.solutions.drawing_styles
        self.mp_hands = mp.solutions.hands

        # 获取电脑音量范围
        devices = AudioUtilities.GetSpeakers()
        interface = devices.Activate(
            IAudioEndpointVolume._iid_, CLSCTX_ALL,None)
        self.volume = cast(interface, POINTER(IAudioEndpointVolume))
        self.volume.SetMute(0,None)
        self.volume_range = self.volume.GetVolumeRange()

初始化 mediapipe 对象，用于手部关键点检测和手势识别。
获取电脑音量接口，并获取音量范围。

四、主函数

1.计算刷新率

初始化刷新率的计算，记录当前时间作为初始时间。
使用OpenCV打开视频流，此处读取摄像头设备，默认使用设备ID为0。
设置视频流的分辨率为指定的resize_w和resize_h大小，并将图像resize为该尺寸。
在使用hands对象之前，使用with语句创建一个上下文环境，设置手部检测和追踪的相关参数，包括最小检测置信度、最小追踪置信度和最大手的数量。
进入循环，判断视频流是否打开。使用cap.read()函数从视频流中读取一帧图像，返回的success表示是否读取成功，image则是读取到的图像。
对读取到的图像进行resize，将其调整为指定的大小。如果读取失败，则打印提示信息并继续下一次循环。

# 主函数defrecognize(self):# 计算刷新率
        fpsTime = time.time()# OpenCV读取视频流
        cap = cv2.VideoCapture(0)# 视频分辨率
        resize_w =640
        resize_h =480# 画面显示初始化参数
        rect_height =0
        rect_percent_text =0with self.mp_hands.Hands(min_detection_confidence=0.7,
                                 min_tracking_confidence=0.5,
                                 max_num_hands=2)as hands:while cap.isOpened():
                success, image = cap.read()
                image = cv2.resize(image,(resize_w, resize_h))ifnot success:print("空帧.")continue

2.提高性能

将图像的可写标志image.flags.writeable设置为False，以便进行内存优化。
将图像从BGR格式转换为RGB格式，这是因为MediaPipe模型处理的输入要求为RGB格式。
对图像进行水平翻转，即镜像操作，以使图像更符合常见的镜像显示。
使用MediaPipe模型对图像进行处理，得到结果。
将图像的可写标志image.flags.writeable设置为True，以重新启用对图像的写入操作。
将图像从RGB格式转换回BGR格式，以便后续的显示和处理。

这些优化操作旨在提高程序的性能和效率。其中，将图像的可写标志设置为False可以减少不必要的内存拷贝，转换图像的格式和镜像操作则是为了符合MediaPipe模型的输入要求和更好地进行手势识别。最后，将图像转换回BGR格式是为了与OpenCV的显示函数兼容。

# 提高性能
                image.flags.writeable =False# 转为RGB
                image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)# 镜像
                image = cv2.flip(image,1)# mediapipe模型处理
                results = hands.process(image)

                image.flags.writeable =True
                image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)

3.判断是否有手掌

判断results.multi_hand_landmarks是否存在，即是否检测到手掌。如果存在，则继续执行下面的代码。
遍历results.multi_hand_landmarks中的每个hand_landmarks，即遍历每个检测到的手掌。
使用self.mp_drawing.draw_landmarks函数将检测到的手掌标注在图像上，包括手指的关键点和手指之间的连接线。

# 判断是否有手掌if results.multi_hand_landmarks:# 遍历每个手掌for hand_landmarks in results.multi_hand_landmarks:# 在画面标注手指
                        self.mp_drawing.draw_landmarks(
                            image,
                            hand_landmarks,
                            self.mp_hands.HAND_CONNECTIONS,
                            self.mp_drawing_styles.get_default_hand_landmarks_style(),
                            self.mp_drawing_styles.get_default_hand_connections_style())

4.解析手指，存入各个手指坐标

首先解析手指的坐标，并存入landmark_list列表中。然后，根据手指的坐标计算出大拇指和食指的指尖坐标，以及两者的中间点坐标。接下来，绘制了大拇指、食指和两者之间的连线，并使用勾股定理计算了两个指尖之间的长度。

创建一个空的landmark_list列表用于存储手指坐标。
遍历手部关键点的每个元素，将每个关键点的id、x、y和z坐标存储在一个列表中，然后将该列表添加到landmark_list中。
判断landmark_list是否不为空，如果不为空，继续执行下面的代码。
从landmark_list中获取大拇指指尖坐标的列表项，然后计算出在图像上的像素坐标。
从landmark_list中获取食指指尖坐标的列表项，然后计算出在图像上的像素坐标。
计算大拇指指尖和食指指尖的中间点坐标。
绘制大拇指和食指的指尖点，以及中间点。
绘制大拇指和食指之间的连线。
使用勾股定理计算大拇指指尖和食指指尖之间的长度，保存在line_len中。

# 解析手指，存入各个手指坐标
                        landmark_list =[]for landmark_id, finger_axis inenumerate(
                                hand_landmarks.landmark):
                            landmark_list.append([
                                landmark_id, finger_axis.x, finger_axis.y,
                                finger_axis.z
                            ])if landmark_list:# 获取大拇指指尖坐标
                            thumb_finger_tip = landmark_list[4]
                            thumb_finger_tip_x = math.ceil(thumb_finger_tip[1]* resize_w)
                            thumb_finger_tip_y = math.ceil(thumb_finger_tip[2]* resize_h)# 获取食指指尖坐标
                            index_finger_tip = landmark_list[8]
                            index_finger_tip_x = math.ceil(index_finger_tip[1]* resize_w)
                            index_finger_tip_y = math.ceil(index_finger_tip[2]* resize_h)# 中间点
                            finger_middle_point =(thumb_finger_tip_x + index_finger_tip_x)//2,(
                                    thumb_finger_tip_y + index_finger_tip_y)//2# print(thumb_finger_tip_x)
                            thumb_finger_point =(thumb_finger_tip_x, thumb_finger_tip_y)
                            index_finger_point =(index_finger_tip_x, index_finger_tip_y)# 画指尖2点
                            image = cv2.circle(image, thumb_finger_point,10,(255,0,255),-1)
                            image = cv2.circle(image, index_finger_point,10,(255,0,255),-1)
                            image = cv2.circle(image, finger_middle_point,10,(255,0,255),-1)# 画2点连线
                            image = cv2.line(image, thumb_finger_point, index_finger_point,(255,0,255),5)# 勾股定理计算长度
                            line_len = math.hypot((index_finger_tip_x - thumb_finger_tip_x),(index_finger_tip_y - thumb_finger_tip_y))

5.获取电脑最大最小音量

实现获取电脑的最大和最小音量，并将指尖的长度映射到音量范围和矩形显示上，然后将映射后的音量值设置为电脑的音量。具体过程如下：

self.volume_range[0]和self.volume_range[1]分别获取电脑的最小音量和最大音量。
np.interp函数将指尖的长度line_len映射到从50到300的范围，再映射到最小音量和最大音量的范围，得到音量值vol。
np.interp函数将指尖的长度line_len映射到从50到300的范围，再映射到从0到200的范围，得到矩形的高度rect_height。
np.interp函数将指尖的长度line_len映射到从50到300的范围，再映射到从0到100的范围，得到矩形百分比显示的数值rect_percent_text。
self.volume.SetMasterVolumeLevel方法将音量值vol设置为电脑的音量。

# 获取电脑最大最小音量
                            min_volume = self.volume_range[0]
                            max_volume = self.volume_range[1]# 将指尖长度映射到音量上
                            vol = np.interp(line_len,[50,300],[min_volume, max_volume])# 将指尖长度映射到矩形显示上
                            rect_height = np.interp(line_len,[50,300],[0,200])
                            rect_percent_text = np.interp(line_len,[50,300],[0,100])# 设置电脑音量
                            self.volume.SetMasterVolumeLevel(vol,None)

6.显示矩形

cv2.putText函数

来在图像上显示矩形框的百分比值；

cv2.rectangle函数

来绘制矩形框并填充颜色；

cv2.putText函数

来在图像上显示当前帧的刷新率FPS；

cv2.imshow函数

来显示处理后的图像；

cv2.waitKey函数

等待按键输入，当按下ESC键或关闭窗口时退出程序；

HandControlVolume

类的recognize方法调用了手势识别的功能。

# 显示矩形
                cv2.putText(image,str(math.ceil(rect_percent_text))+"%",(10,350),
                            cv2.FONT_HERSHEY_PLAIN,3,(255,0,0),3)
                image = cv2.rectangle(image,(30,100),(70,300),(255,0,0),3)
                image = cv2.rectangle(image,(30, math.ceil(300- rect_height)),(70,300),(255,0,0),-1)# 显示刷新率FPS
                cTime = time.time()
                fps_text =1/(cTime - fpsTime)
                fpsTime = cTime
                cv2.putText(image,"FPS: "+str(int(fps_text)),(10,70),
                            cv2.FONT_HERSHEY_PLAIN,3,(255,0,0),3)# 显示画面
                cv2.imshow('MediaPipe Hands', image)if cv2.waitKey(5)&0xFF==27or cv2.getWindowProperty('MediaPipe Hands', cv2.WND_PROP_VISIBLE)<1:break
            cap.release()# 开始程序
control = HandControlVolume()
control.recognize()

五、实战演示

在这里插入图片描述

在这里插入图片描述

通过演示我们可以发现，食指与大拇指之间在屏幕中的的距离越远，那么我们的音量会越大，反之越小，实现了通过手势对音量的控制。

六、源码分享

import cv2
import mediapipe as mp
from ctypes import cast, POINTER
from comtypes import CLSCTX_ALL
from pycaw.pycaw import AudioUtilities, IAudioEndpointVolume
import time
import math
import numpy as np

classHandControlVolume:def__init__(self):# 初始化medialpipe
        self.mp_drawing = mp.solutions.drawing_utils
        self.mp_drawing_styles = mp.solutions.drawing_styles
        self.mp_hands = mp.solutions.hands

        # 获取电脑音量范围
        devices = AudioUtilities.GetSpeakers()
        interface = devices.Activate(
            IAudioEndpointVolume._iid_, CLSCTX_ALL,None)
        self.volume = cast(interface, POINTER(IAudioEndpointVolume))
        self.volume.SetMute(0,None)
        self.volume_range = self.volume.GetVolumeRange()# 主函数defrecognize(self):# 计算刷新率
        fpsTime = time.time()# OpenCV读取视频流
        cap = cv2.VideoCapture(0)# 视频分辨率
        resize_w =640
        resize_h =480# 画面显示初始化参数
        rect_height =0
        rect_percent_text =0with self.mp_hands.Hands(min_detection_confidence=0.7,
                                 min_tracking_confidence=0.5,
                                 max_num_hands=2)as hands:while cap.isOpened():
                success, image = cap.read()
                image = cv2.resize(image,(resize_w, resize_h))ifnot success:print("空帧.")continue# 提高性能
                image.flags.writeable =False# 转为RGB
                image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)# 镜像
                image = cv2.flip(image,1)# mediapipe模型处理
                results = hands.process(image)

                image.flags.writeable =True
                image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)# 判断是否有手掌if results.multi_hand_landmarks:# 遍历每个手掌for hand_landmarks in results.multi_hand_landmarks:# 在画面标注手指
                        self.mp_drawing.draw_landmarks(
                            image,
                            hand_landmarks,
                            self.mp_hands.HAND_CONNECTIONS,
                            self.mp_drawing_styles.get_default_hand_landmarks_style(),
                            self.mp_drawing_styles.get_default_hand_connections_style())# 解析手指，存入各个手指坐标
                        landmark_list =[]for landmark_id, finger_axis inenumerate(
                                hand_landmarks.landmark):
                            landmark_list.append([
                                landmark_id, finger_axis.x, finger_axis.y,
                                finger_axis.z
                            ])if landmark_list:# 获取大拇指指尖坐标
                            thumb_finger_tip = landmark_list[4]
                            thumb_finger_tip_x = math.ceil(thumb_finger_tip[1]* resize_w)
                            thumb_finger_tip_y = math.ceil(thumb_finger_tip[2]* resize_h)# 获取食指指尖坐标
                            index_finger_tip = landmark_list[8]
                            index_finger_tip_x = math.ceil(index_finger_tip[1]* resize_w)
                            index_finger_tip_y = math.ceil(index_finger_tip[2]* resize_h)# 中间点
                            finger_middle_point =(thumb_finger_tip_x + index_finger_tip_x)//2,(
                                    thumb_finger_tip_y + index_finger_tip_y)//2# print(thumb_finger_tip_x)
                            thumb_finger_point =(thumb_finger_tip_x, thumb_finger_tip_y)
                            index_finger_point =(index_finger_tip_x, index_finger_tip_y)# 画指尖2点
                            image = cv2.circle(image, thumb_finger_point,10,(255,0,255),-1)
                            image = cv2.circle(image, index_finger_point,10,(255,0,255),-1)
                            image = cv2.circle(image, finger_middle_point,10,(255,0,255),-1)# 画2点连线
                            image = cv2.line(image, thumb_finger_point, index_finger_point,(255,0,255),5)# 勾股定理计算长度
                            line_len = math.hypot((index_finger_tip_x - thumb_finger_tip_x),(index_finger_tip_y - thumb_finger_tip_y))# 获取电脑最大最小音量
                            min_volume = self.volume_range[0]
                            max_volume = self.volume_range[1]# 将指尖长度映射到音量上
                            vol = np.interp(line_len,[50,300],[min_volume, max_volume])# 将指尖长度映射到矩形显示上
                            rect_height = np.interp(line_len,[50,300],[0,200])
                            rect_percent_text = np.interp(line_len,[50,300],[0,100])# 设置电脑音量
                            self.volume.SetMasterVolumeLevel(vol,None)# 显示矩形
                cv2.putText(image,str(math.ceil(rect_percent_text))+"%",(10,350),
                            cv2.FONT_HERSHEY_PLAIN,3,(255,0,0),3)
                image = cv2.rectangle(image,(30,100),(70,300),(255,0,0),3)
                image = cv2.rectangle(image,(30, math.ceil(300- rect_height)),(70,300),(255,0,0),-1)# 显示刷新率FPS
                cTime = time.time()
                fps_text =1/(cTime - fpsTime)
                fpsTime = cTime
                cv2.putText(image,"FPS: "+str(int(fps_text)),(10,70),
                            cv2.FONT_HERSHEY_PLAIN,3,(255,0,0),3)# 显示画面
                cv2.imshow('xyp', image)if cv2.waitKey(5)&0xFF==27or cv2.getWindowProperty('MediaPipe Hands', cv2.WND_PROP_VISIBLE)<1:break
            cap.release()
control = HandControlVolume()
control.recognize()

标签： opencv 人工智能计算机视觉

本文转载自: https://blog.csdn.net/weixin_51390582/article/details/134218385
版权归原作者 是Dream呀 所有，如有侵权，请联系我们删除。