c 中怎么用opencv实现手势识别
本篇内容介绍了“c 中怎么用opencv实现手势识别”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
一、手部关键点检测
如图所示，为我们的手部关键点所在位置。第一步，我们需要检测手部21个关键点。我们使用深度神经网络dnn模块来完成这件事。通过使用dnn模块可以检测出手部21个关键点作为结果输出，具体请看源码。
1.1 功能源码
//手部关键点检测boolhandkeypoints_detect(matsrc,vector&handkeypoints){//模型尺寸大小intwidth=src.cols;intheight=src.rows;floatratio=width/(float)height;intmodelheight=368;//由模型输入维度决定intmodelwidth=int(ratio*modelheight);//模型文件stringmodel_file="pose_deploy.prototxt";//网络模型stringmodel_weight="pose_iter_102000.caffemodel";//网络训练权重//加载caffe模型netnet=readnetfromcaffe(model_file,model_weight);//将输入图像转成blob形式matblob=blobfromimage(src,1.0/255,size(modelwidth,modelheight),scalar(0,0,0));//将图像转换的blob数据输入到网络的第一层“image”层，见deploy.protxt文件net.setinput(blob,"image");//结果输出matoutput=net.forward();inth=output.size[2];intw=output.size[3];for(inti=0;i
1.2 功能效果
如图所示，我们已经通过dnn检测出21个手部关键点所在位置。接下来，我们需要使用这些关键点进行简单的手势识别。
二、手势识别
2.1算法原理
本案例实现手势识别是通过比较关键点位置确定的。首先拿出每个手指尖关键点索引（即4、8、12、16、20）。接下来，对比每个手指其它关键点与其指尖所在位置。
例如我们想确定大拇指现在的状态是张开的还是闭合的。如下图所示，由于opencv是以左上角为起点建立坐标系的。当大拇指处于张开状态时（掌心向内），我们可以发现，对比关键点4、关键点3所在位置。当4的x坐标大于3的x坐标时，拇指处于张开状态；当4的x坐标小于3的x坐标时，拇指处于闭合状态。
同理，其余四个手指，以食指为例。当关键点8的y坐标小于关键点6的y坐标时，此时食指处于张开状态；当关键点8的y坐标大于关键点6的y坐标时，此时食指处于闭合状态。
当手指处于张开状态时，我们计数1。通过统计手指的张开数达到手势识别的目的。具体请看源码。
2.2功能源码
//手势识别boolhandpose_recognition(vector&handkeypoints,int&count){vectorfingers;//拇指if(handkeypoints[tipids[0]].x>handkeypoints[tipids[0]-1].x){//如果关键点'4'的x坐标大于关键点'3'的x坐标，则说明大拇指是张开的。计数1fingers.push_back(1);}else{fingers.push_back(0);}//其余的4个手指for(inti=1;i<5;i ){if(handkeypoints[tipids[i]].y
三、结果显示
通过以上步骤，我们已经有了手部关键点所在坐标位置以及对应的手势结果，接下来就进行效果展示。
在这里，为了逼格高一点，我们将下面的手势模板图像作为输出结果放进我们的测试图中。具体操作请看源码。
3.1功能源码
//识别效果显示boolshowresult(mat&src,vector&handkeypoints,int&count){//画出关键点所在位置for(inti=0;iimagelist;stringfilename="images/";glob(filename,imagelist);vectortemp;for(inti=0;i
3.2效果显示
除此之外，我们还可以将所有的图片整合成一张图，具体请看源码吧。
//将所有图片整合成一张图片boolstitching_image(vectorimages){matcanvas=mat::zeros(size(1200,1000),cv_8uc3);intwidth=400;intheight=500;for(inti=0;i
最终结果如图所示。以上就是整个案例的流程啦。。。
四、源码
#include#include#includeusingnamespacestd;usingnamespacecv;usingnamespacecv::dnn;//手部关键点数目constintnpoints=21;//手指索引constinttipids[]={4,8,12,16,20};//手部关键点检测boolhandkeypoints_detect(matsrc,vector&handkeypoints){//模型尺寸大小intwidth=src.cols;intheight=src.rows;floatratio=width/(float)height;intmodelheight=368;//由模型输入维度决定intmodelwidth=int(ratio*modelheight);//模型文件stringmodel_file="pose_deploy.prototxt";//网络模型stringmodel_weight="pose_iter_102000.caffemodel";//网络训练权重//加载caffe模型netnet=readnetfromcaffe(model_file,model_weight);//将输入图像转成blob形式matblob=blobfromimage(src,1.0/255,size(modelwidth,modelheight),scalar(0,0,0));//将图像转换的blob数据输入到网络的第一层“image”层，见deploy.protxt文件net.setinput(blob,"image");//结果输出matoutput=net.forward();inth=output.size[2];intw=output.size[3];for(inti=0;i&handkeypoints,int&count){vectorfingers;//拇指if(handkeypoints[tipids[0]].x>handkeypoints[tipids[0]-1].x){//如果关键点'4'的x坐标大于关键点'3'的x坐标，则说明大拇指是张开的。计数1fingers.push_back(1);}else{fingers.push_back(0);}//其余的4个手指for(inti=1;i<5;i ){if(handkeypoints[tipids[i]].y&handkeypoints,int&count){//画出关键点所在位置for(inti=0;iimagelist;stringfilename="images/";glob(filename,imagelist);vectortemp;for(inti=0;iimages){matcanvas=mat::zeros(size(1200,1000),cv_8uc3);intwidth=400;intheight=500;for(inti=0;iimagelist;stringfilename="test/";glob(filename,imagelist);vectorimages;for(inti=0;ihandkeypoints(npoints);handkeypoints_detect(src,handkeypoints);intcount=0;handpose_recognition(handkeypoints,count);showresult(src,handkeypoints,count);images.push_back(src);imshow("demo",src);waitkey(0);}stitching_image(images);system("pause");return0;}
“c 中怎么用opencv实现手势识别”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注恰卡编程网网站，小编将为大家输出更多高质量的实用文章！