油猴+手势识别：我实现了任意网页隔空控制！

引言

最近我的小册《油猴脚本实战指南》上线了，很多同学都很感兴趣。

有些人学习后就私下问我，油猴既然能将任意前端js注入到当前网页中，是否能结合手势识别实现任意网页隔空控制，实现类似手机上的隔空翻页功能呢？

这是个非常好的想法，于是，我经过研究，将它实现出来了！先看看脚本效果：

1️⃣ 上下翻页功能

• 
  
• 左手张开，右手可以控制网页向下翻页
  
• 左手握拳，右手可以控制网页向上翻页
  

2️⃣ 右手可以控制一个模拟光标移动

3️⃣ 右手握拳，实现点击效果

当然，还预设了很多手势，比如双手比✌🏻关闭当前网页，左手竖起大拇指，右手实现缩放网页等效果。

实现原理

其实实现原理非常简单，就是油猴+手势识别

油猴Tampermonkey

油猴（Tampermonkey）是一款浏览器插件，允许用户在网页加载时注入自定义的 JavaScript 脚本，来增强、修改或自动化网页行为。

通俗地说，借助油猴，你可以将自己的 JavaScript 代码“植入”任意网页，实现自动登录、抢单、签到、数据爬取、广告屏蔽等各种“开挂级”功能，彻底掌控页面行为。

如果你想深入了解，可以参考文章：juejin.cn/book/751468…

手势识别MediaPipe

手势识别其实已经不是一个新鲜词了，随着大模型的普及，AI识别手势非常简单方便。本示例中使用的AI模型识别，主要依赖了谷歌的MediaPipe。

MediaPipe 解决方案提供了一套库和工具，可帮助您快速在应用中应用人工智能 (AI) 和机器学习 (ML) 技术。

本示例中的demo就是借助它的手势识别能力实现的。在web中，我们可以借助MediaPipe @mediapipe/tasks-vision NPM 软件包获取手势识别器代码。

MediaPipe @mediapipe/tasks-vision

它的使用也非常简单

// Create task for image file processing:
const vision = await FilesetResolver.forVisionTasks(
// path/to/wasm/root
"https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision@latest/wasm "

);
const gestureRecognizer = await GestureRecognizer.createFromOptions(vision, {
baseOptions: {
modelAssetPath: "https://storage.googleapis.com/mediapipe-tasks/gesture_recognizer/gesture_recognizer.task"

  },
numHands: 2

});

如何将两者结合

借助油猴的脚本注入能力，我们能让我们的手势识别代码运行在任意网页，从而轻松实现隔空手势控制效果。

当然，脚本运行时必须开启摄像机权限，页面其实会有一个画面，但是很尴尬，于是实际脚本中，我将画面隐藏了。

手势识别的原理其实也不复杂，通过tasks-vision，我们可以拿到上图中各个关键的点的位置信息，通过判断不同点位之间的距离，实现不同的手势判断。

// 判定手势
// 手掌张开手势
function isHandOpen(hand) {
const fingers = [[8, 5], [12, 9], [16, 13], [20, 17]];
return fingers.filter(([tip, base]) => dist(hand[tip], hand[base]) > 0.1).length >= 4;

}
// 握拳手势
function isFist(hand) {
const fingers = [[8, 5], [12, 9], [16, 13], [20, 17]];
return fingers.filter(([tip, base]) => dist(hand[tip], hand[base]) < 0.06).length >= 3;

}
// 胜利手势
function isVictory(hand) {
const extended = [8, 12];
const folded = [16, 20];
return (

    extended.every((i) => dist(hand[i], hand[i - 3]) > 0.1) &&

    folded.every((i) => dist(hand[i], hand[i - 3]) < 0.05)

  );

}

上述代码中的hand就是mediapipe/tasks-vision返回的手势信息。结合这些自定义的手势信息，我们就能实现各种花里胡哨的功能！

进一步学习

对于手势识别的学习，我们可以去学习官方的demo，在npmjs上，我们可以找到使用说明

这个包人脸识别、手势识别等非常多的功能，非常强大！

如果你对油猴脚本感兴趣，可以看看教程 《 油猴脚本实战指南 》， 本示例中的demo也会在这个教程中详细讲解。

当然，你也可以加我shc1139874527，我会拉你进学习交流群，一起体验油猴脚本开发的魅力！