基于mediapipe的手势密码识别

### 使用MediaPipe实现手势密码识别

#### 安装依赖库
为了使用MediaPipe进行手势密码识别，首先需要安装必要的Python库。可以通过pip命令来完成这些操作。

pip install opencv-python mediapipe numpy cvzone

#### 初始化设置与导入模块
在开始之前，确保已经成功安装上述提到的所有软件包。接着，在脚本文件顶部引入所需的类和函数：

import cv2
import mediapipe as mp
from cvzone.HandTrackingModule import HandDetector
import math

#### 手部检测初始化配置
创建HandDetector对象实例用于后续处理过程中对手掌部位图像数据流中的关键点坐标信息获取工作；同时定义一些辅助变量保存当前状态以及历史轨迹记录等必要参数。

detector = HandDetector(maxHands=1, detectionCon=0.8)

cap = cv2.VideoCapture(0)
previous_landmarks = None
gesture_sequence = []
threshold_distance = 50  # 可根据实际情况调整阈值大小

#### 实现核心逻辑算法流程
通过循环读取摄像头每一帧画面，并调用手势追踪器接口分析是否存在符合条件的手型模式匹配情况。一旦捕捉到有效输入，则进一步解析手指间相对位移变化趋势从而判断是否形成特定形状组合进而触发对应事件响应机制。

while True:
    success, img = cap.read()
    
    hands, img = detector.findHands(img)  
      
    if hands:
        hand = hands[0]
        
        landmarks = hand["lmList"]  

        fingers_up = detector.fingersUp(hand) 

        tip_ids = [4, 8, 12, 16, 20]

        gesture_code = ""
        for i in range(len(tip_ids)):
            finger_tip_x, finger_tip_y = landmarks[tip_ids[i]][0], landmarks[tip_ids[i]][1]

            if previous_landmarks is not None and abs(finger_tip_x - previous_landmarks[tip_ids[i]][0]) > threshold_distance or \
               abs(finger_tip_y - previous_landmarks[tip_ids[i]][1]) > threshold_distance:

                gesture_code += str(i + 1)

        if len(gesture_code) >= 3: 
            gesture_sequence.append(gesture_code[:3])

        previous_landmarks = landmarks
        
    unique_gestures = list(set(gesture_sequence))
    
    for code in unique_gestures[-5:]:
        print("Detected Gesture Code:", code)

    cv2.imshow("Image", img)
    key = cv2.waitKey(1)
    
    if key == ord('q'):
        break
    
cap.release()
cv2.destroyAllWindows()

此段程序实现了基本的手指动作跟踪功能，并尝试构建简单的三位数编码作为潜在的“手势密码”。实际应用场景下可能还需要考虑更多因素比如连续性验证、防抖动措施等等[^1]。