Como usar o MediaPipe com Python para detectar mãos, rostos e poses

Se você está explorando aplicações de visão computacional em Python, o MediaPipe é uma das ferramentas mais poderosas e fáceis de usar. Desenvolvido pelo Google, ele permite detectar rostos, mãos, poses e até reconhecer gestos em tempo real.

🔧 O que é o MediaPipe?

MediaPipe é um framework de código aberto para criação de pipelines de processamento multimídia. Ele é amplamente usado para tarefas de visão computacional como:

• Detecção de mãos
• Reconhecimento facial
• Rastreamento de pose corporal
• Segmentação de corpo inteiro

📦 Instalando o MediaPipe no Python

pip install mediapipe opencv-python

📷 Exemplo: Detecção de mãos com webcam

Este é um exemplo básico usando OpenCV + MediaPipe para detectar mãos em tempo real:

import cv2
import mediapipe as mp

mp_hands = mp.solutions.hands
hands = mp_hands.Hands()
mp_draw = mp.solutions.drawing_utils

cap = cv2.VideoCapture(0)

while True:
    success, img = cap.read()
    img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    results = hands.process(img_rgb)

    if results.multi_hand_landmarks:
        for hand_landmarks in results.multi_hand_landmarks:
            mp_draw.draw_landmarks(img, hand_landmarks, mp_hands.HAND_CONNECTIONS)

    cv2.imshow("MediaPipe Hands", img)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
  

🎯 Outras funcionalidades do MediaPipe

• Face Mesh: mais de 468 pontos no rosto
• Pose: detecta estrutura corporal (ombros, joelhos, pés etc.)
• Selfie Segmentation: recorte de fundo em tempo real

💡 Dicas de uso

• Combine com bibliotecas como OpenCV ou PyGame para interações visuais
• Otimize a performance com `static_image_mode=True` para imagens estáticas
• Use com Raspberry Pi ou Jetson Nano para projetos embarcados

🚀 Conclusão

MediaPipe é uma excelente ferramenta para quem quer começar com visão computacional em Python. Ele oferece alto desempenho, precisão e fácil integração com outras bibliotecas.

Se você está pensando em fazer um algoritmo para reconhecer pessoas pelo nome, a partir de uma foto ou em live stream, esse é o primeiro passo. Se usar mediapipe com deepface, teremos esse resultado.

Nos próximos artigos vamos explorar o Face Mesh e como identificar emoções a partir dos pontos do rosto. Fica ligado!