Mediapipe中max_num_hands参数异常：设为2却检测出3只手求助

问题原因 #

Mediapipe的Hands模块在动态跟踪模式（static_image_mode=False）下，会结合检测与跟踪机制处理连续帧。当手部姿态变化较小、置信度处于临界值时，可能出现对同一只手的重复检测，导致返回的手部数量超过设定的max_num_hands。

解决方案 #

1. 手动过滤重复检测结果

由于重复检测的手部关键点位置高度接近，可通过计算手部中心坐标或边界框的重叠度，过滤掉重复结果，强制保留最多2只手。

修改你的extract_pose函数，添加过滤逻辑：

import cv2
import mediapipe as mp
import numpy as np

mp_hands = mp.solutions.hands
hands = mp_hands.Hands(static_image_mode=False,
                       max_num_hands=2,
                       min_detection_confidence=0.5,
                       min_tracking_confidence=0.5,
                       )

def extract_pose(frame, hands):
    frame = cv2.flip(frame, 1)
    frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
    results = hands.process(frame_rgb)
    if results.multi_hand_landmarks:
        h, w, _ = frame.shape
        hand_list = []
        # 收集每只手的关键点、中心坐标
        for hand_lms in results.multi_hand_landmarks:
            # 计算手部中心坐标（所有关键点的平均位置）
            cx = np.mean([lm.x for lm in hand_lms.landmark]) * w
            cy = np.mean([lm.y for lm in hand_lms.landmark]) * h
            hand_list.append({
                'landmarks': hand_lms,
                'center': (cx, cy)
            })
        
        # 过滤重复手：保留中心距离超过阈值的结果
        filtered_hands = []
        duplicate_threshold = 50  # 可根据图像大小调整，单位：像素
        for hand in hand_list:
            is_duplicate = False
            for kept_hand in filtered_hands:
                # 计算两点间欧氏距离
                dist = np.sqrt((hand['center'][0] - kept_hand['center'][0])**2 + 
                               (hand['center'][1] - kept_hand['center'][1])**2)
                if dist < duplicate_threshold:
                    is_duplicate = True
                    break
            if not is_duplicate:
                filtered_hands.append(hand)
                if len(filtered_hands) == 2:  # 达到最大数量后停止
                    break
        
        # 后续处理使用过滤后的结果
        print(len(filtered_hands))
        # 可选：绘制关键点
        # for hand_info in filtered_hands:
        #     for landmark in hand_info['landmarks'].landmark:
        #         x = int(landmark.x * w)
        #         y = int(landmark.y * h)
        #         cv2.circle(frame, (x, y), 5, (0, 255, 0), -1)
    # cv2.imshow("Hand Pose", frame)

2. 提高置信度阈值

通过调高min_detection_confidence和min_tracking_confidence，过滤掉低置信度的误检结果，从根源减少重复检测的概率：

hands = mp_hands.Hands(static_image_mode=False,
                       max_num_hands=2,
                       min_detection_confidence=0.7,  # 从0.5提升至0.7
                       min_tracking_confidence=0.7,   # 从0.5提升至0.7
                       )

阈值可根据实际场景调整，越高越严格，误检越少但可能漏检部分手部。

总结 #

优先尝试提高置信度阈值，若仍有重复检测，再使用手动过滤作为兜底方案，确保最终返回的手部数量不超过设定的最大值。

内容的提问来源于stack exchange，提问作者K.XGai