一、技术栈

1. OpenCV（Open Source Computer Vision Library）

• 性质：开源计算机视觉库（Library）

• 主要功能：

  • 图像/视频的基础处理（读取、裁剪、滤波、色彩转换等）

  • 特征检测（边缘、角点等）

  • 摄像头标定、目标跟踪等

• 在项目中的作用：

  • 负责视频流的捕获（cv2.VideoCapture）

  • 图像格式转换（cv2.cvtColor）

  • 最终结果的渲染显示（cv2.imshow）

2. MediaPipe

• 性质：由Google开发的跨平台机器学习框架（Framework）

• 主要功能：

  • 提供预训练的端到端模型（如手部关键点、人脸网格、姿态估计等）

  • 专注于实时感知任务（低延迟、移动端优化）

• 在项目中的作用：

  • 调用mediapipe.solutions.hands模型实现21个手部关键点检测

  • 输出关键点坐标，并通过mpDraw可视化

二、手部关键点检测

 （一）初始化

cap = cv2.VideoCapture(0)  # 通过OpenCV调用摄像头设备。参数0：默认摄像头（笔记本内置摄像头）。
mpHands = mp.solutions.hands  # MediaPipe的手部关键点检测模型（21个关键点）
hands = mpHands.Hands()  # 创建模型实例
mpDraw = mp.solutions.drawing_utils  # MediaPipe提供的绘图工具，用于在图像上绘制关键点和连线。
handLmsStyle = mpDraw.DrawingSpec(color=(0, 0, 255), thickness=5)  # 点的样式
handConStyle = mpDraw.DrawingSpec(color=(0, 255, 0), thickness=10)  # 线的样式
pTime = 0
cTime = 0

（二）关键点检测

ret, img = cap.read()  # 从摄像头持续读取视频帧。OpenCV默认格式为BGR格式if ret:imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # 格式转换，MediaPipe模型要求输入为RGB格式# 手部关键点检测result = hands.process(imgRGB)# print(result.multi_hand_landmarks)imgHeight = img.shape[0]imgWidth = img.shape[1]

 重要代码解释：

 result = hands.process(imgRGB)

• 底层过程：

        图像输入MediaPipe手部模型

        模型输出包含：

                multi_hand_landmarks：21个关键点的归一化坐标（0~1之间）

                multi_handedness：左右手判断

• result 数据结构：

        类型：List（列表）

        内容：每个元素代表一只手的21个关键点数据（因此result.multi_hand_landmarks最多                  有两个元素）

        层级关系：

result.multi_hand_landmarks[0]  # 第1只手.landmark[0]                  # 第1个关键点.x                          # 归一化x坐标 (0.0~1.0).y                          # 归一化y坐标 (0.0~1.0).z                          # 相对深度（值越小越靠近摄像头）

（三）可视化

         # 关键点可视化if result.multi_hand_landmarks:for handLms in result.multi_hand_landmarks:  # 遍历每只检测到的手mpDraw.draw_landmarks(img, handLms, mpHands.HAND_CONNECTIONS, handLmsStyle,handConStyle)  # 绘制手部关键点和骨骼连线for i, lm in enumerate(handLms.landmark):  # 遍历21个关键点xPos = int(lm.x * imgWidth)  # 将归一化x坐标转换为像素坐标yPos = int(lm.y * imgHeight)  # 将归一化y坐标转换为像素坐标cv2.putText(img, str(i), (xPos - 25, yPos + 5), cv2.FONT_HERSHEY_SIMPLEX, 0.4, (0, 0, 255),2)  # 在关键点旁标注索引数字if i == 4:cv2.circle(img, (xPos, yPos), 20, (166, 56, 56), cv2.FILLED)print(i, xPos, yPos)  # 用深蓝色实心圆高亮标记拇指尖

  重要代码解释：

mpDraw.draw_landmarks(img, handLms, mpHands.HAND_CONNECTIONS, handLmsStyle, handConStyle)

• 功能：绘制手部关键点和骨骼连线

• 参数详解：

  • img：目标图像（OpenCV格式）

  • handLms：当前手的关键点数据

  • mpHands.HAND_CONNECTIONS：预定义的关键点连接关系（如点0-1相连，点1-2相连等）

  • handLmsStyle：关键点绘制样式（红色圆点，厚度5）

  • handConStyle：连接线样式（绿色线条，厚度10）

xPos = int(lm.x * imgWidth)  # 将归一化x坐标转换为像素坐标
yPos = int(lm.y * imgHeight) # 将归一化y坐标转换为像素坐标

• 坐标转换公式

像素坐标 = 归一化坐标 × 图像尺寸

        示例：

                若图像宽度imgWidth=640，某点lm.x=0.5 → xPos=320

                若图像高度imgHeight=480，某点lm.y=0.25 → yPos=120

cv2.putText(img, str(i), (xPos - 25, yPos + 5), cv2.FONT_HERSHEY_SIMPLEX, 0.4, (0, 0, 255),2)  # 在关键点旁标注索引数字

（四）完整代码

import cv2
import mediapipe as mp
import timecap = cv2.VideoCapture(0)  # 通过OpenCV调用摄像头设备。参数0：默认摄像头（笔记本内置摄像头）。
mpHands = mp.solutions.hands  # MediaPipe的手部关键点检测模型（21个关键点）
hands = mpHands.Hands()  # 创建模型实例
mpDraw = mp.solutions.drawing_utils  # MediaPipe提供的绘图工具，用于在图像上绘制关键点和连线。
handLmsStyle = mpDraw.DrawingSpec(color=(0, 0, 255), thickness=5)  # 点的样式
handConStyle = mpDraw.DrawingSpec(color=(0, 255, 0), thickness=10)  # 线的样式
pTime = 0
cTime = 0while True:ret, img = cap.read()  # 从摄像头持续读取视频帧。OpenCV默认格式为BGR格式if ret:imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # 格式转换，MediaPipe模型要求输入为RGB格式# 手部关键点检测result = hands.process(imgRGB)# print(result.multi_hand_landmarks)imgHeight = img.shape[0]imgWidth = img.shape[1]# 关键点可视化if result.multi_hand_landmarks:for handLms in result.multi_hand_landmarks:  # 遍历每只检测到的手mpDraw.draw_landmarks(img, handLms, mpHands.HAND_CONNECTIONS, handLmsStyle,handConStyle)  # 绘制手部关键点和骨骼连线for i, lm in enumerate(handLms.landmark):  # 遍历21个关键点xPos = int(lm.x * imgWidth)  # 将归一化x坐标转换为像素坐标yPos = int(lm.y * imgHeight)  # 将归一化y坐标转换为像素坐标cv2.putText(img, str(i), (xPos - 25, yPos + 5), cv2.FONT_HERSHEY_SIMPLEX, 0.4, (0, 0, 255),2)  # 在关键点旁标注索引数字if i == 4:cv2.circle(img, (xPos, yPos), 20, (166, 56, 56), cv2.FILLED)print(i, xPos, yPos)  # 用深蓝色实心圆高亮标记拇指尖cTime = time.time()fps = 1 / (cTime - pTime)pTime = cTimecv2.putText(img, f"FPS:{int(fps)}", (30, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 3)cv2.imshow('img', img)if cv2.waitKey(1) == ord('q'):break

三、识别手指个数

（一）识别原理

1. 四指的判断

# 处理食指到小指
for i in range(1, 5):if handLms.landmark[fingerTips[i]].y < handLms.landmark[fingerTips[i] - 2].y:fingerState.append(1)  # 伸出else:fingerState.append(0)  # 弯曲

关键点：当食指远端指间关节（DIP，索引点8）在图像坐标系中的垂直位置高于近端指间关节（PIP，索引点6）时，即满足：y8<y6。

2. 拇指的判断

        # 镜像翻转修正左右手问题img = cv2.flip(img, 1)...# 处理拇指（默认掌心朝镜头）if handType == 'Right':  # 对于右手if handLms.landmark[fingerTips[0]].x < handLms.landmark[fingerTips[0] - 1].x:fingerState.append(1)  # 右手拇指伸出else:fingerState.append(0)  # 右手拇指弯曲else:  # 对于左手if handLms.landmark[fingerTips[0]].x > handLms.landmark[fingerTips[0] - 1].x:fingerState.append(1)  # 左手拇指伸出else:fingerState.append(0)  # 左手拇指弯曲

镜像翻转的必要性：
MediaPipe基于深度卷积神经网络（CNN）架构，通过学习手部关键点的空间分布模式来区分左手和右手。因此会将拇指在图像左侧的手识别为物理右手。而摄像头原始画面中物理右手拇指实际位于右侧，因此必须通过cv2.flip(img, 1)水平镜像翻转图像，才能使MediaPipe正确识别手型。

坐标判断的底层逻辑：
所有关键点坐标均基于镜像翻转后的图像空间，物理右手在翻转后的坐标系中表现为thumb_tip.x < thumb_ip.x。MediaPipe内部已自动处理坐标转换，开发者直接使用检测到的归一化坐标即可，无需额外计算原始坐标。

（二）完整代码

import cv2
import mediapipe as mp
import timecap = cv2.VideoCapture(0)
mpHands = mp.solutions.hands
hands = mpHands.Hands()
mpDraw = mp.solutions.drawing_utils
handLmsStyle = mpDraw.DrawingSpec(color=(0, 0, 255), thickness=5)  # 关键点样式
handConStyle = mpDraw.DrawingSpec(color=(0, 255, 0), thickness=10)  # 连接线样式
pTime = 0# 定义手指关键点
fingerTips = [4, 8, 12, 16, 20]  # 拇指、食指、中指、无名指、小指的指尖关键点索引while True:ret, img = cap.read()if ret:# 镜像翻转修正左右手问题img = cv2.flip(img, 1)imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)result = hands.process(imgRGB)imgHeight, imgWidth, _ = img.shapeif result.multi_hand_landmarks:for handLms, handInfo in zip(result.multi_hand_landmarks, result.multi_handedness):mpDraw.draw_landmarks(img, handLms, mpHands.HAND_CONNECTIONS, handLmsStyle, handConStyle)# 获取手的类型：左手还是右手handType = handInfo.classification[0].labelhandLabel = "Right Hand" if handType == 'Right' else "Left Hand"# 手势计数fingerState = []  # 记录每根手指是否伸出# 处理食指到小指for i in range(1, 5):if handLms.landmark[fingerTips[i]].y < handLms.landmark[fingerTips[i] - 2].y:fingerState.append(1)  # 伸出else:fingerState.append(0)  # 弯曲# 处理拇指（默认掌心朝镜头）if handType == 'Right':  # 对于右手if handLms.landmark[fingerTips[0]].x < handLms.landmark[fingerTips[0] - 1].x:fingerState.append(1)  # 右手拇指伸出else:fingerState.append(0)  # 右手拇指弯曲else:  # 对于左手if handLms.landmark[fingerTips[0]].x > handLms.landmark[fingerTips[0] - 1].x:fingerState.append(1)  # 左手拇指伸出else:fingerState.append(0)  # 左手拇指弯曲# 计算伸出的手指数量fingerCount = sum(fingerState)# 在图像上显示手指数量cv2.putText(img, f"{handLabel}: {fingerCount} Fingers", (50, 100),cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 3)# 计算 FPScTime = time.time()fps = 1 / (cTime - pTime)pTime = cTimecv2.putText(img, f"FPS:{int(fps)}", (30, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 3)cv2.imshow('Hand Tracking', img)if cv2.waitKey(1) == ord('q'):breakcap.release()
cv2.destroyAllWindows()