基于肤色分割的人数统计代码

以下是一个基于肤色分割的人数统计的Python代码示例，需要用到OpenCV库：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg')

# 将图像转换为HSV颜色空间
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 定义肤色的范围
lower_skin = np.array([0, 20, 70], dtype=np.uint8)
upper_skin = np.array([20, 255, 255], dtype=np.uint8)

# 根据肤色范围提取肤色区域
mask = cv2.inRange(hsv, lower_skin, upper_skin)

# 对肤色区域进行形态学操作，去除噪点
kernel = np.ones((3, 3), np.uint8)
mask = cv2.erode(mask, kernel, iterations=1)
mask = cv2.dilate(mask, kernel, iterations=1)

# 在图像中标记肤色区域
res = cv2.bitwise_and(img, img, mask=mask)

# 统计肤色区域中的人数
gray = cv2.cvtColor(res, cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY)
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
count = len(contours)

# 显示结果
cv2.imshow('img', img)
cv2.imshow('mask', mask)
cv2.imshow('res', res)
print('肤色区域中的人数：', count)
cv2.waitKey(0)
cv2.destroyAllWindows()

在代码中，我们首先读取一张图像，并将其转换为HSV颜色空间。然后定义肤色的范围，提取肤色区域，并进行形态学操作去除噪点。接着，在图像中标记肤色区域，然后将其转换为灰度图像，进行二值化处理，找到轮廓并统计肤色区域中的人数。最后，我们将结果显示出来。