从零开发一个 Python 项目,手势识别!

最近了一个手势处理的项目(零基础也可以学,就是针对零基础的),我在这儿简单的复述一下原理,总体来说还是比较简单的,主要运用的知识就是opencv,基本语法,图像处理基础知识。

最终实现结果:

获取(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
#cap=cv2.VideoCapture(0)#读取摄像头
(True):
ret,frame=cap.read()key=cv2.waitKey(50)&0xFF
ifkey==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。

defA(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)
returnres

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。

defB(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
returnret

全部

""" 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
     = 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
     key == ord('q'):
            break
cap.release()
cv2.destroyAllWindows()

来源:

给TA打赏
共{{data.count}}人
人已打赏
运维笔记

如何学习 Linux 内核网络协议栈

2023-10-10 18:32:04

运维笔记

Linux下的Locale详解

2023-10-10 18:32:15

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索