Mediapipe hands 모델 왼손, 오른손 구별 하기.

 

1. 핸즈 모델 오픈소스 활용

    아래 미디어파이프 핸즈 기본 오픈소스 모델을 이해하고 이번에는 왼손과 오른손을 구별하는 코드를 실습해 보자

 

https://swmakerjun.tistory.com/55

미디어 파이프 핸즈

 

2. 왼손일까? 오른손일까?

– MediaPipe Hands 코드에 ‘왼손/오른손 구별 기능’을 넣어보자!

 

   오늘은 우리가 평소에 수업 시간이나 프로젝트에서 많이 사용하는 MediaPipe Hands 오픈소스를 가지고
   조금 더 똑똑하게 바꿔보는 방법을 알아보려고 해요.
   바로, “이 손이 왼손인지, 오른손인지” 컴퓨터가 스스로 알아보게 하는 기능이에요!

 

왼손 오른손 구별

 

 

✅ 기본 코드에서 아래 코드들을 수정해 보자

1. 웹캠을 켜고
2. 손을 인식하고
3. 손가락의 21개 포인트(랜드마크)를 화면에 표시     

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

 

이렇게 간단하게 손 모양을 인식해주는 코드예요.
그런데 한 가지 아쉬운 점이 있어요.

❓"이게 왼손인지? 오른손인지?"는 알려주지 않아요.

 

 

3. 우리가 추가한 ‘왼손/오른손 인식’ 기능은 뭐가 다를까요?

우리는 여기에 딱 두 줄 정도의 정보만 추가했어요!

label = handedness.classification[0].label  # 'Left' 또는 'Right'
score = handedness.classification[0].score  # 신뢰도 (0~1)

 

             예를 들어  /  Right (0.97)   ← 오른손이고, 97% 확신,     Left (0.91)    ← 왼손이고, 91% 확신

 

 

4. 화면에 표시해볼까 ?

cv2.putText(frame, f'{label} ({score:.2f})', (x, y - 10),
                            cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 0, 255), 2)

 

 f ' {label} ({ score:.2f }) ' 는 무슨 뜻인가요?

 

한 줄 요약 : 변수에 담긴 값을 글자로 바꾸어 멋지게 보여주는 문자열 만들기 방법이에요!

 

🔍 하나씩 쪼개서 볼게요

 

1.  f  ' . . .  '

• 앞에 f가 붙으면 이건 f-string이라고 불러요.
• 문장 속에 변수 값을 바로 넣을 수 있는 방법이에요.

name = 'Taewoo'
print(f'Hello, {name}!')  # 결과: Hello, Taewoo!

2. {label}

• 이건 "Left" 또는 "Right"라는 글자가 들어갈 자리예요.
• 즉, label이라는 변수에 저장된 문자열이 들어가는 곳이에요.

3. {score:.2f}

• 이건 숫자를 소수점 둘째 자리까지 표현해주는 방식이에요.
• 예를 들어 score가 0.97643이라면, .2f는 0.98로 만들어줘요.
• f는 float(실수형 숫자)라는 뜻이에요.

ex) 아래 내용을 출력해 보자.

label = 'Right'
score = 0.97643
text = f'{label} ({score:.2f})'
print(text)

 

출력 결과   -->   Right (0.98)  

 

5. 이제 아래 코드를 활용하여 실습해 보자.

import cv2
import mediapipe as mp

# 미디어 파이프의 Hand 모델을 로드합니다.
mp_drawing = mp.solutions.drawing_utils
mp_hands = mp.solutions.hands

cap = cv2.VideoCapture(0)

with mp_hands.Hands(max_num_hands=2, min_detection_confidence=0.5, min_tracking_confidence=0.5) as hands:
    while cap.isOpened():
        success, frame = cap.read()  
        if not success:
            continue
        frame = cv2.cvtColor(cv2.flip(frame, 1), cv2.COLOR_BGR2RGB)

        # 프레임을 미디어 파이프에 전달합니다.
        results = hands.process(frame)

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

        # 랜드마크 좌표를 화면에 그립니다.
        if results.multi_hand_landmarks and results.multi_handedness:
            for hand_landmarks, handedness in zip(results.multi_hand_landmarks, results.multi_handedness):
                mp_drawing.draw_landmarks(frame, hand_landmarks, mp_hands.HAND_CONNECTIONS)

                # 왼손/오른손 정보 가져오기
                label = handedness.classification[0].label  # 'Left' 또는 'Right'
                score = handedness.classification[0].score

                # 손목 위치에 출력
                x = int(hand_landmarks.landmark[0].x * frame.shape[1])
                y = int(hand_landmarks.landmark[0].y * frame.shape[0])

                cv2.putText(frame, f'{label} ({score:.2f})', (x, y - 10),
                            cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 0, 255), 2)

        cv2.imshow('frame', frame)  

        if cv2.waitKey(1) == ord('q'):
            break

cap.release()
cv2.destroyAllWindows()

 

 

...