基于opencv的手势识别

最新推荐文章于 2025-03-26 09:00:00 发布

困了不能睡

最新推荐文章于 2025-03-26 09:00:00 发布

阅读量3.3k

点赞数 12

文章标签： opencv 计算机视觉人工智能

本文链接：https://blog.youkuaiyun.com/m0_59151709/article/details/128990444

版权

本文介绍了作者作为计算机视觉和人工智能学习者，如何利用OpenCV进行手势识别。通过图像处理，包括肤色检测、轮廓查找和凸缺陷检测，来判断手指个数。在遇到手部识别困难时，作者探索了椭圆肤色检测方法，并讨论了凸包和凸缺陷的概念，用于识别手指。最后，提到了使用mediapipe库进行手势识别的后续文章。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

大家好，我是一名本科生，我的主要学习方向是计算机视觉以及人工智能。按照目前的学习进度来说，我就是一小白，在这里写下自己编写的程序，与大家分享，记录一下自己的成长。
在这里插入图片描述

今天与大家分享的是基于OpenCv的手势识别。

思路分析

获取图片，在图片中找到手，然后进行一系列的闭运算，降噪平滑处理，轮廓查找，凸缺陷检测。（如果你不太理解这些操作，别着急在下面的源码中我会尝试着解释）
然后根据凸包缺陷的个数来判断手指的个数。

遇到的困难

在上述的过程借助opencv库很容易就可以实现，但实现的过程中令人头疼的地方。

在图像中找出手部是很麻烦的，一开始按照书上的方法是将读入的图片由BGR转换为HSV模式，由HSV来确定手的肤色范围，将手从图像中分离出来，代码如下：

//设置肤色范围，该范围的数值是百度出来的人体肤色范围
lower_skin = np.array([0,28,70],dtype = np.uint8)
upper_skin = np.array([20,255,255],dtype = np.uint8)
//根据肤色范围进行手的查找，
//cv2.inRange函数会将图像内不在该范围区域设置为黑色
mask = cv2.inRange(img_hsv,lower_skin,upper_skin)
//但是该方法的效果不理想，找出的手部不准确

我又在网上查找一番，找到了比HSV好的方法:椭圆肤色检测

//这里我写成了一个类
class check_skin():
    def __init__(self):
        // 创建椭圆模型
        self.ellipse_mode = np.zeros((256, 256), dtype=np.uint8)
        /// 在图像上绘制白色椭圆
        cv2.ellipse(self.ellipse_mode, (113, 155), (23, 15), 43, 0, 360, (255, 255, 255), -1)
    def check_finger(self,path):
        img = cv2.imread(path, cv2.IMREAD_COLOR)
        // 图像皮肤掩膜创建
        skin_mask = np.zeros(img.shape[:2], dtype=np.uint8)
        // 将图像转换为YCBCR
        img_ycrcb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB)
        for i in range(img.shape[0]):
            for j in range(img.shape[1]):
                cr = img_ycrcb

最低0.47元/天解锁文章