基于米尔全志T527开发板的OpenCV进行手势识别方案
本帖最后由 swiftman 于 2024-12-13 15:24 编辑本文将介绍基于米尔电子MYD-LT527开发板（米尔基于全志T527开发板）的OpenCV手势识别方案测试。摘自优秀创作者-小火苗https://srcc.myir.cn/images/20241213/c3ee63940cc6edd67356363f965b6161.png?v=433334
米尔基于全志T527开发板
一、软件环境安装1.安装OpenCV<font color="#000000">sudo apt-get install libopencv-dev python3-opencv</font>
https://srcc.myir.cn/images/20241213/22f7d0b69b253b73c828cace7176031a.png?v=233146
2.安装pip<font color="#000000">sudo apt-get install python3-pip</font>
https://srcc.myir.cn/images/20241213/b08d7f078c39d13ca114eed5c5aa4545.png?v=228279
二、OpenCV手势识别步骤1.图像获取：从摄像头或其他图像源获取手部图像。使用OpenCV的VideoCapture类可以捕获视频流，或者使用imread函数加载图像。2.图像预处理：对图像进行预处理，以提高特征提取的准确性。常用的预处理操作包括灰度化、滤波、边缘检测、二值化、噪声去除和形态学处理等。
[*]灰度化：将彩色图像转换为灰度图像，去除颜色信息，简化图像。
[*]滤波：使用滤波器去除图像中的噪声。
[*]边缘检测：使用边缘检测算法提取图像中的边缘信息。
[*]二值化：将灰度图像转换为二值图像，将像素值分为黑色和白色。
[*]形态学处理：使用形态学操作增强手势轮廓。
3.特征提取：从预处理后的图像中提取手部特征。常用的特征包括形状特征、纹理特征和运动轨迹特征等。
[*]形状特征：提取手部轮廓、面积、周长、质心等形状特征。
[*]纹理特征：提取手部皮肤纹理、皱纹等纹理特征。
[*]运动轨迹特征：提取手部运动轨迹、速度、加速度等运动轨迹特征。
4.分类和识别：使用机器学习算法对提取的特征进行分类，以识别特定的手势。
三、代码实现# -*- coding: utf-8 -*-
import cv2
def reg(x):
o1 = cv2.imread('paper.jpg',1)
o2 = cv2.imread('rock.jpg',1)
o3 = cv2.imread('scissors.jpg',1)
gray1 = cv2.cvtColor(o1,cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(o2,cv2.COLOR_BGR2GRAY)
gray3 = cv2.cvtColor(o3,cv2.COLOR_BGR2GRAY)
xgray = cv2.cvtColor(x,cv2.COLOR_BGR2GRAY)
ret, binary1 = cv2.threshold(gray1,127,255,cv2.THRESH_BINARY)
ret, binary2 = cv2.threshold(gray2,127,255,cv2.THRESH_BINARY)
ret, binary3 = cv2.threshold(gray3,127,255,cv2.THRESH_BINARY)
xret, xbinary = cv2.threshold(xgray,127,255,cv2.THRESH_BINARY)
contours1, hierarchy = cv2.findContours(binary1,
cv2.RETR_LIST,
cv2.CHAIN_APPROX_SIMPLE)
contours2, hierarchy = cv2.findContours(binary2,
cv2.RETR_LIST,
cv2.CHAIN_APPROX_SIMPLE)
contours3, hierarchy = cv2.findContours(binary3,
cv2.RETR_LIST,
cv2.CHAIN_APPROX_SIMPLE)
xcontours, hierarchy = cv2.findContours(xbinary,
cv2.RETR_LIST,
cv2.CHAIN_APPROX_SIMPLE)
cnt1 = contours1
cnt2 = contours2
cnt3 = contours3
x = xcontours
ret=[]
ret.append(cv2.matchShapes(x,cnt1,1,0.0))
ret.append(cv2.matchShapes(x,cnt2,1,0.0))
ret.append(cv2.matchShapes(x,cnt3,1,0.0))
max_index = ret.index(min(ret))#计算最大值索引
if max_index==0:
r="paper"
elif max_index==1:
r="rock"
else:
r="sessiors"
return r
t1=cv2.imread('test1.jpg',1)
t2=cv2.imread('test2.jpg',1)
t3=cv2.imread('test3.jpg',1)
# print(reg(t1))
# print(reg(t2))
# print(reg(t3))
# ===========显示处理结果==================
org=(0,60)
font = cv2.FONT_HERSHEY_SIMPLEX
fontScale=2
color=(255,255,255)
thickness=3
cv2.putText(t1,reg(t1),org,font,fontScale,color,thickness)
cv2.putText(t2,reg(t2),org,font,fontScale,color,thickness)
cv2.putText(t3,reg(t3),org,font,fontScale,color,thickness)
cv2.imshow('test1',t1)
cv2.imshow('test2',t2)
cv2.imshow('test3',t3)
cv2.waitKey()
cv2.destroyAllWindows()
四、实践1.程序运行https://srcc.myir.cn/images/20241213/46de82c1afc3add38ea3135a985362ad.png?v=590386
2、原始图像包含训练图像https://srcc.myir.cn/images/20241213/fc0206b4833160420d05a038dd169241.png?v=287508
3.识别结果识别到了 剪刀 石头 布https://srcc.myir.cn/images/20241213/638d53f3d0652d23fd7abcf48fa501ff.png?v=396090原始图片https://srcc.myir.cn/images/20241213/e746b613a04a2d6c687dd6e77f945799.png?v=179182https://srcc.myir.cn/images/20241213/b5088a51f889c8f3660b20c9e77c6780.png?v=190239
页:
[1]