python实现手势识别的示例（入门）资源-CSDN文库

186 浏览量 2020-09-17 13:28:34 上传评论收藏 101KB PDF 举报

资源推荐

资源详情

资源评论

python实现手势识别的示例（入门）实现手势识别的示例（入门）

主要介绍了python实现手势识别的示例（入门），文中通过示例代码介绍的非常详细，对大家的学习或者工作

具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

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

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

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

内容反馈

weixin_38571992

粉丝: 1
资源: 939

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip