首页
/ MediaPipe项目中HandLandmarker与draw_landmarks的兼容性问题解析

MediaPipe项目中HandLandmarker与draw_landmarks的兼容性问题解析

2025-05-05 07:46:48作者:柯茵沙

问题背景

在使用MediaPipe的HandLandmarker进行手部关键点检测时,开发者可能会遇到一个常见问题:当尝试使用draw_landmarks函数可视化检测结果时,程序会抛出错误。这个问题主要出现在MacOS系统上,使用Python语言开发时。

问题现象

开发者在使用HandLandmarker检测手部关键点后,尝试使用draw_landmarks函数绘制检测结果时,会遇到两种不同类型的错误:

  1. 第一种错误提示"AttributeError: 'list' object has no attribute 'landmark'"
  2. 第二种错误提示"AttributeError: 'Landmark' object has no attribute 'HasField'"

这些错误表明,HandLandmarker返回的结果格式与draw_landmarks函数期望的输入格式不兼容。

问题根源

经过分析,这个问题主要有两个原因:

  1. API版本不匹配:MediaPipe的任务API(Tasks API)和解决方案API(Solutions API)使用了不同的数据结构格式。HandLandmarker属于较新的任务API,而draw_landmarks函数最初是为解决方案API设计的。

  2. Protobuf版本冲突:MediaPipe 0.10.11版本与Protobuf 5.x版本存在兼容性问题,导致数据类型转换失败。

解决方案

1. 正确的数据转换方法

要解决这个问题,需要将HandLandmarker返回的结果转换为draw_landmarks能够识别的格式。以下是推荐的解决方案:

from mediapipe import solutions
from mediapipe.framework.formats import landmark_pb2

def draw_landmarks_on_image(rgb_image, detection_result):
    hand_landmarks_list = detection_result.hand_landmarks
    annotated_image = np.copy(rgb_image)

    for idx in range(len(hand_landmarks_list)):
        hand_landmarks = hand_landmarks_list[idx]
        
        hand_landmarks_proto = landmark_pb2.NormalizedLandmarkList()
        hand_landmarks_proto.landmark.extend([
            landmark_pb2.NormalizedLandmark(x=landmark.x, y=landmark.y, z=landmark.z) 
            for landmark in hand_landmarks
        ])
        
        solutions.drawing_utils.draw_landmarks(
            annotated_image,
            hand_landmarks_proto,
            solutions.hands.HAND_CONNECTIONS,
            solutions.drawing_styles.get_default_hand_landmarks_style(),
            solutions.drawing_styles.get_default_hand_connections_style()
        )
    
    return annotated_image

2. 版本兼容性调整

如果上述方法仍然出现问题,可以尝试以下版本组合:

  1. 降级MediaPipe到0.10.9版本,同时使用Protobuf 3.x
  2. 升级到MediaPipe 0.10.10或0.10.11版本,同时使用Protobuf 5.x

完整示例代码

以下是经过验证可用的完整代码示例:

import cv2
import numpy as np
from mediapipe import Image, ImageFormat
from mediapipe.tasks.python.vision import HandLandmarker, HandLandmarkerOptions, RunningMode
from mediapipe.tasks.python import BaseOptions
from mediapipe import solutions
from mediapipe.framework.formats import landmark_pb2

def draw_landmarks_on_image(rgb_image, detection_result):
    hand_landmarks_list = detection_result.hand_landmarks
    annotated_image = np.copy(rgb_image)

    for idx in range(len(hand_landmarks_list)):
        hand_landmarks = hand_landmarks_list[idx]
        
        hand_landmarks_proto = landmark_pb2.NormalizedLandmarkList()
        hand_landmarks_proto.landmark.extend([
            landmark_pb2.NormalizedLandmark(x=landmark.x, y=landmark.y, z=landmark.z) 
            for landmark in hand_landmarks
        ])
        
        solutions.drawing_utils.draw_landmarks(
            annotated_image,
            hand_landmarks_proto,
            solutions.hands.HAND_CONNECTIONS,
            solutions.drawing_styles.get_default_hand_landmarks_style(),
            solutions.drawing_styles.get_default_hand_connections_style()
        )
    
    return annotated_image

# 配置HandLandmarker
base_options = BaseOptions(model_asset_path='hand_landmarker.task')
options = HandLandmarkerOptions(
    base_options=base_options,
    num_hands=2,
    min_hand_detection_confidence=0.1,
    min_tracking_confidence=0.1,
    running_mode=RunningMode.IMAGE
)
detector = HandLandmarker.create_from_options(options)

# 初始化摄像头
cap = cv2.VideoCapture(0)
if not cap.isOpened():
    print("无法打开摄像头")
    exit(1)

while True:
    success, frame = cap.read()
    if not success:
        break

    frame = cv2.flip(frame, 1)
    rgb_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)

    # 处理图像
    mp_image = Image(image_format=ImageFormat.SRGB, data=rgb_frame)
    results = detector.detect(mp_image)

    # 绘制关键点
    if results:
        annotated_image = draw_landmarks_on_image(mp_image.numpy_view(), results)
        bgr_frame = cv2.cvtColor(annotated_image, cv2.COLOR_RGB2BGR)
        cv2.imshow("手部关键点检测", bgr_frame)

    if cv2.waitKey(1) & 0xFF == 27:  # ESC键退出
        break

cap.release()
cv2.destroyAllWindows()

总结

在使用MediaPipe进行手部关键点检测时,开发者需要注意新旧API之间的兼容性问题。通过正确转换数据类型和选择合适的版本组合,可以顺利实现手部关键点的检测和可视化。这个问题也提醒我们,在使用开源库时,要特别注意不同版本之间的兼容性,特别是在涉及数据序列化和反序列化的情况下。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
note-gennote-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
kernelkernel
deepin linux kernel
C
22
5