OpenCV学习笔记（二十）——手势识别

最新推荐文章于 2024-03-15 16:38:07 发布
最新推荐文章于 2024-03-15 16:38:07 发布
阅读量4.6w 收藏 38
点赞数 17
分类专栏： OpenCV OpenCV学习笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yang_xian521/article/details/6927411
版权

最近也在玩手势识别，资料找了很多，基本可以分为静态手势识别和动态手势识别，先弄个简单的静态手势识别给大家看看。

基本流程如下：

先滤波去噪-->转换到HSV空间-->根据皮肤在HSV空间的分布做出阈值判断，这里用到了inRange函数，然后进行一下形态学的操作，去除噪声干扰，是手的边界更加清晰平滑-->得到的2值图像后用findContours找出手的轮廓，去除伪轮廓后，再用convexHull函数得到凸包络。

结果如下：


源代码下载位置：http://download.csdn.net/detail/yang_xian521/3746669，有点贵哦，当时随便设了个值，呵呵

yang_xian521
关注
  • 17
    点赞
  • 踩
  • 38
    收藏
    觉得还不错? 一键收藏
  • 50
    评论
专栏目录
基于肤色二值化图像的手势识别及指尖检测的方法改良优化（完整代码 VS2013+Opencv3.1.0）
04-01
最近两三天在学习Opencv相关的计算机视觉知识，为了做项目的手势识别交互，在网上看了许多相关资料。 想把一些学习心得分享给有需要的人，如果有更好的方法欢迎探讨交流。
OpenCV学习笔记——1
01-06
一、OpenCV概念 OpenCV是什么？ OpenCV 是一个开源的计算机视觉库，可以从 http://opencv.org 获取。 OpenCV 库用C语言和 C++ 语言编写，可以在 Windows、Linux、Mac OS X 等系统运行。同时也在积极开发 Python、Java、Matlab 以及其他一些语言的接口，将库导入安卓和 iOS 中为移动设备开发应用。 什么是计算机视觉？ 计算机视觉这种技术可以将静止图像或视频数据转换为一种决策或新的表示。所有这样的转换都是为了完成某种特定的目的而进行的。 输入数据可能包含一些场景信息，例如“相机是搭载在一辆车上的”或者“雷达发现了一米之外
手势识别+人脸关键点识别+姿态估计（教程+代码）
阿利同学的博客
03-15 1182
手势识别+人脸关键点识别+姿态估计（教程+代码）
matlab手势识别，通过训练，识别剪刀石头布的手势
06-20
基于matlab手势识别，通过训练，得到识别模型来识别简单地手势
基于opencv的手势识别——手势控制电脑（手势刷抖音和阅读小说等).zip
最新发布
04-06
OpenCV（Open Source Computer Vision Library）是一款开源的计算机视觉库，专门为图像和视频处理任务设计，广泛应用于学术研究、工业应用以及个人项目中。以下是关于OpenCV的详细介绍： 历史与发展 起源：OpenCV于1999年由英特尔公司发起，旨在促进计算机视觉技术的普及和商业化应用。该项目旨在创建一个易于使用、高效且跨平台的库，为开发者提供实现计算机视觉算法所需的基础工具。 社区与支持：随着时间的推移，OpenCV吸引了全球众多开发者和研究人员的参与，形成了活跃的社区。目前，OpenCV由非盈利组织OpenCV.org维护，并得到了全球开发者、研究机构以及企业的持续贡献和支持。 主要特点 跨平台：OpenCV支持多种操作系统，包括但不限于Windows、Linux、macOS、Android和iOS，确保代码能够在不同平台上无缝运行。 丰富的功能：库中包含了数千个优化过的函数，涵盖了计算机视觉领域的诸多方面，如图像处理（滤波、形态学操作、色彩空间转换等）、特征检测与描述（如SIFT、SURF、ORB等）、物体识别与检测（如Haar级联分类器、HOG、DNN等）、视频分析、相机校正、立体视觉、机器学习（SVM、KNN、决策树等）、深度学习（基于TensorFlow、PyTorch后端的模型加载与部署）等。 高效性能：OpenCV代码经过高度优化，能够利用多核CPU、GPU以及特定硬件加速（如Intel IPP、OpenCL等），实现高速图像处理和实时计算机视觉应用。 多语言支持：尽管OpenCV主要使用C++编写，但它提供了丰富的API绑定，支持包括C、Python、Java、MATLAB、JavaScript等多种编程语言，方便不同领域的开发者使用。 开源与免费：OpenCV遵循BSD开源许可证发布，用户可以免费下载、使用、修改和分发库及其源代码，无需担心版权问题。 架构与核心模块 OpenCV的架构围绕核心模块构建，这些模块提供了不同层次的功能： Core：包含基本的数据结构（如cv::Mat用于图像存储和操作）、基本的图像和矩阵操作、数学函数、文件I/O等底层功能。 ImgProc：提供图像预处理、滤波、几何变换、形态学操作、直方图计算、轮廓发现与分析等图像处理功能。 HighGui：提供图形用户界面（GUI）支持，如图像和视频的显示、用户交互（如鼠标事件处理）以及简单的窗口管理。 VideoIO：负责视频的读写操作，支持多种视频格式和捕获设备。 Objdetect：包含预训练的对象检测模型（如Haar级联分类器用于人脸检测）。 Features2D：提供特征点检测（如SIFT、ORB）与描述符计算、特征匹配与对应关系估计等功能。 Calib3d：用于相机标定、立体视觉、多视图几何等问题。 ML：包含传统机器学习算法，如支持向量机（SVM）、K近邻（KNN）、决策树等。 DNN：深度神经网络模块，支持导入和运行预训练的深度学习模型，如卷积神经网络（CNN）。
基于Leap Motion的手势识别C#代码.zip
09-07
软件设计，通过Unity和leapmotion集成环境实现静态和动态手势的识别，包括静态的数字手势1-10（Unity显示数字）以及动态的平移、旋转、放大、缩小、手语“谢谢你帮我”，脚本语言C#，代码完整，可采集手指手掌坐标数据并输出为文本文档。有任何问题可私信
静态手势识别和动态手势识别的区别和技术路线简介
学以致用 知行合一
09-19 519
为了实现完全沉浸式的 AR 应用，系统的输出（例如可视化）以及系统的输入必须适应用户的现实。计算的发展和新技术的易用性推动了 Kinect 和 Leap Motion 等设备的发展，它们是输入设备技术创新的例子。由于动态手势数据通常以视频形式呈现，二维卷积神经网络（CNN）很难提取足够的特征信息，这促使研究人员探索新的CNN 3D网络模型，解决了同时保留时间和空间特征的问题，动态手势识别问题被深度学习方法广泛解决。静态手势是那些只需要在分类器的输入处处理单个图像的手势，这种方法的优点是计算成本较低。
玩转手势控制，你可能还差些高标准手势识别数据
AI 数据库me
06-08 657
比ok代表收到，比对号代表正确，比心代表感谢，手势一直被认为是一种更自然和更直观的与计算机进行交互的“语言”，手势识别技术也在日常生活中的多个场景实现了广泛的运用。 智能家居手势控制根据手部骨节坐标信息，可灵活定义业务场景中需要用到的手势，实现对智能电视、智能空调、智能音箱的手势远程操控。 例如，人们可以用左划或右划的手势充当遥控器进行电视换台，用指上、指下、握拳等手势控制空调的开关和温度的高低。 在智能驾驶领域，手势识别同样是近年来大热的人机交互方式。汽车制造商越来越希望通过在汽车上实施功能性安全技术，
手势识别（二） - 静态手势动作识别
iamfishman
12-20 1万+
我公司的科室开始在公众号上规划一些对外的技术文章了，包括实战项目、模型优化、端侧部署和一些深度学习任务基础知识，而我负责人体图象相关技术这一系列文章，偶尔也会出一些应用/代码解读等相关的文章。 文章在同步发布至公众号和博客，顺带做一波宣传。有兴趣的还可以扫码加入我们的群。 （文章有写的不好的地方请见谅，另外有啥错误的地方也请大家帮忙指出。） （另外，文章引用的图片or代码如有侵权，请联系我删除。） 微信公众号：AI炼丹术 技术交流群可以从公众号上获取，可以备注是咸鱼的博客上来的。???? 手势识别（二）
机器学习笔记 - 两个静态手势识别的简单示例
学以致用 知行合一
10-07 1112
手势识别方法通常分为两类：静态或动态。静态手势是那些只需要在分类器的输入处处理单个图像的手势，这种方法的优点是计算成本较低。动态手势需要处理图像序列和更复杂的手势识别方法。进一步了解可以参考下面链接。静态手势识别和动态手势识别的区别和技术路线简介-CSDN博客为了实现完全沉浸式的 AR 应用，系统的输出（例如可视化）以及系统的输入必须适应用户的现实。计算的发展和新技术的易用性推动了 Kinect 和 Leap Motion 等设备的发展，它们是输入设备技术创新的例子。
python OpenCV学习笔记实现二维直方图
12-23
本文介绍了python OpenCV学习笔记实现二维直方图，分享给大家，具体如下： 官方文档 – https://docs.opencv.org/3.4.0/dd/d0d/tutorial_py_2d_histogram.html 在前一篇文章中，我们计算并绘制了一维的直方图。它被...
基于python的OpenCV项目实战——数字识别
04-10
输入图像：灰度处理，礼帽处理，x梯度，闭操作，取轮廓，画到原图像上，得到轮廓的外接矩形，通过宽高比得到目标轮廓，目标轮廓取出，二值化，对每一组中各个数字轮廓提取，resize成和之前模板一样大小，用十个模板...
opencv学习笔记.docx
08-09
学习笔记
OpenCV学习笔记（四十）——再谈OpenCV数据结构Mat详解
热门推荐
迭代的是人，递归的是神
12-28 16万+
我记得开始接触OpenCV就是因为一个算法里面需要2维动态数组，那时候看core这部分也算是走马观花吧，随着使用的增多，对Mat这个结构越来越喜爱，也觉得有必要温故而知新，于是这次再看看Mat。 Mat最大的优势跟STL很相似，都是对内存进行动态的管理，不需要之前用户手动的管理内存，对于一些大型的开发，有时候投入的lpImage内存管理的时间甚至比关注算法实现的时间还要多，这显然是不合适的。除了
OpenCV学习笔记（四十七）——VideoWriter生成视频流highgui
迭代的是人，递归的是神
04-09 12万+
首先要先纠正个误区，我见有人用OpenCV做多媒体开发，真的是很搞笑，OpenCV这东西再强大，这方面也不行的，之所以把视频读取写入这部分做的强大一些，也是为了方便大家做视频处理的时候方便些，而且这部分也是基于vfw和ffmpeg二次开发的，功能还是很弱的。一定要记住一点，OpenCV是一个强大的计算机视觉库，而不是视频流编码器或者解码器。希望大家不要走入这个误区，可以把这部分简单单独看待。目前，
OpenCV学习笔记（二十七）——基于级联分类器的目标检测objdect
迭代的是人，递归的是神
11-16 10万+
OpenCV支持的目标检测的方法是利用样本的Haar特征进行的分类器训练，得到的级联boosted分类器（Cascade Classification）。注意，新版本的C++接口除了Haar特征以外也可以使用LBP特征。 先介绍一下相关的结构，级联分类器的计算特征值的基础类FeatureEvaluator，功能包括读操作read、复制clone、获得特征类型getFeatureType，分配图片
OpenCV学习笔记（五十四）——概述FaceRecognizer人脸识别类contrib
迭代的是人，递归的是神
07-11 7万+
在最新版的2.4.2中，文档的更新也是一大亮点，refrence manual扩充了200多页的内容，添加了contrib部分的文档。contrib就是指OpenCV中新添加的模块，但又不是很稳定，可以认为是一个雏形的部分。这次结合refman的阅读，介绍一下FaceRecognizer这个人脸识别类，这个类也是2.4.2更新日志里着重强调过的更新，配套的文档也是相当充实。这个类的基类也是Algo
OpenCV学习笔记（五十一）——imge stitching图像拼接stitching
迭代的是人，递归的是神
05-22 6万+
stitching是OpenCV2.4.0一个新模块，功能是实现图像拼接，所有的相关函数都被封装在Stitcher类当中。这个类当中我们可能用到的成员函数有createDefault、estimateTransform、composePanorama、stitch。其内部实现的过程是非常繁琐的，需要很多算法的支持，包括图像特征的寻找和匹配，摄像机的校准，图像的变形，曝光补偿和图像融合。但这些模块的
opencv学习笔记——cv::mean()函数详解
06-12
cv::mean()函数是OpenCV中用于计算图像均值的函数，它的函数原型如下： ``` Scalar cv::mean(InputArray src, InputArray mask = noArray()); ``` 其中，src参数是输入的图像，mask参数是用于掩码的可选参数。 函数返回值是一个Scalar类型的值，包含了计算得到的均值。 使用cv::mean()函数的步骤如下： 1. 加载图像 ``` Mat img = imread("image.jpg", cv::IMREAD_GRAYSCALE); ``` 2. 计算均值 ``` Scalar mean = cv::mean(img); ``` 在这个例子中，我们计算了灰度图像的均值，并将结果存储在名为mean的Scalar变量中。 如果想要使用掩码来计算均值，可以使用以下代码： ``` Mat mask = imread("mask.jpg", cv::IMREAD_GRAYSCALE); Scalar mean = cv::mean(img, mask); ``` 在这个例子中，我们使用名为mask的掩码来计算灰度图像的均值。 需要注意的是，如果输入图像是多通道的，则返回的Scalar类型变量包含每个通道的均值。例如，如果输入图像是RGB图像，则返回的Scalar类型变量包含红、绿、蓝三个通道的均值。 希望这个解释能够帮助你理解cv::mean()函数的使用方法。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 50
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值