python实现手势识别的方法_F11 - 专业站长和开发者的学习网站

分享到

python实现手势识别的方法

python 来源：互联网搜集作者：秩名发布时间：2020-04-15 14:30:48 人浏览

摘要

使用open-cv实现简单的手势识别。刚刚接触python不久，看到了很多有意思的项目，尤其时关于计算机视觉的。网上搜到了一些关于手势处理的实验，我在这儿简单的实现一下（PS：和那些大佬比起来真的是差远了，毕竟刚接触不久），主要运用的知识就是opencv，pyth

使用open-cv实现简单的手势识别。刚刚接触python不久，看到了很多有意思的项目，尤其时关于计算机视觉的。网上搜到了一些关于手势处理的实验，我在这儿简单的实现一下（PS：和那些大佬比起来真的是差远了，毕竟刚接触不久），主要运用的知识就是opencv，python基本语法，图像处理基础知识。

最终实现结果：

获取视频（摄像头）

这部分没啥说的，就是获取摄像头。

				?

									cap = cv2.VideoCapture("C:/Users/lenovo/Videos/1.mp4")#读取文件

									#cap = cv2.VideoCapture(0)#读取摄像头

									while(True):

									  ret, frame = cap.read()  key = cv2.waitKey(50) & 0xFF

									  if key == ord('q'):

									    break

									cap.release()

									cv2.destroyAllWindows()

肤色检测

这里使用的是椭圆肤色检测模型
在RGB空间里人脸的肤色受亮度影响相当大，所以肤色点很难从非肤色点中分离出来，也就是说在此空间经过处理后，肤色点是离散的点，中间嵌有很多非肤色，这为肤色区域标定(人脸标定、眼睛等)带来了难题。如果把RGB转为YCrCb空间的话，可以忽略Y(亮度)的影响，因为该空间受亮度影响很小，肤色会产生很好的类聚。这样就把三维的空间将为二维的CrCb，肤色点会形成一定得形状，如：人脸的话会看到一个人脸的区域，手臂的话会看到一条手臂的形态。

				?

									def A(img):

									  YCrCb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB) #转换至YCrCb空间

									  (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处理

									  res = cv2.bitwise_and(img,img, mask = skin)

									  return res

轮廓处理

轮廓处理的话主要用到两个函数，cv2.findContours和cv2.drawContours，这两个函数的使用使用方法很容易搜到就不说了，这部分主要的问题是提取到的轮廓有很多个，但是我们只需要手的轮廓，所以我们要用sorted函数找到最大的轮廓。

				?

									def B(img):

									  #binaryimg = cv2.Canny(Laplacian, 50, 200) #二值化，canny检测

									  h = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) #寻找轮廓

									  contour = h[0]

									  contour = sorted(contour, key = cv2.contourArea, reverse=True)#已轮廓区域面积进行排序

									  #contourmax = contour[0][:, 0, :]#保留区域面积最大的轮廓点坐标

									  bg = np.ones(dst.shape, np.uint8) *255#创建白色幕布

									  ret = cv2.drawContours(bg,contour[0],-1,(0,0,0),3) #绘制黑色轮廓

									  return ret

全部代码

				?

									""" 从视频读取帧保存为图片"""

									import cv2

									import numpy as np

									cap = cv2.VideoCapture("C:/Users/lenovo/Videos/1.mp4")#读取文件

									#cap = cv2.VideoCapture(0)#读取摄像头

									#皮肤检测

									def A(img):

									  YCrCb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB) #转换至YCrCb空间

									  (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处理

									  res = cv2.bitwise_and(img,img, mask = skin)

									  return res

									def B(img):

									  #binaryimg = cv2.Canny(Laplacian, 50, 200) #二值化，canny检测

									  h = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) #寻找轮廓

									  contour = h[0]

									  contour = sorted(contour, key = cv2.contourArea, reverse=True)#已轮廓区域面积进行排序

									  #contourmax = contour[0][:, 0, :]#保留区域面积最大的轮廓点坐标

									  bg = np.ones(dst.shape, np.uint8) *255#创建白色幕布

									  ret = cv2.drawContours(bg,contour[0],-1,(0,0,0),3) #绘制黑色轮廓

									  return ret

									while(True):

									  ret, frame = cap.read()

									  #下面三行可以根据自己的电脑进行调节

									  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] # 获取手势框图

									  res = A(roi) # 进行肤色检测

									  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)#轮廓处理

									  cv2.imshow("2",contour)

									  key = cv2.waitKey(50) & 0xFF

									  if key == ord('q'):

									      break

									cap.release()

									cv2.destroyAllWindows()

本人学了python几天，做出这个东西自己已经很满足了，当然和那些大佬也是没法比的，没有什么东西是速成的，只能一步一个脚印的走。

您可能感兴趣的文章 :

原文链接 : https://blog.csdn.net/qq_45874897/article/details/105516981

Tag : python(762)

Python Django教程之实现新闻应用程序

Django是一个用Python编写的高级框架，它允许我们创建服务器端Web应用程序。在本文中，我们将了解如何使用Django创建新闻应用程序。我们将
书写Python代码的一种更优雅方式(推荐!)

一些比较熟悉pandas的读者朋友应该经常会使用query()、eval()、pipe()、assign()等pandas的常用方法，书写可读性很高的「链式」数据分析处理代码
Python灰度变换中伽马变换分析实现

1. 介绍伽马变换主要目的是对比度拉伸，将图像灰度较低的部分进行修正伽马变换针对的是对单个像素点的变换，也就是点对点的映射形
使用OpenCV实现迷宫解密的全过程

一、你能自己走出迷宫吗？如下图所示，可以看到是一张较为复杂的迷宫图，相信也有人尝试过自己一点一点的找出口，但我们肉眼来解谜
Python中的数据精度问题的介绍

一、python运算时精度问题 1.运行时精度问题在Python中（其他语言中也存在这个问题，这是计算机采用二进制导致的），有时候由于二进制和
Python随机值生成的常用方法

一、随机整数 1.包含上下限：[a, b] 1 2 3 4 import random #1、随机整数：包含上下限：[a, b] for i in range(10): print(random.randint(0,5),end= | ) 查看运行结
Python字典高级用法深入分析讲解

一、 collections 中 defaultdict 的使用 1.字典的键映射多个值将下面的列表转成字典 l = [(a,2),(b,3),(a,1),(b,4),(a,3),(a,1),(b,3)] 一个字典就是一个键对
Python浅析多态与鸭子类型使用实例

什么多态：同一事物有多种形态为何要有多态=》多态会带来什么样的特性，多态性多态性指的是可以在不考虑对象具体类型的情况下而直
Python字典高级用法深入分析介绍

一、 collections 中 defaultdict 的使用 1.字典的键映射多个值将下面的列表转成字典 l = [(a,2),(b,3),(a,1),(b,4),(a,3),(a,1),(b,3)] 一个字典就是一个键对
Python淘宝或京东等秒杀抢购脚本实现(秒杀脚本

我们的目标是秒杀淘宝或京东等的订单，这里面有几个关键点，首先需要登录淘宝或京东，其次你需要准备好订单，最后要在指定时间快速