树莓派手势控制媒体播放器构建教程

用MediaPipe和树莓派实现手势控制媒体播放器

这次我们直接上手，用MediaPipe Python库来检测手势，然后控制树莓派上的媒体播放器。总共设计了六个手势：开合拳控制播放/暂停，手的上下移动控制音量增减，左右移动控制快进快退。听起来是不是很酷？下面一步步拆解。

构建手势控制媒体播放器所需的组件

硬件方面只需要两样东西：树莓派4和Pi摄像头模块。软件上则需要OpenCV（负责图像处理）和MediaPipe（负责手部跟踪）。OpenCV在数字图像处理领域是标配，而MediaPipe则是一个跨平台的多模态机器学习管道框架，支持Android、iOS、Web甚至边缘设备。它预封装了很多实用模型，包括物体检测、人脸检测、手部追踪、姿势估计、多手追踪、头发分割等——我们这次用的就是手部追踪。

MediaPipe的Python包在PyPI上可以直接安装，但针对树莓派有专门版本。如果用的是Pi 4，执行：

sudo pip3 install mediapipe-rpi4

如果是Pi 3，则换成：

sudo pip3 install mediapipe-rpi3

在树莓派上安装OpenCV

安装OpenCV之前，先把树莓派系统更新到最新：

sudo apt-get update

然后安装必要的依赖：

sudo apt-get install libhdf5-dev -y
sudo apt-get install libhdf5-serial-dev -y
sudo apt-get install libatlas-base-dev -y
sudo apt-get install libjasper-dev -y
sudo apt-get install libqtgui4 -y
sudo apt-get install libqt4-test -y

之后安装OpenCV（这里指定了版本4.1.0.25，兼容性比较稳定）：

pip3 install opencv-contrib-python==4.1.0.25

在树莓派上安装PyAutoGUI

PyAutoGUI是一个跨平台的GUI自动化模块，可以让Python脚本模拟键盘和鼠标操作。我们要用它来模拟媒体播放器的控制键。安装命令很简单：

pip3 install pyautogui

为媒体控制器编程树莓派

完整的代码在文末给出。这里挑重点解释一下关键逻辑。

首先导入三个核心库：OpenCV、MediaPipe、PyAutoGUI。然后创建两个MediaPipe的工具变量——mp_drawing用于绘图，mp_hands用于手部模型。

接着定义一个findPosition()函数，它负责返回食指、中指、无名指、小指指尖的X、Y坐标，结果存入列表lmList。注意，这里用results.multi_hand_landmarks获取检测到的手部关键点，再通过坐标映射到图像尺寸。

启动摄像头时，设置帧尺寸为720×640，然后进入主循环。每次读取图像后，先水平翻转（为了自拍视角），再转为RGB格式送入MediaPipe的手部模型进行推理。推理结果绘制在图像上，连线展示手部骨架。

得到关键点坐标后，第一个判断手势是“拳头张开还是闭合”。方法很简单：比较指尖（索引8、12、16、20）与对应中点（索引6、10、14、19）的Y坐标。如果指尖在中点下方，说明该手指弯曲（闭合），反之伸直（张开）。统计伸开的手指数量totalFingers：

• 4根手指张开 → 播放
• 0根手指张开且当前状态为“播放” → 暂停（模拟按下空格键）

对于方向控制：

• 1根手指（食指）伸出时，根据指尖X坐标判断左右：小于300为左滑，大于400为右滑，对应模拟方向键左右。
• 2根手指（食指+中指）伸出时，根据中指Y坐标判断上下：小于210为上滑，大于230为下滑，对应模拟方向键上下。

测试时，把Pi摄像头模块正确连接（参考下图），确认摄像头工作正常后运行脚本。会弹出一个实时视频窗口，就可以用手势控制播放器了。视频源可以换成任何你喜欢的视频——双手一挥，快进倒退，体验感拉满。

完整代码

import cv2
import mediapipe as mp
import pyautogui

mp_drawing = mp.solutions.drawing_utils
mp_hands = mp.solutions.hands

tipIds = [4, 8, 12, 16, 20]
state = None
gesture = None
wCam, hCam = 720, 640

def findPosition(image, handNo=0):
    lmList = []
    if results.multi_hand_landmarks:
        myHand = results.multi_hand_landmarks[handNo]
        for id, lm in enumerate(myHand.landmark):
            h, w, c = image.shape
            cx, cy = int(lm.x * w), int(lm.y * h)
            lmList.append([id, cx, cy])
    return lmList

cap = cv2.VideoCapture(0)
cap.set(3, wCam)
cap.set(4, hCam)

with mp_hands.Hands(
    min_detection_confidence=0.8,
    min_tracking_confidence=0.5) as hands:
    while cap.isOpened():
        success, image = cap.read()
        if not success:
            print("忽略空相机帧。")
            continue

        image = cv2.cvtColor(cv2.flip(image, 1), cv2.COLOR_BGR2RGB)
        image.flags.writeable = False
        results = hands.process(image)

        image.flags.writeable = True
        image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)

        if results.multi_hand_landmarks:
            for hand_landmarks in results.multi_hand_landmarks:
                mp_drawing.draw_landmarks(
                    image, hand_landmarks, mp_hands.HAND_CONNECTIONS)

        lmList = findPosition(image)

        if len(lmList) != 0:
            fingers = []
            for id in range(1, 5):
                if lmList[tipIds[id]][2] < lmList[tipIds[id] - 2][2]:
                    fingers.append(1)
                if lmList[tipIds[id]][2] > lmList[tipIds[id] - 2][2]:
                    fingers.append(0)

            totalFingers = fingers.count(1)
            print(totalFingers)

            if totalFingers == 4:
                state = "Play"

            if totalFingers == 0 and state == "Play":
                state = "Pause"
                pyautogui.press('space')
                print("space")

            if totalFingers == 1:
                if lmList[8][1] < 300:
                    print("Left")
                    pyautogui.press('left')
                if lmList[8][1] > 400:
                    print("Right")
                    pyautogui.press('right')

            if totalFingers == 2:
                if lmList[9][2] < 210:
                    print("Up")
                    pyautogui.press('up')
                if lmList[9][2] > 230:
                    print("Down")
                    pyautogui.press('down')

        cv2.imshow("Media Controller", image)
        key = cv2.waitKey(1) & 0xFF
        if key == ord("q"):
            break

cv2.destroyAllWindows()

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：树莓派手势控制媒体播放器构建教程要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题