【手势识别】基于matlab肤色静态手势识别【含Matlab源码 288期】

海神之光

已于 2023-10-28 15:47:20 修改

阅读量7.5k

点赞数 15

分类专栏： Matlab图像处理（进阶版）文章标签： matlab

于 2021-12-30 10:54:23 首次发布

代码事宜私信博主

本文链接：https://blog.csdn.net/TIQCmatlab/article/details/122231044

版权

Matlab图像处理（进阶版）专栏收录该内容

885 篇文章 1059 订阅

订阅专栏

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

⛄一、手势识别简介（附课程作业报告)

1 系统设计方案
今年来，手势识别作为新一代人机交互手段，受到了国内外研究学者以及公司的关注和研究，并且取得了突出的成果，在智能电视、游戏娱乐设备、机器人等方面都有了广泛的应用，而且，通过对手势识别技术的研究，可以推动机器设备对视觉感知能力的认识，并将其应用到更多的人工智能领域，使机器设备更好的理解人类的想法和意图，为我们的生活和工作带来更大的好处。本文实现了一种能识别五种手势的手势识别系统，可以完成人机交互的基本任务。
手势动作可以分为两种，一种是相对不动，没有任何附加动作的静态手势动作，另一种是相对运动、伴随着复杂变化（如缠绕、组合等）动态手势动作，前者突出表示形式及状态，后者突出变化及轨迹。本文主要针对第一种进行研究，系统处理流程如图1所示。
在这里插入图片描述
图1 系统结构流程图

2 系统验收需要达到的目标和测试水平
本系统可以对五种预定义的静态手势进行识别，如图2所示。
在这里插入图片描述
图2 五种预定义的静态手势
当系统输入以上任意一种手势时，系统能够准确迅速的做出判断当前输入的手势是属于哪一种，并且在控制台打印出相应信息。例如输入图片(a)时，系统在控制台输出手势1；输入图片(b)时，系统在控制台输出手势2，…。

3 系统实现框图和流程图
3.1手势分割
本文选择在YcbCr颜色空间进行手势分割处理，分割的重点在于建立肤色模型，利用手势皮肤颜色在YcbCr空间内满足聚类的特点，设定阈值范围，对图像进行扫描，在此范围内则认定为手势，不在此范围内的则不予考虑，查阅相关资料并进行试验发现，人手颜色在YcbCr的二维子空间（Cb,Cr）上的分布范围满足：Cb[133,173]&Cr[77,127]，当像素点满足此条件就认定为手势，此方法处理简单。手势分割流程图如图3所示：
在这里插入图片描述
图3 手势分割流程图

⛄二、部分源代码

close all;clear all;
clc;
%----------------------------------------------
%图像进行中值滤波，并显示图像
%调用 median_filter( ) 进行处理
%----------------------------------------------
area = int32(0) ;%面积
perimeter = int32(0) ;%周长
%读进图像
[filename, pathname] = uigetfile({ ‘.bmp’;'.jpg’; ‘*.gif’}, ‘选择图片’);

RGB_data = imread([pathname, filename]);
[ROW,COL, DIM] = size(RGB_data); %提取图片的行列数

R_data = single(RGB_data(:,:,1));
G_data = single(RGB_data(:,:,2));
B_data = single(RGB_data(:,:,3));
% %以下是中值滤波代码
% medfil_result_R = median_filter(R_data, 3);
% medfil_result_G = median_filter(G_data, 3);
% medfil_result_B = median_filter(B_data, 3);

%以下是建立肤色模型，实现RGB转YCbCr
Y_data = int32(zeros(ROW,COL));
Cb_data = int32(zeros(ROW,COL));
Cr_data = int32(zeros(ROW,COL));

for r = 1:ROW
for c = 1:COL
% Y_data(r, c) = 0.299medfil_result_R(r, c) + 0.587medfil_result_G(r, c) + 0.114medfil_result_B(r, c);
% Cb_data(r, c) = -0.1687medfil_result_R(r, c) - 0.3313medfil_result_G(r, c) + 0.5medfil_result_B(r, c) + 128;
% Cr_data(r, c) = 0.5medfil_result_R(r, c) - 0.4187medfil_result_G(r, c) - 0.0813medfil_result_B(r, c) + 128;
%系数进行8位量化处理
% Y_data(r, c) = int32((76R_data(r, c) + 150G_data(r, c) + 29B_data(r, c))/256);
% Cb_data(r, c) = int32((-43R_data(r, c) - 84G_data(r, c) + 128B_data(r, c) + 128256)/256);
% Cr_data(r, c) = int32((128R_data(r, c) - 107G_data(r, c) - 20B_data(r, c) + 128256)/256);
Y_data(r, c) = floor( (76R_data(r, c) + 150G_data(r, c) + 29B_data(r, c))/256 );
Cb_data(r, c) = floor( (-43R_data(r, c) - 84G_data(r, c) + 128B_data(r, c) + 128256)/256 );
Cr_data(r, c) = floor( (128R_data(r, c) - 107G_data(r, c) - 20B_data(r, c) + 128*256)/256 );

end

end

%以下是二值化及统计手势面积
Gray_data = int32(zeros(ROW,COL));
for r = 1:ROW
for c = 1:COL
if Cb_data(r, c)>133 && Cb_data(r, c)<173 && Cr_data(r, c)>77 && Cr_data(r, c)<127
Gray_data(r,c) = 0 ;
area = area + 1 ;
else
Gray_data(r,c) = 255 ;
end
end
end

%以下是边缘检测
%edge_data=edge(Gray_data,‘sobel’) ;
edge_data = Sobel_Image(Gray_data) ;
% %以下是统计周长
% for r = 1:ROW
% for c = 1:COL
% if edge_data(r, c)==1
% perimeter = perimeter + 1 ;
% end
% end
% end
[H1,H2,H3,perimeter] = OriginMoment(edge_data) ;
function [ img ] = median_filter( image, m )
%----------------------------------------------
%中值滤波
%输入：
%image：原图
%m：模板的大小3*3的模板，m=3

%输出：
%img：中值滤波处理后的图像
%----------------------------------------------
n = m;
[ height, width ] = size(image);
x1 = int32(image);
x2 = x1;
for i = 1: height-n+1
for j = 1:width-n+1
mb = x1( i:(i+n-1), j:(j+n-1) );
mb = mb(😃;
mm = median(mb);
x2( i+(n-1)/2, j+(n-1)/2 ) = mm;

    end
end

img = x2;

end

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]李昌锋,郭生挺,陈文婷.基于静态手势识别的视力检测系统设计[J].科技创新与应用. 2021,11(13)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流人群疏散病毒扩散晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合