mediapipe双手手势识别python代码,判断左右手，两只手同时进行识别，并且进行两只手组合识别识别手势，并显示识别结果

以下是使用Mediapipe实现双手手势识别的Python代码，可以同时识别左右手，并进行两只手组合识别，最终显示识别结果：

import cv2
import mediapipe as mp

# 初始化mediapipe
mp_drawing = mp.solutions.drawing_utils
mp_hands = mp.solutions.hands

# 定义手势分类器
gestures = {0: 'fist', 1: 'five', 2: 'ok', 3: 'point', 4: 'swing'}

# 定义左右手分类器
handedness = {mp_hands.Hands.HANDNESS_UNKNOWN: 'unknown', mp_hands.Hands.HANDNESS_LEFT: 'left', mp_hands.Hands.HANDNESS_RIGHT: 'right'}

# 定义识别器
hands = mp_hands.Hands(max_num_hands=2, min_detection_confidence=0.5, min_tracking_confidence=0.5)

# 打开摄像头
cap = cv2.VideoCapture(0)

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

    # 将图像转换为RGB格式
    image = cv2.cvtColor(cv2.flip(image, 1), cv2.COLOR_BGR2RGB)

    # 处理图像并识别手势
    results = hands.process(image)

    # 如果没有检测到手，则继续
    if not results.multi_hand_landmarks:
        continue

    # 遍历每只手
    for hand_landmarks in results.multi_hand_landmarks:
        # 确定左右手
        if results.multi_handedness:
            label = handedness[hand_landmarks.hand_info.classification[0].label]
        else:
            label = "unknown"
        # 将手部关键点转换为像素坐标
        h, w, c = image.shape
        points = []
        for point in hand_landmarks.landmark:
            x = min(int(point.x * w), w - 1)
            y = min(int(point.y * h), h - 1)
            points.append((x, y))

        # 绘制手部关键点
        mp_drawing.draw_landmarks(image, hand_landmarks, mp_hands.HAND_CONNECTIONS)

        # 提取手势特征并进行分类
        feature = extract_feature(points)
        gesture = classify(feature)

        # 显示识别结果
        if label == "unknown":
            cv2.putText(image, "unknown hand", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
        else:
            cv2.putText(image, "{} hand".format(label), (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)
            cv2.putText(image, "gesture: {}".format(gestures[gesture]), (10, 60), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

    # 显示图像
    cv2.imshow('MediaPipe Hands', image)

    # 按下q键退出
    if cv2.waitKey(5) & 0xFF == ord('q'):
        break

# 释放资源
hands.close()
cap.release()
cv2.destroyAllWindows()

在以上代码中，我们使用了Mediapipe的Hands模型来识别手势，同时使用了一个手势分类器和一个左右手分类器。对于每只手，我们首先将手部关键点转换为像素坐标，然后提取手势特征并进行分类，最终显示识别结果。在显示结果时，我们使用了不同的颜色来表示左右手，并使用绿色的字体显示手势识别结果。