目录
0、项目介绍
本篇与上一篇有很多联系，大家可以看看这篇Opencv项目实战：13 手部追踪，我们将根据上一节的内容，进行一个拓展。本篇你可以学到如何通过手势来控制电脑的音量大小。
1、项目展示
这个就是一个主要的效果，通过大拇指与食指来控制音量，并在侧边具有一个音量条，更加美观和简洁。
2、项目搭建
在上一节中，我们根据手部识别写了一个类模块HandTrackingModule.py，以便于我们可以在别的项目中直接拿来用。
除此之外，你还需要：
pip install pycaw
有了这个包，我们可以很简单的与电脑的音量联系在一起，点击这里AndreMiras / pycaw 我们可以在这里看它的README.md文件。
具体是怎么做到，不用在意，我们在这里用到了Usage的部分，将它cv进入我们的代码当中。
3、项目的代码与讲解
-
import cv2
-
import time
-
import HandTrackingModule
as htm
-
import math
-
import numpy
as np
-
from ctypes
import cast, POINTER
-
from comtypes
import CLSCTX_ALL
-
from pycaw.pycaw
import AudioUtilities, IAudioEndpointVolume
-
-
wCam, hCam =
640,
480
-
cap = cv2.VideoCapture(
0)
-
cap.
set(
3, wCam)
-
cap.
set(
4, hCam)
-
pTime =
0
-
-
-
detector = htm.handDetector(detectionCon=
0.7)
-
-
devices = AudioUtilities.GetSpeakers()
-
interface = devices.Activate(
-
IAudioEndpointVolume._iid_, CLSCTX_ALL,
None)
-
volume = cast(interface, POINTER(IAudioEndpointVolume))
-
volume.GetMute()
-
volume.GetMasterVolumeLevel()
-
volRange = volume.GetVolumeRange()
-
##print的结果(-74.0, 0.0, 1.0)
-
minvol,maxvol = volRange[
0],volRange[
1]
-
vol=
0
-
volBar=
400
-
volPer=
0
-
while
True:
-
success, img = cap.read()
-
detector.findHands(img)
-
lmList=detector.findPosition(img,draw=
False)
-
if
len(lmList)!=
0:
-
# print(lmList[4])
-
x1,y1=lmList[
4][
1],lmList[
4][
2]
-
x2,y2=lmList[
8][
1],lmList[
8][
2]
-
cx,cy=(x1+x2)//
2,(y1+y2)//
2
-
-
-
cv2.circle(img,(x1,y1),
15,(
125,
125,
255),cv2.FILLED)
-
cv2.circle(img, (x2, y2),
15, (
125,
125,
255), cv2.FILLED)
-
cv2.line(img,(x1,y1),(x2,y2),(
125,
125,
255),
3)
-
cv2.circle(img, (cx, cy),
15, (
125,
125,
255), cv2.FILLED)
-
length=math.hypot(x2-x1,y2-y1)
-
if length<
50:
-
cv2.circle(img, (cx, cy),
15, (
0,
255,
0), cv2.FILLED)
-
# print(length)
-
-
#handrange 50——300
-
#volume range -74——0
-
-
vol = np.interp(length, [
50,
300], [minvol, maxvol])
-
volBar = np.interp(length, [
50,
300], [
400,
150])
-
volPer = np.interp(length, [
50,
300], [
0,
100])
-
print(
int(length), vol)
-
volume.SetMasterVolumeLevel(vol,
None)
-
-
cv2.rectangle(img, (
50,
150), (
85,
400), (
125,
125,
255),
3)
-
cv2.rectangle(img, (
50,
int(volBar)), (
85,
400), (
125,
125,
255), cv2.FILLED)
-
cv2.putText(img,
f'{int(volPer)}%', (
40,
450), cv2.FONT_HERSHEY_COMPLEX,
-
1, (
125,
125,
255),
3)
-
-
#################打印帧率#####################
-
cTime = time.time()
-
fps =
1 / (cTime - pTime)
-
pTime = cTime
-
cv2.putText(img,
f'FPS: {int(fps)}', (
40,
50), cv2.FONT_HERSHEY_COMPLEX,
-
1, (
255,
100,
100),
3)
-
-
cv2.imshow(
"Img", img)
-
k=cv2.waitKey(
1)
-
if k==
27:
break
至于另外一个类模块，大家可以去看看上一篇。在此，我还是来讲讲实现效果的思路。
- 首先，是要将我们的摄像头打开，调好参数，保证摄像没有问题，调用我们另外一个模块中handDetector函数，提高置信度，实现手部的跟踪。
- 其次，打印我们的帧率，并完成对大拇指与食指的位置信息的记录和标点，两点之间在中间点标记，这个时候，我们可以打印出来，观察，在窗口中，呈现近大远小，我们决定采用50——300作为我们两指之间距离的判定，小于50，中间点将会变为绿色，大于300，不会对音量再造成影响
- 然后，打印volRange的音量范围，(-74.0, 0.0, 1.0)，最小值，最大值，第三个参数，你可以视而不见，np.interp()函数可以将我们手指距离与音量范围产生映射，什么意思呢？假如length为变量x，函数有自变量手指距离与因变量音量范围构成，输入x，即可得到y，这里不好解释，官方文档也没写清楚，大家要结合着图像来理解。
- 最后，复制pycaw的Usage，其他初始化的我们不用理解，将vol传入volume.SetMasterVolumeLevel()当中，在对侧边的音量条和音量打印在窗口当中。
4、项目资源
下载pycaw:
AndreMiras/pycaw: Python Core Audio Windows Library (github.com)
5、项目总结
本次结合了上一次的类模块，做了一个新项目，很不错的想法，当然，这里要感谢AndreMiras，让我能够轻松的完成本次项目。
转载：https://blog.csdn.net/m0_62919535/article/details/127587364
查看评论