本文介绍了如何使用MediaPipe进行实时手势识别，这是一个轻量级的ML任务，可在移动设备上运行。MediaPipe手势识别器能够检测并识别7种常见手势，模型包括手势模型和分类模型。通过安装MediaPipe库和加载预训练模型，可以实现手势识别，对于移动应用开发，可以忽略可视化直接利用识别结果。此外，模型还可训练以适应特定手势识别任务，如手语识别。

前期的文章我们介绍了MediaPipe的人手关键点检测，其检测的21个点的坐标位置如下：

当检测到其关键点之后，我们就可利用此关键点来进行人手的手势识别。MediaPipe手势识别器任务可实时识别手识，并提供识别的手势结果。我们可以使用此任务识别用户的特点手势，并调用与这些手势相对应的应用程序功能等。且此模型是一个轻量化的ML机器学习任务，可以直接在移动设备上运行。

此任务使用机器学习（ML）模型对图像数据进行操作，并接受静态图片和视频输入来进行人手的手势识别，其模型支持如下几个识别手势。

。。。。。。。。

本文摘自CSDN的人工智能研究所专栏，该专栏为收费专栏。

————————————————

原文链接：https://blog.csdn.net/weixin_44782294/article/details/133687951