今天我们来扩展一下，用人脸玩飞机大战。虽然思路跟手势识别类似，但代码量比手势识别版稍多。
使用的人脸算法是毫秒级的，帧率能到 30，用电脑CPU运行也很流畅。
下面我分享下项目实现过程，文末获取项目完整的源代码。
准备飞机大战程序
Github上找到一个Python版本的飞机大战程序，安装Pygame即可运行。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
用键盘的A、D、W、S键用来控制飞机的移动方向，分别对应左、右、上、下。
所以，接下来我们要做的是识别人脸，并对人脸姿态进行估计，将估计后的结果映射到左、右、上、下，从而控制飞机的运行。
人脸识别
这里，我们用opencv读取摄像头中的视频流。
将视频流中的每一帧送入mediapipe中的人脸识别模型，进行识别。
图片mediapipe 不止能识别人脸，还能标注出人脸 6 个关键点左眼、右眼、左耳、右耳、鼻子、嘴巴。
核心代码：
with self.mp_face_detection.FaceDetection( model_selection=0, min_detection_confidence=0.9) as face_detection: while cap.isOpened(): success, image = cap.read() image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) results = face_detection.process(image) image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR) if results.detections: for detection in results.detections: # 获取人脸框坐标 face_box = detection.location_data.relative_bounding_box face_w, face_h = int(face_box.width * frame_w), int(face_box.height * frame_h) face_l = int(face_box.xmin * frame_w) + face_w face_t = int(face_box.ymin * frame_h) face_r, face_b = face_l - face_w, face_t + face_h # 显示人脸框 cv2.rectangle(image, (face_l, face_t), (face_r, face_b), (0, 255, 255), 2) self.draw_zh_img(image, self.face_box_name_img, (face_r + face_l) // 2, face_t - 5) pose_direct, pose_key_points = self.pose_estimate(detection) # 显示人脸 6 个关键点 for point_name in FaceKeyPoint: mp_point = self.mp_face_detection.get_key_point(detection, point_name) point_x = int(mp_point.x * frame_w) point_y = int(mp_point.y * frame_h) point_color = (0, 255, 0) if point_name in pose_key_points else (255, 0, 255) cv2.circle(image, (point_x, point_y), 4, point_color, -1) # 显示关键点中文名称 point_name_img = self.face_key_point_name_img[point_name] self.draw_zh_img(image, point_name_img, point_x, point_y-5)
这里有个小知识点需要大家注意下。
代码中用draw_zh_img来显示中文，由于opencv不支持直接显示中文。因此，我用PIL模块中Image方法提前绘制中文图片，并转为opencv格式。
1、什么是店中店？店中店是全诚商多用户版的一大特色，它既是独立的个体，又具有群集功能。我们做个例子说明：假设尊贵的您现实生活中租赁了一个店面，店面空间很大，您可以把您的店面分割成很多独立空间再向别人转租，这样您可以额外获得一部分租赁费用收入，借以减少你的个人租赁费用投入，还能起到活跃销售场所的气氛，俗话说：货卖一堆吗。你租赁的店面可以完全分割成很多空间向外转租，也可以自己保留一块空间为自己销售商品
在需要的时候，直接与视频流合并，效率高，不掉帧。
人脸姿态估计
之前手势识别，我们用相邻帧来判断手势的移动。人脸姿态估计只用当前帧就可以，相对容易一些。
我们通过人脸 6 个关键点的坐标距离，就可以判断出人脸的姿态
这里，左耳和鼻子的水平距离很近，因此，我们可以估计脸向左转，从而可以用只飞机向左移动。
同样的，用其他关键点，我们可以估计出人脸向右转、向上（抬头）和向下（低头）
核心代码：
# 左耳与鼻子水平距离，判断面部左转
left_ear_to_nose_dist = left_ear.x - nose_pos.x
# 右耳与鼻子水平距离，判断面部右转
nose_to_right_ear_dist = nose_pos.x - right_ear.x
# 鼻子与左眼垂直距离，判断面部向上
nose_to_left_eye_dist = nose_pos.y - left_eye.y
# 左耳与左眼垂直距离，判断面部向下
left_ear_to_left_eye_dist = left_ear.y - left_eye.y
if left_ear_to_nose_dist < 0.07:
# print('左转')
self.key_board.press_key('A')
time.sleep(0.07)
self.key_board.release_key('A')
return 'A', [FaceKeyPoint.NOSE_TIP, FaceKeyPoint.LEFT_EAR_TRAGION]
if nose_to_right_ear_dist < 0.07:
# print('右转')
self.key_board.press_key('D')
time.sleep(0.07)
self.key_board.release_key('D')
return 'D', [FaceKeyPoint.NOSE_TIP, FaceKeyPoint.RIGHT_EAR_TRAGION]姿态控制飞机移动
识别出人脸姿态，我们就可以用程序控制键盘，从而控制飞机移动。
这里我用PyKeyboard模块控制键盘按键。
self.key_board = PyKeyboard()
# print('左转')
self.key_board.press_key('A')
time.sleep(0.07)
self.key_board.release_key('A')press_key和release_key函数分别是按键和释放按键。
它们之间，调用了time.sleep(0.07)控制按键的时长，按键时间长，则飞机移动距离就长，反之，按键时间短，则飞机移动距离就短，大家可以根据自己的需求来调节。
