mediapipe手势识别模型colab

### 使用MediaPipe手势识别模型在Google Colab中的开发指南

#### 安装依赖库
为了能够在Google Colab环境中顺利运行MediaPipe的手势识别功能，首先需要安装必要的Python包。

!pip install mediapipe opencv-python

这段命令会自动下载并配置好`mediapipe`以及用于视频处理的`opencv-python`工具[^2]。

#### 导入所需模块
接着，在新的代码单元格里导入所需的Python模块：

import cv2
import mediapipe as mp
from google.colab.patches import cv2_imshow  # 解决Colab中显示OpenCV图像的问题
mp_hands = mp.solutions.hands

上述代码片段初始化了手部追踪解决方案，并解决了Colab环境下展示图片的技术难题[^1]。

#### 加载预训练的手势识别模型
通过调用MediaPipe内置的方法可以直接加载官方提供的预训练手势识别模型：

hands = mp_hands.Hands(
    static_image_mode=False,
    max_num_hands=2,  # 可调整参数以适应不同场景需求
    min_detection_confidence=0.7)

这里设置了最大检测双手数量为2，并设定了最低置信度阈值来过滤掉不确定的结果。

#### 处理输入数据流
当准备就绪之后就可以开始读取摄像头或其他形式的数据源作为输入。下面是一个简单的例子展示了如何捕捉实时视频帧并对每一帧应用手势识别算法：

cap = cv2.VideoCapture(0)

while cap.isOpened():
    success, image = cap.read()
    if not success:
        print("Ignoring empty camera frame.")
        continue
    
    results = hands.process(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
    
    if results.multi_hand_landmarks:
        for handLms in results.multi_hand_lankmarks:
            mp_drawing.draw_landmarks(
                image=image,
                landmark_list=handLms,
                connections=mp_hands.HAND_CONNECTIONS)
            
    cv2_imshow(image)
    if cv2.waitKey(5) & 0xFF == ord('q'):
        break
        
cap.release()
cv2.destroyAllWindows()

该循环不断抓拍来自默认摄像设备的画面，经过颜色空间转换后送入手势识别管道；一旦发现有效标记点，则会在原图上绘制连接线表示手指关节位置。