基于 OpenCV 的手掌检测和手指计数

作者 | 努比

来源 | 小白学视觉

利用余弦定理使用OpenCV-Python实现手指计数与手掌检测。

手检测和手指计数

接下来让我们一起探索以下这个功能是如何实现的。

OpenCV

OpenCV（开源计算机视觉库）是一个开源计算机视觉和机器学习软件库。OpenCV的构建旨在为计算机视觉应用程序提供通用的基础结构，并加速在商业产品中使用机器感知。

导入库

• cv2： opencv [pip install opencv]

• numpy：用于处理数组和数学[pip install numpy]

import cv2 as cv
import numpy as np

导入图像

img_path = "data/palm.jpg"
img = cv.imread(img_path)
cv.imshow('palm image',img)

手掌图像

皮肤Mask

• 用于突出显示图像上的特定颜色。

• hsvim：将BGR（蓝色，绿色，红色）图像更改为HSV（色相，饱和度，值）。

• 较低：HSV中的肤色范围较小。

• upper：HSV中皮肤颜色的上限。

• skinRegionHSV：在HSV色彩空间的上下像素值范围内检测皮肤。

• 模糊：使图像模糊以改善遮罩。

• 脱粒：脱粒。

hsvim = cv.cvtColor(img, cv.COLOR_BGR2HSV)
lower = np.array([0, 48, 80], dtype = "uint8")
upper = np.array([20, 255, 255], dtype = "uint8")
skinRegionHSV = cv.inRange(hsvim, lower, upper)
blurred = cv.blur(skinRegionHSV, (2,2))
ret,thresh = cv.threshold(blurred,0,255,cv.THRESH_BINARY)
cv.imshow("thresh", thresh)

处理结果

轮廓线绘制

现在让我们在图像上找到轮廓。

contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
contours = max(contours, key=lambda x: cv.contourArea(x))
cv.drawContours(img, [contours], -1, (255,255,0), 2)
cv.imshow("contours", img)

手掌轮廓线

凸包检测

hull = cv.convexHull(contours)
cv.drawContours(img, [hull], -1, (0, 255, 255), 2)
cv.imshow("hull", img)

检测结果

凸缺陷检测

手掌与凸包检测轮廓线的任何偏离的地方都可以视为凸度缺陷。

hull = cv.convexHull(contours, returnPoints=False)
defects = cv.convexityDefects(contours, hull)

凸缺陷示例

手指个数计算

凸缺陷返回一个数组，其中每一行都包含以下值：

• 起点

• 终点

• 最远点

• 到最远点的大概距离

通过这一点，我们可以轻松得出Sides：a，b，c（请参见CODE），并且根据余弦定理，我们还可以得出两根手指之间的伽马或角度。如前所述，如果伽玛小于90度，我们会将其视为手指。知道伽玛后，我们只需画一个半径为4的圆，到最远点的近似距离即可。在将文本简单地放入图像中之后，我们就表示手指数（cnt）。

if defects is not None:
cnt = 0
for i in range(defects.shape[0]): # calculate the angle
s, e, f, d = defects[i][0]
start = tuple(contours[s][0])
end = tuple(contours[e][0])
far = tuple(contours[f][0])
a = np.sqrt((end[0] - start[0]) ** 2 + (end[1] - start[1]) ** 2)
b = np.sqrt((far[0] - start[0]) ** 2 + (far[1] - start[1]) ** 2)
c = np.sqrt((end[0] - far[0]) ** 2 + (end[1] - far[1]) ** 2)
angle = np.arccos((b ** 2 + c ** 2 - a ** 2) / (2 * b * c)) # cosine theorem
if angle <= np.pi / 2: # angle less than 90 degree, treat as fingers
cnt += 1
cv.circle(img, far, 4, [0, 0, 255], -1)
if cnt > 0:
cnt = cnt+1
cv.putText(img, str(cnt), (0, 50), cv.FONT_HERSHEY_SIMPLEX,1, (255, 0, 0) , 2, cv.LINE_AA)

让我们看看最终结果

cv.imshow('final_result',img)

我们也可以通过调用“ cv.VideoCapture（）”来对视频执行此操作。

代码链接如下：

https://github.com/madhav727/medium/blob/master/finger_counting_video.py