mediapipe怎么检测是左手还是右手，请给出示例代码

以下是一个简单的示例代码，展示了如何使用MediaPipe的Hands模型检测手的左右：

import cv2
import mediapipe as mp

mp_drawing = mp.solutions.drawing_utils
mp_hands = mp.solutions.hands

cap = cv2.VideoCapture(0)

with mp_hands.Hands(
    min_detection_confidence=0.5,
    min_tracking_confidence=0.5) as hands:

    while cap.isOpened():
        success, image = cap.read()
        if not success:
            print("Ignoring empty camera frame.")
            continue

        # Convert the BGR image to RGB before processing.
        image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

        # To improve performance, optionally mark the image as not writeable to pass by reference.
        image.flags.writeable = False
        results = hands.process(image)

        # Draw the hand annotations on the image.
        image.flags.writeable = True
        image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
        if results.multi_hand_landmarks:
            for hand_landmarks in results.multi_hand_landmarks:
                mp_drawing.draw_landmarks(
                    image, hand_landmarks, mp_hands.HAND_CONNECTIONS)

                # Check if the hand is left or right
                if hand_landmarks.landmark[mp_hands.HandLandmark.INDEX_FINGER_TIP].x < hand_landmarks.landmark[mp_hands.HandLandmark.PINKY_TIP].x:
                    print("Right hand detected.")
                else:
                    print("Left hand detected.")

        cv2.imshow('MediaPipe Hands', image)
        if cv2.waitKey(5) & 0xFF == 27:
            break

cap.release()

在上面的代码中，我们首先创建了一个 `cv2.VideoCapture` 对象，用于捕获摄像头的视频流。然后，我们创建了一个 `mp_hands.Hands` 对象，用于加载MediaPipe的Hands模型。在循环中，我们从摄像头中读取一帧图像，并将其转换为RGB格式。然后，我们调用 `hands.process` 方法，传入图像，以便使用Hands模型检测手部关键点。如果检测到手部关键点，我们会遍历所有检测到的手，并在图像中绘制出手部关键点的位置。最后，我们判断手的左右位置，并输出结果。

需要注意的是，上述代码中的判断手的左右位置的方法仅适用于手掌朝下的情况。如果手掌朝上，需要修改判断条件。此外，还可以使用更复杂的方法来判断手的左右位置，例如使用机器学习模型来分类左右手。