python手势识别调用摄像头

### 使用Python进行手势识别并调用摄像头

为了实现这一目标，通常会依赖于几个重要的库来完成不同部分的功能。首先是`opencv-python`用于访问计算机的摄像头资源，并处理图像数据；其次是`mediapipe`，这是一个强大的框架，能够帮助开发者快速构建多模态机器感知应用，特别是对于人体姿态估计、手部追踪等功能支持良好。

#### 安装必要的软件包
在开始之前，确保安装了所需的Python库：

pip install opencv-python mediapipe numpy

#### 初始化摄像头捕获对象
通过OpenCV创建一个VideoCapture实例以获取来自默认设备（通常是内置网络摄像机）的数据流[^3]。

import cv2

cap = cv2.VideoCapture(0)  # 打开第一个可用相机
if not cap.isOpened():
    print("无法打开摄像头")
    exit()

#### 加载MediaPipe Hands模型
利用MediaPipe提供的Hands解决方案来进行实时的手掌检测与手指关节位置预测[^2]。

import mediapipe as mp

mp_hands = mp.solutions.hands
hands = mp_hands.Hands(
    static_image_mode=False,
    max_num_hands=2,
    min_detection_confidence=0.7)

#### 处理每一帧画面
在一个无限循环内不断读取新的视频帧，并将其传递给MediaPipe hands模块分析是否存在手掌结构。如果找到，则绘制出相应的骨骼连接线图表示出手的位置和形态特征。

while cap.isOpened():
    success, image = cap.read()
    if not success:
        continue
    
    # 将BGR转RGB颜色空间以便兼容MediaPipe输入格式
    image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

    results = hands.process(image_rgb).multi_hand_landmarks

    if results is not None:
        for handLms in results:
            mp_drawing.draw_landmarks(
                image=image,
                landmark_list=handLms,
                connections=mp_hands.HAND_CONNECTIONS)
    
    cv2.imshow('Hand Gesture Recognition', image)

    key = cv2.waitKey(1)
    if key & 0xFF == ord('q'):
        break

#### 清理工作
当用户按下了键盘上的‘Q’键之后停止程序运行，关闭所有的窗口并且释放掉Camera资源。

cv2.destroyAllWindows()
cap.release()

上述代码片段展示了如何结合使用OpenCV和MediaPipe两个工具链，在个人计算环境中轻松搭建起一套简单而有效的基于视觉的手势识别系统原型。