- 综合排序
- 最热优先
- 最新优先
- 来自专栏火星娃统计
OpenCV_mediapipe手势识别
OpenCV_mediapipe手势识别 概述 MediaPipe 是一款由 Google Research 开发并开源的多媒体机器学习模型应用框架，提供面部识别、手势识别的开源解决方案，支持python 和java等语言 手部的识别会返回21个手势坐标点，具体如下图所示 对于mediapipe模块具体见官网 https://google.github.io/mediapipe/solutions/hands 代码 手势识别模块 文件名：HandTrackingModule.py # -*- coding:utf-8 -*- import cv2 import mediapipe as mp class
3.5K22编辑于 2022-01-06 - 来自专栏个人博客
MediaPipe即将推出图像生成服务 - plus studio
MediaPipe即将推出图像生成服务 今天我逛GitHub Trending的时候突然发现MediaPipe的示例库被顶到了前排 这不对劲，我赶紧去mediapipe的储存库，发现7个小时前Google 推送了新的内容 ImageGenerator Java API 原来MediaPipe也要推出文字生成图片内容啊，还是移动端设备上的，这让我想起来GitHub最近有人开始写stable-diffusion.cpp 顺藤摸瓜我们可以找到MediaPipe的文档。 还是即将推出状态，但是给了一个简单示例。
43310编辑于 2024-02-29 - 来自专栏Python基础、进阶与实战
用mediapipe实现手部标记
用mediapipe可以进行手部标记。获得手部标记后，我们可以做一些应用，例如显示、利用手势进行一些控制等。 mediapipe：Mediapipe是Google开源的一个多媒体处理框架。本文使用的版本为0.10.2。 使用pip安装它们： pip install opencv-python pip install mediapipe mediapipe官网的介绍：本地的机器学习，支持常见的视觉任务：目标检测，图像分类 使用mediapipe识别/标记手部 mediapipe的使用比较简单，只需要实例化一个相应的对象，传入图片获取结果。 v=01sAkU_NvOY 2. mediapipe文档: https://developers.google.com/mediapipe/solutions/vision/hand_landmarker
1.7K10编辑于 2023-09-02 mediapipe的人脸mesh实时生成
import mediapipe as mp import cv2 import numpy as np import time def findDis(pts1,pts2): return
48100编辑于 2025-07-19- 来自专栏CSDN博客
Mediapipe框架在Android上的使用
Mediapipe开源地址：https://github.com/google/mediapipe 第一步 安装Mediapipe框架 安装依赖环境。 Mediapipe支持的模型。 load("//mediapipe/java/com/google/mediapipe:mediapipe_aar.bzl", "mediapipe_aar") mediapipe_aar( 执行成功，会生成该文件 bazel-bin/mediapipe/examples/android/src/java/com/google/mediapipe/apps/buid_aar/mediapipe_hand_tracking.aar /android/src/java/com/google/mediapipe/apps/buid_aar:mediapipe_hand_tracking 执行以下命令生成Mediapipe的二进制图，命令参数同样是上面的
3.9K10发布于 2021-11-15 - 来自专栏贾志刚-OpenCV学堂
OpenCV + MediaPipe实现眼睛虹膜检测
虹膜检测的基本原理 MediaPipe的人脸landmark提供了468个点位的人脸点云数据，这些数据的编号图示如下： 根据编号，很容筛选出左眼与右眼所在的区域所有点，然后完成区域的截取，然后调用虹膜检测模型完成检测 ，MediaPipe SDK的 python版本是不支持虹膜检测，这个比较坑，所有我从github上发现了一个别人训练好的模型，大小只有1MB，地址如下： https://github.com/ItchyHiker 代码演示 首先通过MediaPipe完成人脸的468点位landmark提取，然后分别提取左右眼睛周围点位，根据点位求得外接矩形ROI大小，然后试用ROI左右眼睛图象，通过OpenCV直接预测左右眼睛的虹膜的 boundingRect(np.asarray(left_eyes)) detect_iris(image, right_box, left_box) cv2.imshow('MediaPipe
3.1K30发布于 2021-11-25 - 来自专栏JNing的专栏
【3D人脸】Mediapipe Vs Persona
背景 论文《Persona: Real-Time Neural 3D Face Reconstruction for Visual Effects on Mobile Devices》中吐槽mediapipe 实验 借助 Mediapipe 开源的demo，调用mac自带的摄像头，去做这四种badcase，看看有没有 Persona 列举的那四种badcase。 结论 Persona效果视频所反映的mediapipe的诸多badcase，除了外扩现象确实存在，其他问题均被证伪。 考虑到Persona的效果视频上传时间为 2021.11.19 ，而我所实验的mediapipe版本为 2022.06.28 。
75810编辑于 2022-11-14 - 来自专栏CSDN博客
Mediapipe框架在Android上的使用
Mediapipe开源地址：https://github.com/google/mediapipe 第一步 安装Mediapipe框架 安装依赖环境。 Mediapipe支持的模型。 load("//mediapipe/java/com/google/mediapipe:mediapipe_aar.bzl", "mediapipe_aar") mediapipe_aar( 执行成功，会生成该文件 bazel-bin/mediapipe/examples/android/src/java/com/google/mediapipe/apps/buid_aar/mediapipe_hand_tracking.aar /android/src/java/com/google/mediapipe/apps/buid_aar:mediapipe_hand_tracking 执行以下命令生成Mediapipe的二进制图，命令参数同样是上面的
10.9K71发布于 2020-07-08 - 来自专栏用户6291251的专栏
使用OpenCV和MediaPipe实现姿态识别！
大家好，我是小F～ MediaPipe是一款由Google开发并开源的数据流处理机器学习应用开发框架。 MediaPipe通过将各个感知模型抽象为模块并将其连接到可维护的图中来解决这些问题。 项目地址： https://github.com/google/mediapipe 今天小F就给大家介绍一下，如何使用MediaPipe实现姿态识别！ / 03 / 脸部识别跟踪 第二个是脸部，MediaPipe可以在脸部周围画一个网格来进行检测和跟踪。 具体代码如下。 / 05 / 总结 以上操作，就是MediaPipe姿态识别的部分内容。 当然我们还可以通过MediaPipe其它的识别功能，来做出有趣的事情。 比如结合摄像头，识别手势动作，控制电脑音量。
2.3K20编辑于 2023-08-21 windows上安装mediapipe最简单方法
MediaPipe通过.whl文件安装的方法相对直接，以下是详细的步骤： 一、准备工作 系统环境： 确保你的操作系统和Python版本与MediaPipe兼容。 你可以在MediaPipe的官方GitHub页面或相关文档中查找支持的操作系统和Python版本信息。 依赖库： 在安装MediaPipe之前，确保已经安装了必要的依赖库，如NumPy、OpenCV等。这些库通常会在安装MediaPipe时自动安装，但手动安装可以避免潜在的版本冲突问题。 四、验证安装 运行测试脚本： 安装完成后，你可以编写一个简单的Python脚本来验证MediaPipe是否成功安装。例如，使用MediaPipe的手部检测模块来检测图像中的手部关键点。 通过以上步骤，你应该能够成功地使用.whl文件安装MediaPipe，并在你的Python项目中开始使用它。如果遇到任何问题，请查阅MediaPipe的官方文档或寻求社区的帮助。
1.7K10编辑于 2026-02-06- 来自专栏云开发小程序1
关于python的mediapipe库踩过的坑
解决（2）： 我们可以不使用cmd或pycharm进行自动安装，我们可以手动安装： 1.找到python的第三方库（pypi）中的mediapipe库的网站： 媒体管道 ·皮皮 (pypi.org) 2 .查看自己安装的python版本与mediapipe是否对应，选择对应自己的python版本的mediapipe版本进行手动下载： 举例： 找到对应python版本的mediapipe版本与操作系统 注意：最新的python3.11版本是没有Windows的mediapipe版本支持的（如图）： 下载完成后，我们找到下载的.whl文件，并复制到粘贴板准备： 1.找到我们python环境安装的路径 中的site-packages路径（就是说，.whl存放的文件夹的路径用cmd打开）： 6.用pip install 你下载的.whl 进行下载（例如）： 完成之后我们打开pycharm发现mediapipe
3.2K20编辑于 2023-10-14 - 来自专栏JNing的专栏
【3D人脸】MediaPipe Face Mesh 调研
官网效果 MediaPipe Face Mesh：不够高清，case也不够丰富，暂时看不出问题。 官方youtube账号 MediaPipe：图例基本上面都出现过，没有特别的收获。 Live Perception for Mobile and Web (ECCV 16th Embedded Vision Workshop) MediaPipe Overview Talk - Google Seattle 13 Feb 2020 MediaPipe Overview Talk - Google Berlin 11 Dec 2019 开发者博客 developers.googleblog.com Github上的复现 Kazuhito00/mediapipe-python-sample：这是唯一有价值的复现，但是效果比官方开源的更差，甚至闭眼都闭不上。
1.4K10编辑于 2022-11-14 - 来自专栏贾志刚-OpenCV学堂
MediaPipe + OpenCV五分钟搞定手势识别
MediaPipe介绍 这个是真的，首先需要从Google在2020年发布的mediapipe开发包说起，这个开发包集成了人脸、眼睛、虹膜、手势、姿态等各种landmark检测与跟踪算法。 https://google.github.io/mediapipe/ 请看下图比较详细 是个不折不扣的现实增强的宝藏工具包，特别实用！ 支持的平台跟语言也非常的丰富，图示如下： 只说一遍，感觉要逆天了，依赖库只有一个就是opencv，python版本的安装特别简单，直接运行下面的命令行： pip install mediapipe 手势 因为版本更新了，演示程序有点问题，改完之后执行运行视频测试，完美get到手势landmark关键点： 手势landmark的关键点编号与解释如下： 修改后的代码如下： import cv2 import mediapipe cv2.imshow('MediaPipe Hands', cv2.flip(image, 1)) if cv2.waitKey(5) & 0xFF == 27: break cap.release
4.4K31编辑于 2023-08-22 手势交互新年倒计时网页（mediapipe附源码）
0.160.0/examples/jsm/libs/lil-gui.module.min.js"}}</script><scriptsrc="https://cdn.jsdelivr.net/npm/@<em>mediapipe</em> camera_utils/camera_utils.js"crossorigin="anonymous"></script><scriptsrc="https://cdn.jsdelivr.net/npm/@<em>mediapipe</em> control_utils/control_utils.js"crossorigin="anonymous"></script><scriptsrc="https://cdn.jsdelivr.net/npm/@<em>mediapipe</em> document.getElementById('current-gesture');consthands=newHands({locateFile:(file)=>`https://cdn.jsdelivr.net/npm/@<em>mediapipe</em>
48810编辑于 2025-12-30- 来自专栏相约机器人
使用MediaPipe进行设备上的实时手部跟踪
通过MediaPipe在手机上实时3D手感知。解决方案使用机器学习从视频帧计算手的21个3D关键点。深度以灰度显示。 通过MediaPipe实现 使用MediaPipe，可以将此感知管道构建为模块化组件的有向图，称为计算器。 MediaPipe提供的一个关键优化是掌上探测器仅在必要时（相当不频繁）运行，从而节省了大量的计算时间。 这种行为是通过MediaPipe强大的同步构建块实现的，从而实现ML管道的高性能和最佳吞吐量。 https://github.com/google/mediapipe/ https://github.com/google/mediapipe/blob/master/mediapipe/docs/hand_tracking_mobile_gpu.md
10.7K21发布于 2019-08-23 - 来自专栏ATYUN订阅号
Google将跨平台AI管道框架MediaPipe引入网络
大约一年前，Google开放了MediaPipe的源代码，MediaPipe是一个框架，用于建立跨平台的AI管道，该管道包括快速推理和媒体处理（如视频解码）。 API促进了JavaScript与C ++之间的通信，从而允许用户直接使用JavaScript更改MediaPipe图形并与之交互。 Google利用上述组件将预览功能集成到基于Web的可视化器中，可视化器是一种用于迭代MediaPipe流设计的工作空间。 可视化器位于viz.mediapipe.dev上，使开发人员可以通过将图形代码粘贴到编辑器选项卡中或将文件上传到可视化器来检查MediaPipe图形（用于构建机器学习管道的框架）。 Hays和Mullen指出，当前基于Web的MediaPipe支持仅限于Google提供的演示图。开发人员必须编辑其中一个模板图-他们不能从头开始提供自己的模板，也不能添加或更改资产。
1.8K20发布于 2020-02-21 基于 MediaPipe Hands 的 交互式土星粒子系统
== 'undefined') { console.log('✅ MediaPipe Hands已加载'); // 加载 /hands/hands.js'; script.onload = () => { console.log('✅ MediaPipe 加载失败'); updateLoadingStatus('MediaPipe加载失败，将使用鼠标控制'); reject( }); } // 立即开始加载MediaPipe loadMediaPipe().then(() => { console.log (' MediaPipe加载成功，手势控制可用'); }).catch(err => { console.warn('⚠️ MediaPipe加载失败:', err
39810编辑于 2025-12-21- 来自专栏毛利学Python
MediaPipe实现手指关键点检测及追踪，人脸识别及追踪
除了 OpenCV，我们将使用 MediaPipe 库。 1.MediaPipe简介 MediaPipe是一个主要用于构建音频、视频或任何时间序列数据的框架。 在 MediaPipe 框架的帮助下，我们可以为不同的媒体处理功能构建管道。 MediaPipe 的一些主要应用。 MediaPipe 使用单次手掌检测模型，一旦完成，它会对检测到的手部区域中的 21 个 3D 手掌坐标执行精确的关键点定位。 MediaPipe 管道使用多个模型，例如，从完整图像返回定向手边界框的手掌检测模型。裁剪后的图像区域被馈送到由手掌检测器定义的手部标志模型，并返回高保真 3D 手部关键点。 安装所需的模块 –> pip install opencv-python –> pip install mediapipe 注意：这里的python版本尽量在3.8以上，不然会报各种错误！！
6K20编辑于 2022-09-22 - 来自专栏大数据文摘
谷歌开发手部识别系统，适配跨平台框架MediaPipe，手机可用！
MediaPipe实现 谷歌的手部跟踪MediaPipe模型图如下所示。该图由两个子图组成，一个用于手部检测，一个用于手部骨骼关键点（标志点）计算。 MediaPipe的一个关键优化是手掌探测器仅在必要时（很少）运行，从而节省了大量的计算时间。 MediaPipe地址： https://mediapipe.dev GitHub地址： https://github.com/google/mediapipe MediaPipe是用于构建应用ML pipeline 最后，谷歌在MediaPipe框架中将上述手部跟踪和手势识别管道开源，并附带相关的端到端使用场景和源代码。 链接如下： https://github.com/google/mediapipe/blob/master/mediapipe/docs/hand_tracking_mobile_gpu.md 这为研究和开发人员提供了完整的可用于实验的程序栈
4K20发布于 2019-09-03 - 来自专栏相约机器人
使用MediaPipe在移动设备上进行实时3D对象检测
https://github.com/google/mediapipe Objectron在MediaPipe中实现，MediaPipe是一个开放源代码的跨平台框架，用于构建用于处理多模态感知数据的管道 — Google AI博客 Objectron在MediaPipe（因此得名）中实现，MediaPipe是用于管道的开发和维护的开源和跨平台框架，从本质上讲，Objectron为用户提供了3D视角，了解如何在日常 该模型足够轻巧，可以在移动设备上实时运行（在Adreno 650移动GPU上为26 FPS ） — Google AI博客 MediaPipe中的检测和跟踪 不要忘记MediaPipe在整个项目中扮演的非常重要的角色 根据以上文字，可能不清楚MediaPipe在何处起作用。简而言之，MediaPipe本质上负责该项目的实时部分。 https://github.com/google/mediapipe/tree/master/mediapipe/docs 下一步是什么？
3.2K30发布于 2020-05-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号