嘿，伙计们，很高兴在这里见到你们。让™继续我们关于构建手部跟踪模型的项目。这是本教程的第二部分，因此，如果您还没有阅读第一部分，那么现在就使用它并设置您的环境。

在上一篇文章中，我们了解了我们的库。我们要把它们安装在我们的jupyter笔记本上。那么，让我们现在从我们停止的地方继续™。

步骤5：安装和导入库：OpenCV和MediaPipe

！pip安装mediapipe openCV-python

运行单元，您的库就会安装。

2.导入库。

我们将导入这些库：

A.mediapipe MediaPipe库。

b.CV2？EURE“OpenCV库。

用于文件操作和在您的机器上存储图像。

D.UUID-EURO“用于为您的图像提供唯一的ID。

步骤6：了解通过网络摄像头捕获图像(或帧)的代码。

为了捕获用于检测的图像，我们将使用OpenCV(CV2)提供的函数。

我将编写一个函数，该函数弹出一个窗口并访问您的网络摄像头。

好了，伙计们，这就是特殊的挡路。我声明了一个名为CAPTURE_FRAMES的变量，它将调用VideoCapture(0)并弹出访问网络摄像头的窗口。

为了使窗口持久显示在我们的屏幕上，我使用了一个while循环，它将使用.read()函数读取帧或图像。

当使用OpenCV读取图像文件时，颜色的顺序为BGR(蓝色、绿色、红色)。另一方面，假定颜色的顺序是RGB(红、绿、蓝)，因此我们使用.cvtColor()转换了图像帧。

imshow(标题，图像)只是用来显示标题为“EUROUREœHAND TRACKING MODEL？EURO�”的图像。

不要运行它，否则，它不会关闭，直到您关闭笔记本电脑。™。当窗口遇到操作时，您需要关闭窗口。此操作将用作关闭网络摄像头的触发器。

因此，让-euro™s指定操作。

我已经添加了一个指定操作的if语句。如果您按？EUROUœo？EURO�(您可以指定任何)键，窗口将关闭。

该操作将中断循环并运行cv2.delestyAllWindows()函数，该函数将销毁我们创建的所有窗口。

最后，您现在可以访问您的网络摄像头了。运行代码以了解其功能。你可以看到窗户弹出，你美丽的面孔出现在那里。

第七步：渲染手部的关节和地标。

这段特定的代码允许使用MediaPipeAPI呈现我们手上的地标。

mp_drawing=mp.solutions.drawing_utilsmp_hands=mp.solutions.hands

步骤8：检测图像。

让-uro™重新映射我们检测图像所需做的事情：

将所有这些结合到代码中，我们就得到了这个。

不要不知所措，让™一步一步地了解每个代码的作用：

最小检测置信度

手部检测模型中介于0和1之间的最小置信度值，以将检测视为成功。

最小跟踪置信度(_R)

手部检测模型中介于0和1之间的最小置信度值，以将跟踪视为成功。

img_process=hands.process(Image)

此代码处理图像。如您所见，hands=mp_hands.Hands(min_detection_confidence=0.8，(MIN_TRACKING_CONFIRITY=0.5)用于检测，因此我在单元格的开头使用此代码：带有MP_HAND。Hands(MIN_DETACTION_CONFIRITY=0.8，MIN_TRACKING_CONFIRITY=0.5)作为手：

图像=cv2.cvtColor(frame，cv2.COLOR_RGB2BGR)

它用于将图像重新着色回BGR形式。

用于渲染地标

IF条件检查是否在图像上检测到手。函数的作用是：返回从图像中检测到的所有地标的坐标。

如果地标存在，则会使用其下面编写的代码呈现它们，因此mp_draing.raw_landmark(参数)实际上是在绘制地标。看看它的五个参数：

答：image-uro“它接受图像或帧作为输入。

b.手-欧元“手作为图像内部的输入。

C.MP_hands.HAND_CONNECTIONS

D.MP_Drawing.DrawingSpec(Parameters)–“它有3个参数，一个是它在你手上画的连接线的RGB色码，然后是连接线的粗细，最后是半径。

e.mp_Drawing.DrawingSpec(Parameters)–“它还接受3个参数，一个是它在您手上绘制的地标点的RGB颜色代码，然后是地标点的厚度，最后是半径。

最后，当您运行代码时，检测实际上正在进行。

太棒了！

请原谅我的网络摄像头质量太差了。不过，它工作得非常好。自己试一试，玩弄你的代码。

所以，现在我们已经准备好了我们的模型，它可以检测手掌并跟踪手部。

步骤8：从Local文件夹中的Model输出图像。

最后也是最后一步，我们将使用os和uuid包来输出文件夹中的图像。

os.mkdir(检测后的欧元œ输出图像？欧元�)

2.将？EUROU˜检测图像？EUROURE™单元格复制到一个新的单元格中，并将代码修改为：

cv2.imwrite(os.path.Join(âuro˜Output Imagesâuro™，âuro™{}.jpgâuro™.format(uuid.uuid1()，image)

这段特定的代码挡路加入了输出图像文件夹的路径，并继续添加图像，直到uuid包自动生成的唯一id不退出-EUROU˜HAND TRACKING MODEL-EURO™窗口。

看看我们项目的最终结果。

本教程到此结束，感谢您一直在这里。如果确实发生了任何错误，请在评论中联系我。下面是Github存储库，如果您在任何地方遇到问题，Github存储库可以帮助您。

非常感谢您的阅读！！