python实现手势识别_python实现手势识别的示例（入门）

以下是一个简单的手势识别示例，使用Python和OpenCV库实现：

import cv2

# 打开摄像头
cap = cv2.VideoCapture(0)

# 创建窗口
cv2.namedWindow("Gesture Recognition")

while True:
    # 读取视频帧
    ret, frame = cap.read()

    # 翻转帧以使其更易于处理
    frame = cv2.flip(frame, 1)

    # 将帧转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 应用高斯模糊
    blur = cv2.GaussianBlur(gray, (5, 5), 0)

    # 应用阈值
    _, thresh = cv2.threshold(blur, 70, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

    # 找到轮廓
    contours, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

    # 获取最大轮廓
    if len(contours) > 0:
        max_contour = max(contours, key=cv2.contourArea)

        # 如果最大轮廓的面积大于一定值，则认为手势识别成功
        if cv2.contourArea(max_contour) > 10000:
            # 绘制轮廓
            cv2.drawContours(frame, [max_contour], 0, (0, 255, 0), 2)

            # 获取最大轮廓的凸包
            hull = cv2.convexHull(max_contour)

            # 绘制凸包
            cv2.drawContours(frame, [hull], 0, (0, 0, 255), 3)

            # 找到凸缺陷
            defects = cv2.convexityDefects(max_contour, cv2.convexHull(max_contour, returnPoints=False))

            # 绘制凸缺陷
            if defects is not None:
                for i in range(defects.shape[0]):
                    s, e, f, d = defects[i, 0]
                    start = tuple(max_contour[s][0])
                    end = tuple(max_contour[e][0])
                    far = tuple(max_contour[f][0])
                    cv2.line(frame, start, end, (0, 255, 0), 2)
                    cv2.circle(frame, far, 5, (0, 0, 255), -1)

            # 显示结果
            cv2.imshow("Gesture Recognition", frame)

    # 按下ESC键退出循环
    if cv2.waitKey(1) == 27:
        break

# 释放摄像头并销毁所有窗口
cap.release()
cv2.destroyAllWindows()

这个示例使用的是轮廓和凸包的概念来识别手势。它首先对摄像头捕获的帧进行了一系列的预处理，然后找到最大的轮廓，并通过凸包和凸缺陷来识别手势。最后，它将结果显示在一个窗口中。