溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章運用簡單易懂的例子給大家介紹利用Python如何實現手勢識別，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。
代碼如下：
import cv2
import numpy as np
import copy
import math
import win32api
import win32con
# 參數
cap_region_x_begin = 0.5 # 起點/總寬度
cap_region_y_end = 0.8
threshold = 60 # 二值化閾值
blurValue = 41 # 高斯模糊參數
bgSubThreshold = 50
learningRate = 0
# 變量
isBgCaptured = 0 # 布爾類型, 背景是否被捕獲
triggerSwitch = False # 如果正確，鍵盤模擬器將工作
def printThreshold(thr):
print("! Changed threshold to " + str(thr))
def removeBG(frame): #移除背景
fgmask = bgModel.apply(frame, learningRate=learningRate) #計算前景掩膜
kernel = np.ones((3, 3), np.uint8)
fgmask = cv2.erode(fgmask, kernel, iterations=1) #使用特定的結構元素來侵蝕圖像。
res = cv2.bitwise_and(frame, frame, mask=fgmask) #使用掩膜移除靜態背景
return res
# 相機/攝像頭
camera = cv2.VideoCapture(0) #打開電腦自帶攝像頭，如果參數是1會打開外接攝像頭
camera.set(10, 200) #設置視頻屬性
cv2.namedWindow('trackbar') #設置窗口名字
cv2.resizeWindow("trackbar", 640, 200) #重新設置窗口尺寸
cv2.createTrackbar('threshold', 'trackbar', threshold, 100, printThreshold)
#createTrackbar是Opencv中的API，其可在顯示圖像的窗口中快速創建一個滑動控件，用于手動調節閾值，具有非常直觀的效果。
while camera.isOpened():
ret, frame = camera.read()
threshold = cv2.getTrackbarPos('threshold', 'trackbar') #返回滑動條上的位置的值（即實時更新閾值）
# frame = cv2.cvtColor(frame,cv2.COLOR_RGB2YCrCb)
frame = cv2.bilateralFilter(frame, 5, 50, 100) # 雙邊濾波
frame = cv2.flip(frame, 1) # 翻轉 0:沿X軸翻轉(垂直翻轉) 大于0:沿Y軸翻轉(水平翻轉) 小于0:先沿X軸翻轉，再沿Y軸翻轉，等價于旋轉180°
cv2.rectangle(frame, (int(cap_region_x_begin * frame.shape[1]), 0),(frame.shape[1], int(cap_region_y_end * frame.shape[0])), (0, 0, 255), 2)
#畫矩形框 frame.shape[0]表示frame的高度 frame.shape[1]表示frame的寬度 注：opencv的像素是BGR順序
cv2.imshow('original', frame) #經過雙邊濾波后的初始化窗口
#主要操作
if isBgCaptured == 1: # isBgCaptured == 1 表示已經捕獲背景
img = removeBG(frame) #移除背景
img = img[0:int(cap_region_y_end * frame.shape[0]),int(cap_region_x_begin * frame.shape[1]):frame.shape[1]] # 剪切右上角矩形框區域
cv2.imshow('mask', img)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #將移除背景后的圖像轉換為灰度圖
blur = cv2.GaussianBlur(gray, (blurValue, blurValue), 0) #加高斯模糊
cv2.imshow('blur', blur)
ret, thresh = cv2.threshold(blur, threshold, 255, cv2.THRESH_BINARY) #二值化處理
cv2.imshow('binary', thresh)
# get the coutours
thresh2 = copy.deepcopy(thresh)
_, contours, hierarchy = cv2.findContours(thresh2, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
#尋找輪廓 注：這里的'_'用作變量名稱，_表示一個變量被指定了名稱，但不打算使用。
length = len(contours)
maxArea = -1
if length > 0:
for i in range(length): # 找到最大的輪廓（根據面積）
temp = contours[i]
area = cv2.contourArea(temp) #計算輪廓區域面積
if area > maxArea:
maxArea = area
ci = i
res = contours[ci] #得出最大的輪廓區域
hull = cv2.convexHull(res) #得出點集（組成輪廓的點）的凸包
drawing = np.zeros(img.shape, np.uint8)
cv2.drawContours(drawing, [res], 0, (0, 255, 0), 2) #畫出最大區域輪廓
cv2.drawContours(drawing, [hull], 0, (0, 0, 255), 3) #畫出凸包輪廓
moments = cv2.moments(res) # 求最大區域輪廓的各階矩
center = (int(moments['m10'] / moments['m00']), int(moments['m01'] / moments['m00']))
cv2.circle(drawing, center, 8, (0,0,255), -1) #畫出重心
fingerRes = [] #尋找指尖
max = 0; count = 0; notice = 0; cnt = 0
for i in range(len(res)):
temp = res[i]
dist = (temp[0][0] -center[0])*(temp[0][0] -center[0]) + (temp[0][1] -center[1])*(temp[0][1] -center[1]) #計算重心到輪廓邊緣的距離
if dist > max:
max = dist
notice = i
if dist != max:
count = count + 1
if count > 40:
count = 0
max = 0
flag = False #布爾值
if center[1] < res[notice][0][1]: #低于手心的點不算
continue
for j in range(len(fingerRes)): #離得太近的不算
if abs(res[notice][0][0]-fingerRes[j][0]) < 20 :
flag = True
break
if flag :
continue
fingerRes.append(res[notice][0])
cv2.circle(drawing, tuple(res[notice][0]), 8 , (255, 0, 0), -1) #畫出指尖
cv2.line(drawing, center, tuple(res[notice][0]), (255, 0, 0), 2)
cnt = cnt + 1
cv2.imshow('output', drawing)
print(cnt)
if triggerSwitch is True:
if cnt >= 3:
print(cnt)
# app('System Events').keystroke(' ') # simulate pressing blank space
win32api.keybd_event(32, 0, 0, 0) # 空格鍵位碼是32
win32api.keybd_event(32, 0, win32con.KEYEVENTF_KEYUP, 0) # 釋放空格鍵
# 輸入的鍵盤值
k = cv2.waitKey(10)
if k == 27: # 按下ESC退出
break
elif k == ord('b'): # 按下'b'會捕獲背景
bgModel = cv2.createBackgroundSubtractorMOG2(0, bgSubThreshold)
#Opencv集成了BackgroundSubtractorMOG2用于動態目標檢測，用到的是基于自適應混合高斯背景建模的背景減除法。
isBgCaptured = 1
print('!!!Background Captured!!!')
elif k == ord('r'): # 按下'r'會重置背景
bgModel = None
triggerSwitch = False
isBgCaptured = 0
print('!!!Reset BackGround!!!')
elif k == ord('n'):
triggerSwitch = True
print('!!!Trigger On!!!')運行程序操作：運行程序后，按下鍵盤的 b 鍵就可以捕獲背景了
運行結果：
注：模擬點擊空格鍵部分并未展示出來，有興趣的可以嘗試一下（按下n鍵就可以模擬鍵盤操作了）
補：該程序受光線影響其實較大，只有在單調背景小效果很好。
-------------------補充----------------------
后期再運行該程序的時候發現有一個錯誤，如下：
原因：opencv版本的原因，在opencv 4.0.0版本后，findContours的返回值只有contours, hierarchy兩個參數，不再有三個參數了！
解決辦法：
方法一：
更換opencv的版本
方法二：
將代碼 _,contours, hierarchy = cv2.findContours(thresh2, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) 改為 contours, hierarchy = cv2.findContours(thresh2, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) 即可！
關于利用Python如何實現手勢識別就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
