企业官网建设流程全解析

MediaPipe 手部关键点检测实战：21 个关键点、2 只手、30 秒跑通摄像头 Demo

【免费下载链接】mediapipeCross-platform, customizable ML solutions for live and streaming media.项目地址: https://gitcode.com/GitHub_Trending/med/mediapipe

MediaPipe Hands 是 MediaPipe 项目里的跨平台手部关键点检测工具：每只手输出 21 个 3D 关键点，并附带左右手判定，手机端也能实时跑。这篇入门指南带你 30 秒内跑通一个摄像头 Demo，再讲清每个参数该怎么调。

能力速览：它是什么，能给你什么

上面这张手势图，就是典型的手势识别入门素材：手部清晰、背景简单，正好适合拿来验证检测效果。

最快上手步骤：安装 + 20 行代码看效果

装环境只需要一条命令：

pip install mediapipe

然后保存下面这段脚本，运行就能看到效果：

import cv2 import mediapipe as mp mp_hands = mp.solutions.hands hands = mp_hands.Hands(max_num_hands=2, model_complexity=1) cap = cv2.VideoCapture(0) while cap.isOpened(): ok, frame = cap.read() if not ok: break rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) res = hands.process(rgb) if res.multi_hand_landmarks: for lm in res.multi_hand_landmarks: mp.solutions.drawing_utils.draw_landmarks( frame, lm, mp_hands.HAND_CONNECTIONS) cv2.imshow('MediaPipe Hands', frame) if cv2.waitKey(5) & 0xFF == 27: break cap.release()

窗口里每只手会画出 21 个点加连线骨架；按 ESC 退出，没有手时画面保持原样。

参数调优手册：五个核心配置逐项看

进阶要点：视频流模式为什么快

默认的视频流模式只在一开始跑一次手掌检测；之后每一帧都直接拿上一帧的 21 个关键点生成裁剪区域，只跑关键点模型，跳过手掌检测。只有当跟踪置信度跌破min_tracking_confidence、判定"跟丢了"，才重新调用手掌检测重新定位。这套"能跟就不检"的策略，正是它能在手机上保持实时帧率的核心原因。

场景与避坑清单

常见用法，一行一个：

• AR 手势交互：虚拟试戴、空中点选
• 手势控制：智能家居、游戏输入的隔空操作
• 手语翻译：把关键点序列喂给分类模型
• 姿态数据集构建：批量抽取手部坐标做下游训练

跑 Demo 时最常踩的三个坑：

• 输入必须是 RGB。OpenCV 读出来是 BGR，不转换就cvtColor一下，否则关键点飘、颜色怪。
• 电脑同时插着摄像头和采集卡时，VideoCapture(0)不一定拿得到你想要的那路，换1试试。
• 手总是检测不到？大概率是置信度阈值开太高，先把两个阈值降到 0.3–0.4 确认链路通了再调回去。

写在最后

装好包、贴进 20 行代码，21 个 3D 关键点、双手同屏和左右手判定就都到手了；参数按上表微调，视频流模式默认帮你把延迟压住。想深入可以看官方文档 docs/solutions/hands.md 和 Python 安装说明 docs/getting_started/python.md，图计算源码在 mediapipe/modules/hand_landmark/ 和 mediapipe/graphs/hand_tracking/。

【免费下载链接】mediapipeCross-platform, customizable ML solutions for live and streaming media.项目地址: https://gitcode.com/GitHub_Trending/med/mediapipe