基于 OpenCV 的手掌检测和手指计数
Posted AI科技大本营
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了基于 OpenCV 的手掌检测和手指计数相关的知识,希望对你有一定的参考价值。
作者 | 努比
来源 | 小白学视觉
利用余弦定理使用OpenCV-Python实现手指计数与手掌检测。
手检测和手指计数
接下来让我们一起探索以下这个功能是如何实现的。
OpenCV
OpenCV(开源计算机视觉库)是一个开源计算机视觉和机器学习软件库。OpenCV的构建旨在为计算机视觉应用程序提供通用的基础结构,并加速在商业产品中使用机器感知。
导入库
• cv2: opencv [pip install opencv]
• numpy:用于处理数组和数学[pip install numpy]
import cv2 as cv
import numpy as np
导入图像
img_path = "data/palm.jpg"
img = cv.imread(img_path)
cv.imshow('palm image',img)
手掌图像
皮肤Mask
• 用于突出显示图像上的特定颜色。
• hsvim:将BGR(蓝色,绿色,红色)图像更改为HSV(色相,饱和度,值)。
• 较低:HSV中的肤色范围较小。
• upper:HSV中皮肤颜色的上限。
• skinRegionHSV:在HSV色彩空间的上下像素值范围内检测皮肤。
• 模糊:使图像模糊以改善遮罩。
• 脱粒:脱粒。
hsvim = cv.cvtColor(img, cv.COLOR_BGR2HSV)
lower = np.array([0, 48, 80], dtype = "uint8")
upper = np.array([20, 255, 255], dtype = "uint8")
skinRegionHSV = cv.inRange(hsvim, lower, upper)
blurred = cv.blur(skinRegionHSV, (2,2))
ret,thresh = cv.threshold(blurred,0,255,cv.THRESH_BINARY)
cv.imshow("thresh", thresh)
处理结果
轮廓线绘制
现在让我们在图像上找到轮廓。
contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
contours = max(contours, key=lambda x: cv.contourArea(x))
cv.drawContours(img, [contours], -1, (255,255,0), 2)
cv.imshow("contours", img)
手掌轮廓线
凸包检测
hull = cv.convexHull(contours)
cv.drawContours(img, [hull], -1, (0, 255, 255), 2)
cv.imshow("hull", img)
检测结果
凸缺陷检测
手掌与凸包检测轮廓线的任何偏离的地方都可以视为凸度缺陷。
hull = cv.convexHull(contours, returnPoints=False)
defects = cv.convexityDefects(contours, hull)
凸缺陷示例
手指个数计算
凸缺陷返回一个数组,其中每一行都包含以下值:
• 起点
• 终点
• 最远点
• 到最远点的大概距离
通过这一点,我们可以轻松得出Sides:a,b,c(请参见CODE),并且根据余弦定理,我们还可以得出两根手指之间的伽马或角度。如前所述,如果伽玛小于90度,我们会将其视为手指。知道伽玛后,我们只需画一个半径为4的圆,到最远点的近似距离即可。在将文本简单地放入图像中之后,我们就表示手指数(cnt)。
if defects is not None:
cnt = 0
for i in range(defects.shape[0]): # calculate the angle
s, e, f, d = defects[i][0]
start = tuple(contours[s][0])
end = tuple(contours[e][0])
far = tuple(contours[f][0])
a = np.sqrt((end[0] - start[0]) ** 2 + (end[1] - start[1]) ** 2)
b = np.sqrt((far[0] - start[0]) ** 2 + (far[1] - start[1]) ** 2)
c = np.sqrt((end[0] - far[0]) ** 2 + (end[1] - far[1]) ** 2)
angle = np.arccos((b ** 2 + c ** 2 - a ** 2) / (2 * b * c)) # cosine theorem
if angle <= np.pi / 2: # angle less than 90 degree, treat as fingers
cnt += 1
cv.circle(img, far, 4, [0, 0, 255], -1)
if cnt > 0:
cnt = cnt+1
cv.putText(img, str(cnt), (0, 50), cv.FONT_HERSHEY_SIMPLEX,1, (255, 0, 0) , 2, cv.LINE_AA)
让我们看看最终结果
cv.imshow('final_result',img)
我们也可以通过调用“ cv.VideoCapture()”来对视频执行此操作。
代码链接如下:
https://github.com/madhav727/medium/blob/master/finger_counting_video.py
以上是关于基于 OpenCV 的手掌检测和手指计数的主要内容,如果未能解决你的问题,请参考以下文章
有了“手掌”,机械手也能盘“核桃”,耶鲁出品 | Science子刊
手掌识别基于matlab形态学手掌长宽检测含Matlab源码 1382期