這是借鑒了github上的一個源程序，參考源：GitHub - lzane/Fingers-Detection-using-OpenCV-and-Python: A simple Fingers Detection (or Gesture Recognition) using OpenCV and Python with background substraction 簡單手勢識別

　　自己在這個基礎(chǔ)上做了一點修改補充后，可以實現(xiàn)手指指尖的檢測，并且可以在windows系統(tǒng)下通過判斷手指數(shù)目，來模擬鍵盤操作。下面直接上源程序，并做了詳細(xì)注釋，方便理解。

　　環(huán)境：python3.6+opencv3.4.0

代碼如下：

import cv2 import numpy as np import copy import math import win32api import win32con# 參數(shù) 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(shù) 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(jié)構(gòu)元素來侵蝕圖像。res = cv2.bitwise_and(frame, frame, mask=fgmask) #使用掩膜移除靜態(tài)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(shù)是1會打開外接攝像頭 camera.set(10, 200) #設(shè)置視頻屬性 cv2.namedWindow('trackbar') #設(shè)置窗口名字 cv2.resizeWindow("trackbar", 640, 200) #重新設(shè)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(chuàng)建一個滑動控件，用于手動調(diào)節(jié)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(zhuǎn) 0:沿X軸翻轉(zhuǎn)(垂直翻轉(zhuǎn)) 大于0:沿Y軸翻轉(zhuǎn)(水平翻轉(zhuǎn)) 小于0:先沿X軸翻轉(zhuǎn)，再沿Y軸翻轉(zhuǎn)，等價于旋轉(zhuǎn)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(jīng)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(jīng)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(qū)域cv2.imshow('mask', img)gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #將移除背景后的圖像轉(zhuǎn)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 coutoursthresh1 = copy.deepcopy(thresh)_, contours, hierarchy = cv2.findContours(thresh1, 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 = -1if length > 0:for i in range(length): # 找到最大的輪廓(根據(jù)面積)temp = contours[i]area = cv2.contourArea(temp) #計算輪廓區(qū)域面積if area > maxArea:maxArea = areaci = ires = contours[ci] #得出最大的輪廓區(qū)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(qū)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(qū)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 = 0for 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 = distnotice = iif dist != max:count = count + 1if count > 40:count = 0max = 0flag = False #布爾值if center[1] < res[notice][0][1]: #低于手心的點不算continuefor j in range(len(fingerRes)): #離得太近的不算if abs(res[notice][0][0]-fingerRes[j][0]) < 20 :flag = Truebreakif flag :continuefingerRes.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 + 1cv2.imshow('output', drawing)print(cnt)if triggerSwitch is True:if cnt >= 3:print(cnt)# app('System Events').keystroke(' ') # simulate pressing blank spacewin32api.keybd_event(32, 0, 0, 0) # 空格鍵位碼是32win32api.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breakelif 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(tài)目標(biāo)檢測，用到的是基于自適應(yīng)混合高斯背景建模的背景減除法。isBgCaptured = 1print('!!!Background Captured!!!')elif k == ord('r'): # 按下'r'會重置背景bgModel = NonetriggerSwitch = FalseisBgCaptured = 0print('!!!Reset BackGround!!!')elif k == ord('n'):triggerSwitch = Trueprint('!!!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(jié)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(diào)背景小效果很好。

-------------------補充----------------------

后期再運行該程序的時候發(fā)現(xiàn)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(shù)，不再有三個參數(shù)了！

解決辦法：

法一：更換opencv的版本?

法二：將代碼?_,contours, hierarchy = cv2.findContours(thresh1, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)??改為?contours, hierarchy = cv2.findContours(thresh1, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)? 即可！

總結(jié)

以上是生活随笔為你收集整理的Python手势识别的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。