【计算机视觉40例】案例08：石头剪刀布手势识别

【导读】本文是专栏《计算机视觉40例简介》的第8个案例《石头剪刀布手势识别》。该专栏简要介绍李立宗主编《计算机视觉40例——从入门到深度学习（OpenCV-Python）》一书的40个案例。 目前，该书已经在电子工业出版社出版，大家可以在京东、淘宝、当当等平台购买。 大家可以在公众号“计算机视觉之光”回复关键字【案例08】获取本文案例的源代码及使用的测试图片等资料。 针对本书40个案例的每一个案例，分别录制了介绍视频。如果嫌看文字版麻烦，可以关注公众号“计算机视觉之光”直接观看视频介绍版。

手势识别演示如图1所示，针对图像内的手势给出对应的提示文字。

图1 石头剪刀布识别

本案例中，根据形状匹配完成“石头剪刀布”的识别。如图2所示，识别手势时，将与已知形状的相似度匹配值作为判断依据，与哪个已知模型最相似，就将结果识别为哪个模型所对应的手势。

图2 形状匹配

具体实现时，引入了形状匹配的概念。形状匹配用来计算两个形状之间的匹配值，通常情况下，两个对象越相似，其匹配值越小。OpenCV提供了函数cv2.matchShapes()，对两个对象的Hu矩进行比较。

针对图3，具有如下的匹配值：

1. 相同图像(A,A)的matchShape= 0.0
2. 相似图像(A,B)的matchShape= 0.0029017627247301114
3. 不相似图像(A,C)的matchShape= 0.8283119580686752

图3 不同形状

从以上结果可以看出：

1. 同一幅图像的Hu矩是不变的，二者差值为0。因此，图像A中的对象（手）和自身距离计算的结果为0；
2. 图像在发生了平移、旋转和缩放前后，二者的距离较近。例如，图像A和图像B中的对象，B中的对象是对A中的对象进行缩放、旋转和平移后得到的，因此二者的差值较小，约为0.003。
3. 不相似图像的差值较大。例如，图像A中的对象和图像C中的对象的差别较大，约为0.83。

根据上述距离来判定手势到底是属于石头剪刀布的哪一种。

在《计算机视觉40例——从入门到深度学习（OpenCV-Python）》一书中，从算法原理、实现流程等角度系统深入地介绍了该案例的理论基础和实现过程，并对具体的代码实现进行了细致的介绍与解释。欢迎大家阅读第8章《手势识别》获取详细内容。

《计算机视觉40例——从入门到深度学习（OpenCV-Python）》在介绍Python基础、OpenCV基础、计算机视觉理论基础、深度学习理论的基础上，介绍了计算机视觉领域内具有代表性的40个典型案例。这些案例中，既有传统的案例（数字识别、答题卡识别、物体计数、缺陷检测、手势识别、隐身术、以图搜图、车牌识别、图像加密、指纹识别等），也有深度学习案例（图像分类、风格迁移、姿势识别、实例分割等），还有人脸识别方面的案例（表情识别、驾驶员疲劳监测、识别性别与年龄等）。