12-4 AI 实验范例：识别剪刀、石头和布的手势

📄 一句话概括

用 CVZone 的 fingersUp 数出五根手指的伸直状态，再用三条 if 把【剪刀/石头/布】判出来——这一章的 AI 只有前一半：检测靠 MediaPipe 的模型；后一半【这是布】的判断是你自己写的规则，没有训练任何东西。

📝 本节和前面几节的关系

12-2 已经给了全部家底（findHands＋fingersUp），本节是第一次完整走通【取帧→检测→判断→显示】的实验闭环——它和 11-5 的 YOLO 循环、12-3 的推理循环是同一副骨架。学完你会发现：视觉实验的【代码结构】其实只有一种，变的只是中间那段【判断逻辑】。

一、先把语义掰正：这不是训练，是规则判断

教材把本节叫【AI 实验范例】，但严格说：

模型干的活：找出手在哪、21 个关键点各在哪（MediaPipe 预训练，你零参与）
你写的代码干的活：看【哪几根手指伸直】→ 映射到【剪刀/石头/布】（纯 if 规则）

为什么不直接训练一个手势分类模型？——可以（树莓派上跑 TFLite 手势模型也行），但对三个类别的清晰手势，规则判断又快又稳又好调试：认错了你一眼能看出是哪根手指判错。先规则后模型是边缘 AI 的实用主义顺序。

二、判据：五根手指的真值表

fingersUp 返回 [拇指, 食指, 中指, 无名指, 小指] 的 0/1 列表，三种手势的真值表就固定下来了：

手势	fingersUp	记法
布	`[1, 1, 1, 1, 1]`	全伸
石头	`[0, 0, 0, 0, 0]`	全弯
剪刀	`[0, 1, 1, 0, 0]`	只伸食指＋中指

前提纪律（12-2 误区 4 的实战版）：手腕朝上、掌心或手背正对摄像头；手腕一翻，fingersUp 的上下几何全乱，真值表作废。

三、动手 Demo：实时手势识别

# demo12_4_rps.py —— 剪刀石头布实时识别
import cv2, cvzone
from cvzone.HandTrackingModule import HandDetector

detector = HandDetector(detectionCon=0.8, maxHands=1)
cap = cv2.VideoCapture(0)
cap.set(3, 640); cap.set(4, 480)

def classify(fingers):
    if fingers == [1, 1, 1, 1, 1]:
        return "Paper"
    if fingers == [0, 0, 0, 0, 0]:
        return "Rock"
    if fingers == [0, 1, 1, 0, 0]:
        return "Scissors"
    return "..."

while True:
    ok, img = cap.read()
    if not ok:
        break
    hands, img = detector.findHands(img)
    if hands:
        fingers = detector.fingersUp(hands[0])
        gesture = classify(fingers)
        cvzone.putTextRect(img, gesture, (40, 60), scale=2,
                           colorR=(0, 128, 255))
    cv2.imshow("RPS", img)
    if cv2.waitKey(1) & 0xFF == ord("q"):
        break
cap.release(); cv2.destroyAllWindows()

看到什么算成功：摆出剪刀手，窗口显示 Scissors；握拳变 Rock；张开变 Paper——三种手势切换无明显迟滞。画面上方偶尔显示 ...（过渡姿态），属正常。

读结果：classify 是纯函数——输入五个 0/1、输出字符串，和摄像头毫无关系。这个设计让你可以先离线测逻辑、再接摄像头（见 30 秒实验），是【检测与判断解耦】的最小示范。

四、30 秒实验：不接摄像头，先测判断逻辑

把 classify 抄进一个新文件，喂它假数据：

cases = {
    "布":   [1, 1, 1, 1, 1],
    "石头": [0, 0, 0, 0, 0],
    "剪刀": [0, 1, 1, 0, 0],
    "六指?": [1, 1, 1, 1, 0],
    "比心": [0, 1, 0, 0, 1],
}
for name, fingers in cases.items():
    print(name, "->", classify(fingers))

看到什么算成功：前三行正确映射；后两行打印 ...——未定义的姿态落进兜底分支而不是乱猜。亲手验证一遍真值表，比对着屏幕摆十次手势都更能确信【逻辑层没有 bug】；以后摄像头识别错了，你就知道该查检测层（12-2 的几何问题）而不是这里。

五、往前走一步：三个自然的延伸

猜拳对战：加 random.choice(["Rock", "Paper", "Scissors"]) 当电脑出招，定格判断胜负——教材下一章的方向。
手势当遥控器：Rock 时开灯、Paper 时关灯——用 8-5 的串口三规矩发给 Arduino，或用 9-4 的 machine.UART 发给 Pico；手势版智能家居就此成立。
升级成模型分类：姿态更复杂（数字 1~10、比 OK）后真值表爆炸，那时再换 TFLite 手势分类模型——规则的尽头是模型。

六、常见误区

以为要做什么训练——本节没有一行训练代码；MediaPipe 检测是现成的，映射是手写的。分清这两半，出错才知道找谁。
拿 count 当判据——伸直数量 2 可能是剪刀也可能是【比耶走样】的任何姿态；必须比较整张真值表，不能只数个数。
过渡态没有兜底——手在半空切换姿势时 fingersUp 是中间值，没有 return "..." 兜底就会闪烁显示错误手势；凡分类必留【不确定】出口。
在镜像画面上左右不分——findHands 的 flipType=True 默认把画面当镜像处理，做【左右手区分】的延伸实验时记得这个参数在管什么。

自测三问（点开对答案）

1. 本节的【AI】具体指哪部分？——只有手部检测（MediaPipe 预训练模型）；剪刀/石头/布的判断是手写 if 规则。 2. 为什么不能用【伸直手指的数量】当判据？——数量不唯一对应手势（数量 2 的姿态不止剪刀），必须比较完整真值表。 3. 检测与判断解耦的好处是什么？——classify 是纯函数可离线测试；摄像头识别错误时能立刻定位该查哪一层。

☐ 下一节（12-5 AI 实验范例：TensorFlow Lite+Webcam 实时物体识别）