基于单 camera的手势识别

android平台测试程序见附件。

http://pan.baidu.com/s/1gd5nthL    

密码： h46g

基于视觉的动作识别，一直以来的最大问题是精度问题。 - -！

刚刚做了一套手势识别的算法，在此做下简单总结

先说下我做的效果：

     2m内手掌识别率在90%以上（强光干扰下效果烂成渣渣了。。so。。 扣掉10%）

     处理速度，15fps 

     cpu  30%  （arm 4核）

以上效果为平板测试结果

1> 目的： opencv的haar特征库用来训练各种手势其实是很强势，很好用的东西，唯一的缺点是： Haar版权问题。。，

     Haar训练需要的样本数也是一个蛮头疼的问题，识别准确性完全取决于样本数量和质量，没有几十k的样本，效果只能呵呵了

    还好，条条大路通罗马，

2>外围设备：  摄像头，这是基本的

                          深度传感器     ，这是一直想要的，可惜到现在也没搞到

                         红外传感器        ，同上。。。。。

3> 检测方式：  利用手势的特征点：

                         手掌的特征点还是挺多的，我使用的是手轮廓的5个内凹陷，再加上相对位置，再加上人体肤色的特征

                         基本一个完整的手就检测出来了

4> 缺点：   精度缺失 ，没办法识别3d空间位置，单camera。。。。

--------------------------------code 分割线--------------------------------------------------------

肤色过滤部分

#include "utils.h"

cv::Mat edgeFilter();
void areaFilter(cv::Mat srcMask);
void skinFilter();


cv::Scalar YUV_SKIN_BEGIN = cv::Scalar(0,133,77);   // 论文肤色(0,133,77)->(256,173,127)
cv::Scalar YUV_SKIN_END   = cv::Scalar(256,173,127);

cv::Scalar COLOR_RED = cv::Scalar(0,0,255);
cv::Scalar COLOR_GREEN = cv::Scalar(0,255,0);
cv::Scalar COLOR_BLUE = cv::Scalar(255,0,0);

#ifdef USE_SHARP
cv::Mat sharpKernal = (cv::Mat_<float>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
#endif

cv::Mat morphKernal = cv::getStructuringElement(cv::MORPH_RECT,cv::Size(3,3),cv::Point(1,1) );

cv::Size pSize = cv::Size(320,240);
//  边缘轮廓
cv::Mat edgeFilter(){
#ifdef USE_EDGE
#ifdef DEBUG
long begT = getTime(true);
#endif
    cv::Mat g = gray.clone();

    if(withRsize)
        resize(g,g,pSize);
    equalizeHist(g,g);
    Canny(g,g,100,300,3);
    g = g > 1;

#ifdef USE_SHARP
long usec = getTime(true);
    filter2D(gray, gray, gray.depth(), sharpKernal); //卷积
LOGD("filter2D(%d*%d): %d us",gray.cols,gray.rows,(int)(getTime(true)-usec));
#endif

#ifdef USE_ERODE
    dilate(gray,gray,morphKernal);
#endif

    if(withRsize)
        resize(g,g,src.size());

#ifdef DEBUG
    int w = withRsize? 320 : gray.cols;
    int h = withRsize? 240 : gray.rows;
    cv::Mat can;
    cvtColor(g,can,CV_GRAY2BGR);
    //src.copyTo(can,g);
    //addWeighted(src,1.0,can,1.0,1.0,src);
    src = src + can;
LOGD("edgeFilter(%d*%d): %d us",w,h,(int)(getTime(true)-begT));
#endif
    return g;
#endif //USE_EDGE
}

// 小面积过滤
void areaFilter(cv::Mat srcMask){
#ifdef USE_SF_AREA
#ifdef DEBUG
long usec = getTime(true);
#endif
    cv::Mat temp = srcMask.clone(); // 二值化图像
    std::vector<std::vector<cv::Point> > points;
    std::vector<cv::Vec4i> vecs;
    findContours(temp, points, vecs,
	      CV_RETR_EXTERNAL,  CV_CHAIN_APPROX_SIMPLE );

    if(points.size()<=0 || vecs.size()<=0) {
         skin.setTo(0);
         return;
    }

    std::vector<std::vector<cv::Point> > points_poly(points.size());
    std::vector<cv::Rect> bound(points.size());
    std::vector<int> usefulList;
    std::vector<float> areaList;
    float max=0;
    for(int i=0;i>=0;i=vecs[i][0]){
	 bound[i] = boundingRect(points[i]);
         //噪声过滤（微小面积过滤）
         if( points[i].size()<6
        	|| bound[i].width < MIN_IMAGE_PIX || bound[i].height < MIN_IMAGE_PIX
                ) {
            srcMask(bound[i]).setTo(0);
            continue;
         }else{ // 多边形逼近
            approxPolyDP(points[i], points_poly[i],10,true);
            float area = fabs(contourArea(points_poly[i]));
            // 有用Rect
            usefulList.push_back(i);  // 索引
            areaList.push_back(area); // 面积
            if(max<area) max = area;  // 最大面积
        }
    }
    max *= 0.01;
    int j=usefulList.size()-1;

    for(int i=0;j>=0;j--){