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！
這篇文章主要講解了“Python怎么實現手勢識別”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“Python怎么實現手勢識別”吧！
這部分沒啥說的，就是獲取攝像頭。
cap = cv2.VideoCapture("C:/Users/lenovo/Videos/1.mp4")#讀取文件#cap = cv2.VideoCapture(0)#讀取攝像頭while(True):ret, frame = cap.read() key = cv2.waitKey(50) & 0xFFif key == ord('q'):breakcap.release()cv2.destroyAllWindows()
這里使用的是橢圓膚色檢測模型
在RGB空間里人臉的膚色受亮度影響相當大，所以膚色點很難從非膚色點中分離出來，也就是說在此空間經過處理后，膚色點是離散的點，中間嵌有很多非膚色，這為膚色區域標定(人臉標定、眼睛等)帶來了難題。如果把RGB轉為YCrCb空間的話，可以忽略Y(亮度)的影響，因為該空間受亮度影響很小，膚色會產生很好的類聚。這樣就把三維的空間將為二維的CrCb，膚色點會形成一定得形狀，如：人臉的話會看到一個人臉的區域，手臂的話會看到一條手臂的形態。
def A(img):YCrCb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB) #轉換至YCrCb空間(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處理res = cv2.bitwise_and(img,img, mask = skin)return res
輪廓處理的話主要用到兩個函數，cv2.findContours和cv2.drawContours，這兩個函數的使用使用方法很容易搜到就不說了，這部分主要的問題是提取到的輪廓有很多個，但是我們只需要手的輪廓，所以我們要用sorted函數找到最大的輪廓。
def B(img):#binaryimg = cv2.Canny(Laplacian, 50, 200) #二值化，canny檢測h = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) #尋找輪廓contour = h[0]contour = sorted(contour, key = cv2.contourArea, reverse=True)#已輪廓區域面積進行排序#contourmax = contour[0][:, 0, :]#保留區域面積最大的輪廓點坐標bg = np.ones(dst.shape, np.uint8) *255#創建白色幕布ret = cv2.drawContours(bg,contour[0],-1,(0,0,0),3) #繪制黑色輪廓return ret
""" 從視頻讀取幀保存為圖片"""import cv2import numpy as npcap = cv2.VideoCapture("C:/Users/lenovo/Videos/1.mp4")#讀取文件#cap = cv2.VideoCapture(0)#讀取攝像頭#皮膚檢測def A(img):YCrCb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB) #轉換至YCrCb空間(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處理res = cv2.bitwise_and(img,img, mask = skin)return resdef B(img):#binaryimg = cv2.Canny(Laplacian, 50, 200) #二值化，canny檢測h = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) #尋找輪廓contour = h[0]contour = sorted(contour, key = cv2.contourArea, reverse=True)#已輪廓區域面積進行排序#contourmax = contour[0][:, 0, :]#保留區域面積最大的輪廓點坐標bg = np.ones(dst.shape, np.uint8) *255#創建白色幕布ret = cv2.drawContours(bg,contour[0],-1,(0,0,0),3) #繪制黑色輪廓return retwhile(True):ret, frame = cap.read()#下面三行可以根據自己的電腦進行調節src = 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] # 獲取手勢框圖res = A(roi) # 進行膚色檢測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)#輪廓處理cv2.imshow("2",contour)key = cv2.waitKey(50) & 0xFFif key == ord('q'):breakcap.release()cv2.destroyAllWindows()
感謝各位的閱讀，以上就是“Python怎么實現手勢識別”的內容了，經過本文的學習后，相信大家對Python怎么實現手勢識別這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！
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。
