Mediapipe – تتبع الوجوه واليدين والوضعيات

MediaPipe Python: دليل شامل لمكتبة الرؤية الحاسوبية من Google

MediaPipe — هي مكتبة ثورية مفتوحة المصدر من Google، مصممة لإنشاء خطوط أنابيب ML متعددة الوسائط معقدة. توفر هذه المنصة القوية حلولاً جاهزة عالية الدقة للرؤية الحاسوبية في الوقت الفعلي، بما في ذلك تتبع اليدين، التعرف على الوجوه، كشف الوضعية، تحليل الإيماءات، اكتشاف الأشياء، والعديد من الإمكانيات الأخرى.

بفضل الغلاف المناسب للغة Python، يمكن للمطورين دمج تقنيات التعلم الآلي المتقدمة بسهولة في مشاريعهم، مما يخلق حلولاً مبتكرة للألعاب، أنظمة التحكم بالإيماءات، الواقع المعزز، تحليل السلوك، تطبيقات اللياقة البدنية، وغيرها الكثير.

تثبيت وإعداد MediaPipe

التثبيت الأساسي

pip install mediapipe opencv-python

التبعيات الإضافية للوظائف المتقدمة

pip install mediapipe opencv-python numpy matplotlib

التحقق من التثبيت

import mediapipe as mpimport cv2print(f"MediaPipe الإصدار: {mp.__version__}")print(f"OpenCV الإصدار: {cv2.__version__}")

الهندسة المعمارية والمكونات الرئيسية لـ MediaPipe

تم بناء MediaPipe على هندسة معيارية، حيث يتخصص كل وحدة في مهمة محددة للرؤية الحاسوبية. تستخدم المكتبة شبكات عصبية محسّنة، تم تدريبها على مجموعات بيانات ضخمة، مما يضمن دقة وأداء عاليين.

الوحدات الرئيسية لـ MediaPipe

وصف تفصيلي للوحدات

وحدة Hands - تتبع اليدين

توفر وحدة Hands تتبعًا عالي الدقة لليدين في وقت واحد، مع تحديد 21 نقطة رئيسية على كل يد.

المعلمات الرئيسية للتهيئة

import mediapipe as mp

mp_hands = mp.solutions.handshands = mp_hands.Hands(    static_image_mode=False,      # وضع الفيديو (False) أو الصور الثابتة (True)    max_num_hands=2,              # الحد الأقصى لعدد اليدين للكشف    min_detection_confidence=0.5, # الحد الأدنى لثقة الكشف    min_tracking_confidence=0.5   # الحد الأدنى لثقة التتبع)

مثال عملي مع معالجة الإحداثيات

import cv2import mediapipe as mpimport numpy as np

mp_hands = mp.solutions.handshands = mp_hands.Hands(min_detection_confidence=0.