python實現(xiàn)手勢識別的示例（入門）

更新時間：2020年04月15日 11:32:44 作者：露露核桃露

這篇文章主要介紹了python實現(xiàn)手勢識別的示例（入門），文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

使用open-cv實現(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目，尤其時關于計算機視覺的。網(wǎng)上搜到了一些關于手勢處理的實驗，我在這兒簡單的實現(xiàn)一下（PS：和那些大佬比起來真的是差遠了，畢竟剛接觸不久），主要運用的知識就是opencv，python基本語法，圖像處理基礎知識。

最終實現(xiàn)結果：

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大，所以膚色點很難從非膚色點中分離出來，也就是說在此空間經(jīng)過處理后，膚色點是離散的點，中間嵌有很多非膚色，這為膚色區(qū)域標定(人臉標定、眼睛等)帶來了難題。如果把RGB轉為YCrCb空間的話，可以忽略Y(亮度)的影響，因為該空間受亮度影響很小，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)域面積進行排序
  #contourmax = contour[0][:, 0, :]#保留區(qū)域面積最大的輪廓點坐標
  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)域面積進行排序
  #contourmax = contour[0][:, 0, :]#保留區(qū)域面積最大的輪廓點坐標
  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)自己的電腦進行調節(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()

本人學了python幾天，做出這個東西自己已經(jīng)很滿足了，當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。

到此這篇關于python實現(xiàn)手勢識別的示例（入門）的文章就介紹到這了,更多相關python 手勢識別內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: