关于手势识别

概要

手势识别，即为向程序输入图形（图片、视频、实时录像等），通过程序识别人体皮肤颜色的方式，勾画出轮廓，从而实现手势识别的目的。

所以手势识别本质上是识别人体皮肤的颜色，将其与图像上其他事物区分开来。

以上截图是一段手势识别程序运行时的效果。

运行原理

这里利用Python、OpenCV进行处理。

首先是常规的操作，将图像（视频）输入至程序，之后方可进行处理。

import cv2
import numpy as np
cap = cv2.VideoCapture(XXX)#XXX为0时读取摄像头，为"YYY.mp4"等文件名时读取文件

接着是皮肤检测，借物的代码没有做太多的分析，主要是将图形拆分出Y、Cr、Cb值，在整张图像中进行判断。判断皮肤范围后绘制轮廓。

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

然后需要对输入的图形进行一定的处理，除了确定处理的范围之外，根据具体图像环境不同，需要对肤色进行判断。接着才能进行检测。

最后分析之后需要输出给人看，白色的底图和绘制的轮廓，可以体现出手势的样式。

>这么长串别人的代码，就不继续贴出来了吧（悲）