python實(shí)現(xiàn)手勢識別的示例（入門）
使用open-cv實(shí)現(xiàn)簡單的手勢識別。剛剛接觸python不久，看到了很多有意思的項(xiàng)目，尤其時關(guān)于計(jì)算機(jī)視覺的。網(wǎng)上搜到了一些關(guān)于手勢處理的實(shí)驗(yàn)，我在這兒簡單的實(shí)現(xiàn)一下（PS：和那些大佬比起來真的是差遠(yuǎn)了，畢竟剛接觸不久），主要運(yùn)用的知識就是opencv，python基本語法，圖像處理基礎(chǔ)知識。
最終實(shí)現(xiàn)結(jié)果：
獲取視頻（攝像頭）
這部分沒啥說的，就是獲取攝像頭。
cap = cv2.VideoCapture("C:/Users/lenovo/Videos/1.mp4")#讀取文件
#cap = cv2.VideoCapture(0)#讀取攝像頭
while(True):
ret, frame = cap.read() key = cv2.waitKey(50) & 0xFF
if key == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
膚色檢測
這里使用的是橢圓膚色檢測模型
在RGB空間里人臉的膚色受亮度影響相當(dāng)大，所以膚色點(diǎn)很難從非膚色點(diǎn)中分離出來，也就是說在此空間經(jīng)過處理后，膚色點(diǎn)是離散的點(diǎn)，中間嵌有很多非膚色，這為膚色區(qū)域標(biāo)定(人臉標(biāo)定、眼睛等)帶來了難題。如果把RGB轉(zhuǎn)為YCrCb空間的話，可以忽略Y(亮度)的影響，因?yàn)樵摽臻g受亮度影響很小，膚色會產(chǎn)生很好的類聚。這樣就把三維的空間將為二維的CrCb，膚色點(diǎn)會形成一定得形狀，如：人臉的話會看到一個人臉的區(qū)域，手臂的話會看到一條手臂的形態(tài)。
def A(img): YCrCb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB) #轉(zhuǎn)換至YCrCb空間 (y,cr,cb) = cv2.split(YCrCb) #拆分出Y,Cr,Cb值 cr1 = cv2.GaussianBlur(cr, (5,5), 0) _, skin = cv2.threshold(cr1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) #Ostu處理 res = cv2.bitwise_and(img,img, mask = skin) return res
輪廓處理
輪廓處理的話主要用到兩個函數(shù)，cv2.findContours和cv2.drawContours，這兩個函數(shù)的使用使用方法很容易搜到就不說了，這部分主要的問題是提取到的輪廓有很多個，但是我們只需要手的輪廓，所以我們要用sorted函數(shù)找到最大的輪廓。
def B(img): #binaryimg = cv2.Canny(Laplacian, 50, 200) #二值化，canny檢測 h = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) #尋找輪廓 contour = h[0] contour = sorted(contour, key = cv2.contourArea, reverse=True)#已輪廓區(qū)域面積進(jìn)行排序 #contourmax = contour[0][:, 0, :]#保留區(qū)域面積最大的輪廓點(diǎn)坐標(biāo) bg = np.ones(dst.shape, np.uint8) *255#創(chuàng)建白色幕布 ret = cv2.drawContours(bg,contour[0],-1,(0,0,0),3) #繪制黑色輪廓 return ret
全部代碼
""" 從視頻讀取幀保存為圖片"""
import cv2
import numpy as np
cap = cv2.VideoCapture("C:/Users/lenovo/Videos/1.mp4")#讀取文件
#cap = cv2.VideoCapture(0)#讀取攝像頭
#皮膚檢測
def A(img):
YCrCb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB) #轉(zhuǎn)換至YCrCb空間
(y,cr,cb) = cv2.split(YCrCb) #拆分出Y,Cr,Cb值
cr1 = cv2.GaussianBlur(cr, (5,5), 0)
_, skin = cv2.threshold(cr1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) #Ostu處理
res = cv2.bitwise_and(img,img, mask = skin)
return res
def B(img):
#binaryimg = cv2.Canny(Laplacian, 50, 200) #二值化，canny檢測
h = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) #尋找輪廓
contour = h[0]
contour = sorted(contour, key = cv2.contourArea, reverse=True)#已輪廓區(qū)域面積進(jìn)行排序
#contourmax = contour[0][:, 0, :]#保留區(qū)域面積最大的輪廓點(diǎn)坐標(biāo)
bg = np.ones(dst.shape, np.uint8) *255#創(chuàng)建白色幕布
ret = cv2.drawContours(bg,contour[0],-1,(0,0,0),3) #繪制黑色輪廓
return ret
while(True):
ret, frame = cap.read()
#下面三行可以根據(jù)自己的電腦進(jìn)行調(diào)節(jié)
src = cv2.resize(frame,(400,350), interpolation=cv2.INTER_CUBIC)#窗口大小
cv2.rectangle(src, (90, 60), (300, 300 ), (0, 255, 0))#框出截取位置
roi = src[60:300 , 90:300] # 獲取手勢框圖
res = A(roi) # 進(jìn)行膚色檢測
cv2.imshow("0",roi)
gray = cv2.cvtColor(res, cv2.COLOR_BGR2GRAY)
dst = cv2.Laplacian(gray, cv2.CV_16S, ksize = 3)
Laplacian = cv2.convertScaleAbs(dst)
contour = B(Laplacian)#輪廓處理
cv2.imshow("2",contour)
key = cv2.waitKey(50) & 0xFF
if key == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
本人學(xué)了python幾天，做出這個東西自己已經(jīng)很滿足了，當(dāng)然和那些大佬也是沒法比的，沒有什么東西是速成的，只能一步一個腳印的走。
到此這篇關(guān)于python實(shí)現(xiàn)手勢識別的示例（入門）的文章就介紹到這了,更多相關(guān)python 手勢識別內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了如何用 Python 制作 GitHub 消息助手，幫助大家更好的理解和學(xué)習(xí)使用python，感興趣的朋友可以了解下2021-02-02
Pytorch 如何查看、釋放已關(guān)閉程序占用的GPU資源
使用Python通過oBIX協(xié)議訪問Niagara數(shù)據(jù)的示例
Python中numpy的np.percentile百分位函數(shù)舉例詳解
使用Python的Flask框架實(shí)現(xiàn)視頻的流媒體傳輸