基于米尔全志T527开发板的OpenCV进行手势识别方案

swiftman

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

米尔基于全志T527开发板

一、软件环境安装

1.安装OpenCV

1. <font color="#000000">sudo apt-get install libopencv-dev python3-opencv</font>

复制代码

2.安装pip

1. <font color="#000000">sudo apt-get install python3-pip</font>

复制代码

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

1. # -*- coding: utf-8 -*-
   
2. import cv2
   
3. def reg(x):
   
4. o1 = cv2.imread('paper.jpg',1)
   
5. o2 = cv2.imread('rock.jpg',1)
   
6. o3 = cv2.imread('scissors.jpg',1)  
   
7. gray1 = cv2.cvtColor(o1,cv2.COLOR_BGR2GRAY)
   
8. gray2 = cv2.cvtColor(o2,cv2.COLOR_BGR2GRAY)
   
9. gray3 = cv2.cvtColor(o3,cv2.COLOR_BGR2GRAY)
   
10. xgray = cv2.cvtColor(x,cv2.COLOR_BGR2GRAY)
    
11. ret, binary1 = cv2.threshold(gray1,127,255,cv2.THRESH_BINARY)
    
12. ret, binary2 = cv2.threshold(gray2,127,255,cv2.THRESH_BINARY)
    
13. ret, binary3 = cv2.threshold(gray3,127,255,cv2.THRESH_BINARY)
    
14. xret, xbinary = cv2.threshold(xgray,127,255,cv2.THRESH_BINARY)
    
15. contours1, hierarchy = cv2.findContours(binary1,
    
16. cv2.RETR_LIST,
    
17. cv2.CHAIN_APPROX_SIMPLE)  
    
18. contours2, hierarchy = cv2.findContours(binary2,
    
19. cv2.RETR_LIST,
    
20. cv2.CHAIN_APPROX_SIMPLE)  
    
21. contours3, hierarchy = cv2.findContours(binary3,
    
22. cv2.RETR_LIST,
    
23. cv2.CHAIN_APPROX_SIMPLE)  
    
24. xcontours, hierarchy = cv2.findContours(xbinary,
    
25. cv2.RETR_LIST,
    
26. cv2.CHAIN_APPROX_SIMPLE)  
    
27. cnt1 = contours1[0]
    
28. cnt2 = contours2[0]
    
29. cnt3 = contours3[0]
    
30. x = xcontours[0]
    
31. ret=[]
    
32. ret.append(cv2.matchShapes(x,cnt1,1,0.0))
    
33. ret.append(cv2.matchShapes(x,cnt2,1,0.0))
    
34. ret.append(cv2.matchShapes(x,cnt3,1,0.0))
    
35. max_index = ret.index(min(ret))  #计算最大值索引
    
36. if max_index==0:
    
37. r="paper"
    
38. elif max_index==1:
    
39. r="rock"
    
40. else:
    
41. r="sessiors"
    
42. return r
    
43. t1=cv2.imread('test1.jpg',1)
    
44. t2=cv2.imread('test2.jpg',1)
    
45. t3=cv2.imread('test3.jpg',1)
    
46. # print(reg(t1))
    
47. # print(reg(t2))
    
48. # print(reg(t3))
    
49. # ===========显示处理结果==================
    
50. org=(0,60)
    
51. font = cv2.FONT_HERSHEY_SIMPLEX
    
52. fontScale=2
    
53. color=(255,255,255)
    
54. thickness=3
    
55. cv2.putText(t1,reg(t1),org,font,fontScale,color,thickness)
    
56. cv2.putText(t2,reg(t2),org,font,fontScale,color,thickness)
    
57. cv2.putText(t3,reg(t3),org,font,fontScale,color,thickness)
    
58. cv2.imshow('test1',t1)
    
59. cv2.imshow('test2',t2)
    
60. cv2.imshow('test3',t3)
    
61. cv2.waitKey()
    
62. cv2.destroyAllWindows()

复制代码

四、实践

1.程序运行

2、原始图像包含训练图像

3.识别结果

识别到了 剪刀 石头 布

原始图片