AI手势识别控制键盘python代码，用到的是python库如下

基于mediapipe的动作捕捉和Unity的球棍模型同步

备注: 1、安装时。如果遇到not support。可以自己pip debug --verbose 查看支持的格式。修改文件名即可

Unity-MediaPipeJs-SendMessage-WebGL-样本 该示例在浏览器上运行MediaPipe，并通过链接JavaScript→Unity WebGL显示推断结果。 演示版 操作检查页面如下。 要求（统一） Unity 2021.1.0b6或更高版本 参考 JavaScript方法： 如何更改HTML模板： 作者 高桥和仁（ ） 执照 Apache-2.0许可下的Unity-MediaPipeJs-SendMessage-WebGL-Sampleis。

使用Mediapipe检测人脸关键点，结合opencv实现人脸特效

MediaPipe是一个主要用于构建音频、视频或任何时间序列数据的框架。在 MediaPipe 框架的帮助下，我们可以为不同的媒体处理功能构建管道。MediaPipe 使用单次手掌检测模型，一旦完成，它会对检测到的手部区域中的 21 个 3D 手掌坐标执行精确的关键点定位。 MediaPipe 管道使用多个模型，例如，从完整图像返回定向手边界框的手掌检测模型。裁剪后的图像区域被馈送到由手掌检测器定义的手部标志模型，并返回高保真 3D 手部关键点。 MediaPipe为我们日常使用的革命性产品和服务提供动力。与资源消耗型的机器学习框架不同，MediaPipe只需要最少的资源。它是如此微小和高效，甚至嵌入式物联网设备都可以运行它。2019年，MediaPipe公开发布后，为研究人员和开发人员开辟了一个全新的机会世界。

基于Mediapipe框架+KNN算法实现人体3D骨架检测和人体跌倒识别系统源码+项目使用说明(毕设项目).zip 【项目介绍】 基于Mediapipe框架检测人体3D骨架，KNN算法识别人体是否跌倒。 【提取训练数据】 执行Train_Model.py文件，单击‘空格键’分别提取正常姿态，跌倒姿态数据为csv文件，作为训练数据。 【KNN算法对提取数据进行分类】 执行KNN-Model.py文件，进行数据分类。 【检测姿态】 执行Mediapipe_Poe.py文件，演示结果。 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习、cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码和项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。

谷歌的 mediapipe 人脸识别的安卓包 apk，这是一个演示效果。

谷歌的 mediapipe 骨骼识别的安卓包 apk，这是一个演示效果。

谷歌的 mediapipe 骨骼+脸识别的安卓包 apk，这是一个演示效果。