pinky is not in the sudoers file. This incident will be reported.

根据提供的引用内容，"pinky is not in the sudoers file. This incident will be reported." 是一条错误消息，通常是在Linux系统中使用sudo命令时出现的。这个错误消息意味着用户"Pinky"没有被授权执行sudo命令的权限。该错误消息将被记录并报告给系统管理员。

相关问题

MediaPipe检测握拳伸掌

### 使用MediaPipe进行手部动作检测

为了实现握拳和伸掌姿态的识别，可以利用MediaPipe Hands模块来获取手部的关键点位置。该方法能够精确提取21个3D手部骨骼关键点坐标[^1]。基于这些坐标数据，可以通过分析特定关节的角度变化来进行不同手势分类。

#### 关键步骤说明

- **初始化MediaPipe Hands**

需要先安装并导入必要的库文件，接着创建Hands对象实例用于处理视频流中的每一帧画面：

import cv2
import mediapipe as mp

mp_hands = mp.solutions.hands.Hands(
    static_image_mode=False,
    max_num_hands=2,  # 可根据需求调整最大检测数量
    min_detection_confidence=0.75,
    min_tracking_confidence=0.75)

- **捕获与预处理图像**

利用OpenCV读取摄像头或本地存储的视频源，并将其转换成RGB格式供后续操作使用：

cap = cv2.VideoCapture(0)

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    
    image_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
    
    results = mp_hands.process(image_rgb)

- **计算角度特征**

对于每只被成功追踪到的手，可以根据指定的关键点ID（如指尖、指根等部位），计算相邻两节骨头之间的夹角作为区分不同姿势的重要依据之一。例如，在判断是否为握拳状态时，可重点考察五个手指尖端与其对应近侧指间关节处形成的弯曲程度；而当手掌完全展开时，则上述各角度应接近直线分布特性[^3]。

def calculate_angle(a,b,c):
    ba = a - b
    bc = c - b
    cosine_angle = np.dot(ba, bc) / (np.linalg.norm(ba)*np.linalg.norm(bc))
    angle = np.arccos(cosine_angle)
    return round(np.degrees(angle),2)


if results.multi_hand_landmarks is not None:
    for handLms in results.multi_hand_landmarks:
        landmarks = []
        
        for lm in handLms.landmark:
            h,w,_ = frame.shape
            cx,cy=int(lm.x*w),int(lm.y*h)
            landmarks.append([cx,cy])
            
        thumb_tip = np.array(landmarks[4])  # 大拇指顶端
        index_mcp = np.array(landmarks[5])  # 食指MCP节点
        pinky_mcp = np.array(landmarks[17]) # 小指MCP节点
        
        wrist_pos = np.array(landmarks[0])  # 腕部中心
        
        angles = [
            calculate_angle(thumb_tip,index_mcp,pinky_mcp),
            ...
        ]

- **定义决策逻辑**

设定合理的阈值范围以判定当前所展示的具体手势类别。比如，如果所有五指均呈现较大曲率，则认为处于“握拳”模式下；反之若是大部分角度趋于平直，则视为执行了“张开手掌”的指令[^4]。

threshold_fist = 90  # 握拳状态下预期的最大角度上限
is_fist = all(angle >= threshold_fist for angle in angles[:-1])

if is_fist:
    print('Detected Fist')
else:
    print('Palm Opened')

基于MediaPipe 手势识别

### 使用 MediaPipe 进行手势识别

#### 安装依赖包
为了实现手部追踪和手势识别，需先安装必要的 Python 包。这包括 `mediapipe` 和 `opencv-python`。

pip install mediapipe opencv-python

#### 初始化摄像头输入与MediaPipe Hands模块
创建一个简单的程序结构用于读取视频流并初始化 MediaPipe 的Hands解决方案[^1]。

import cv2
import mediapipe as mp

mp_hands = mp.solutions.hands
hands = mp_hands.Hands()
cap = cv2.VideoCapture(0)

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    
    # 将BGR图像转换为RGB
    rgb_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
    
    results = hands.process(rgb_frame)
    
    # 处理检测结果...
    
    cv2.imshow('Hand Tracking', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
        
cap.release()
cv2.destroyAllWindows()

#### 解析手部关键点数据
当成功获取到手部的关键点后，可以通过遍历 landmarks 属性访问这些坐标位置，并绘制出来以便观察[^2]。

if results.multi_hand_landmarks:
    for handLms in results.multi_hand_landmarks:
        for id, lm in enumerate(handLms.landmark):
            h, w, c = frame.shape
            cx, cy = int(lm.x *w), int(lm.y*h)
            print(id, cx, cy)
            
        mp_drawing.draw_landmarks(
            frame,
            handLms,
            mp_hands.HAND_CONNECTIONS
        )

#### 实现基本的手势判断逻辑
根据特定条件定义简单手势（如握拳、张开手掌），通过比较某些关键点之间的相对距离来进行判定[^3]。

def is_fist_closed(landmarks):
    thumb_tip_y = landmarks[4].y
    index_finger_mcp_y = landmarks[5].y
    pinky_mcp_y = landmarks[17].y
    
    return all([
        thumb_tip_y > index_finger_mcp_y,
        thumb_tip_y > pinky_mcp_y
    ])

# 在主循环内调用此函数以检查当前帧中的手势状态
if results.multi_hand_landmarks:
    handLandmarks = results.multi_hand_landmarks[0]
    landmark_list = []
    for point in handLandmarks.landmark:
        landmark_list.append(point)
        
    gesture_name = "FIST CLOSED" if is_fist_closed(landmark_list) else "HAND OPEN"
    cv2.putText(frame, str(gesture_name), (50, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2, cv2.LINE_AA)