当前位置：首页 > news >正文

5步搞定AI手势识别API：Flask后端+彩虹骨骼可视化部署教程

news 2026/7/22 16:36:43

5步搞定AI手势识别API：Flask后端+彩虹骨骼可视化部署教程

1. 引言

1.1 学习目标

本教程将带你快速搭建一个基于MediaPipe Hands模型的手势识别API服务，包含以下核心内容：

5分钟内完成环境配置与依赖安装
实现Flask后端API接口开发
集成彩虹骨骼可视化功能
一键测试与部署方案
常见问题排查指南

1.2 前置准备

只需具备：

基础Python编程能力
能运行命令行的电脑（Windows/Mac/Linux均可）
无需GPU，普通CPU即可流畅运行

1.3 项目亮点

极简部署：所有依赖内置，无需额外下载模型
炫酷效果：独家彩虹骨骼可视化，五指分色显示
开箱即用：完整代码可直接复制使用
性能优异：单张图片处理仅需50-100ms

2. 环境配置与快速启动

2.1 创建项目目录

建议按以下结构组织代码：

hand_api/ ├── app.py ├── hand_tracker.py ├── static/ │ └── uploads/ └── requirements.txt

2.2 安装依赖

创建requirements.txt文件并写入：

flask==2.3.3 opencv-python==4.8.0.74 mediapipe==0.10.9 numpy==1.24.3

运行安装命令：

pip install -r requirements.txt

2.3 验证安装

测试MediaPipe是否能正常导入：

import mediapipe as mp print(mp.__version__) # 应输出0.10.9

3. 核心代码实现

3.1 手势检测模块

创建hand_tracker.py文件：

import cv2 import mediapipe as mp import numpy as np class HandTracker: def __init__(self): self.mp_hands = mp.solutions.hands self.hands = self.mp_hands.Hands( static_image_mode=True, max_num_hands=2, min_detection_confidence=0.6 ) # 彩虹颜色配置（BGR格式） self.colors = [ (0, 255, 255), # 黄：拇指 (128, 0, 128), # 紫：食指 (255, 255, 0), # 青：中指 (0, 255, 0), # 绿：无名指 (0, 0, 255) # 红：小指 ] def draw_rainbow_hand(self, image, landmarks): h, w = image.shape[:2] points = [(int(lm.x*w), int(lm.y*h)) for lm in landmarks] # 绘制关节白点 for pt in points: cv2.circle(image, pt, 5, (255,255,255), -1) # 绘制彩色骨骼线 connections = [ (0,1,2,3,4), # 拇指 (0,5,6,7,8), # 食指 (0,9,10,11,12), # 中指 (0,13,14,15,16),# 无名指 (0,17,18,19,20) # 小指 ] for finger_idx, finger in enumerate(connections): for i in range(len(finger)-1): start = finger[i] end = finger[i+1] cv2.line(image, points[start], points[end], self.colors[finger_idx], 2) return image def process(self, image_path): image = cv2.imread(image_path) if image is None: return None rgb_image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) results = self.hands.process(rgb_image) if results.multi_hand_landmarks: for hand_landmarks in results.multi_hand_landmarks: image = self.draw_rainbow_hand(image, hand_landmarks.landmark) return image

3.2 Flask API服务

创建app.py文件：

from flask import Flask, request, jsonify, send_file import os from hand_tracker import HandTracker app = Flask(__name__) tracker = HandTracker() UPLOAD_FOLDER = 'static/uploads' os.makedirs(UPLOAD_FOLDER, exist_ok=True) @app.route('/api/detect', methods=['POST']) def detect_hand(): if 'file' not in request.files: return jsonify({"error": "请上传图片文件"}), 400 file = request.files['file'] if file.filename == '': return jsonify({"error": "未选择文件"}), 400 if file: save_path = os.path.join(UPLOAD_FOLDER, file.filename) file.save(save_path) try: result_img = tracker.process(save_path) if result_img is None: return jsonify({"error": "图片处理失败"}), 400 result_path = save_path.replace('.', '_result.') cv2.imwrite(result_path, result_img) return send_file(result_path) except Exception as e: return jsonify({"error": str(e)}), 500 if __name__ == '__main__': app.run(host='0.0.0.0', port=5000)

4. 测试与部署

4.1 启动服务

python app.py

服务将在http://localhost:5000启动

4.2 测试API

使用curl测试：

curl -X POST -F "file=@test.jpg" http://localhost:5000/api/detect --output result.jpg

或使用Python代码测试：

import requests url = "http://localhost:5000/api/detect" files = {'file': open('test.jpg', 'rb')} response = requests.post(url, files=files) with open('result.jpg', 'wb') as f: f.write(response.content)