利用OpenCV+Tensorflow实现的手势识别
醉翁之意不在酒~ 人气:0一、效果展示
此次只选录了以下五种手势，当然你可以自己选择增加手势。
二、项目实现原理
首先通过opencv的手部检测器检测出我们的手，然后录入自己想要检测的手部信息，使用Tensorflow训练得到预训练权重文件（此处已经训练完成，直接调用即可！），调用预训练权重文件对opencv检测的手部信息进行预测，实时返回到摄像头画面，到此整体项目已经实现，此外还可以添加语音模块如speech，对检测到的手势信息进行语音播报。
三、项目环境安装
首先python的版本此处选择为3.7.7（其余版本相差不大的都可）
然后，我们所需要下载的环境如下所示，你可以将其存为txt格式直接在终端输入(具体格式如下图)：
pip install -r environment.txt -i http://pypi.tuna.tsinghua.edu.cn/simple
absl-py==1.2.0
attrs==22.1.0
cvzone==1.5.6
cycler==0.11.0
fonttools==4.37.4
kiwisolver==1.4.4
matplotlib==3.5.3
mediapipe==0.8.9.1
numpy==1.21.6
opencv-contrib-python==4.6.0.66
opencv-python==4.6.0.66
opencv-python-headless==4.6.0.66
packaging==21.3
Pillow==9.2.0
protobuf==3.19.1
pyparsing==3.0.9
python-dateutil==2.8.2
six==1.16.0
speech==0.5.2
typing_extensions==4.4.0
保存格式如下：
四、代码实现
模型预训练权重如下
import cv2
from cvzone.HandTrackingModule import HandDetector
from cvzone.ClassificationModule import Classifier
from PIL import Image, ImageDraw, ImageFont
import numpy as np
import math
import time
# import speech
cap = cv2.VideoCapture(0)
cap.set(3, 1280)
cap.set(4, 720)
detector = HandDetector(maxHands=1)
classifile = Classifier("./model/keras_model.h5", "./model/labels.txt")
offset = 20
imgSize = 300
counter = 0
labels = ['666', '鄙视', 'Good', '比心', '击掌', '握拳']
# folder = r"F:\opencv_game\HandSignDetection\Data\Love"
while True:
success, img = cap.read()
img = cv2.flip(img, 1)
imgOutput = img.copy()
hands, img = detector.findHands(img)
if hands:
hand = hands[0]
x, y, w, h = hand['bbox']
imgWhite = np.ones((imgSize, imgSize, 3), np.uint8)*255
imgCrop = img[y - offset:y + h + offset, x - offset:x + w + offset]
imgCropShape = imgCrop.shape
aspectRatio = h/w
if aspectRatio > 1:
k = imgSize/h
wCal = math.ceil(k*w)
imgResize = cv2.resize(imgCrop, (wCal, imgSize))
imgResizeShape = imgResize.shape
wGap = math.ceil((imgSize - wCal)/2)
imgWhite[:, wGap:wCal+wGap] = imgResize
prediction, index = classifile.getPrediction(imgWhite)
print(prediction, index)
else:
k = imgSize / w
hCal = math.ceil(k * h)
imgResize = cv2.resize(imgCrop, (imgSize, hCal))
imgResizeShape = imgResize.shape
hGap = math.ceil((imgSize - hCal) / 2)
imgWhite[hGap:hCal + hGap,:] = imgResize
prediction, index = classifile.getPrediction(imgWhite)
# 解决cv2.putText绘制中文乱码
def cv2AddChineseText(img, text, position, textColor=(255, 255, 255), textSize=50):
if (isinstance(img, np.ndarray)): # 判断是否OpenCV图片类型
img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
# 创建一个可以在给定图像上绘图的对象
draw = ImageDraw.Draw(img)
# 字体的格式
fontStyle = ImageFont.truetype(
"simsun.ttc", textSize, encoding="utf-8")
# 绘制文本
draw.text(position, text, textColor, font=fontStyle)
# 转换回OpenCV格式
return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)
cv2.rectangle(imgOutput, (x - offset, y - offset - 50),
(x-offset+130, y-offset), (255, 0, 255), cv2.FILLED)
# cv2.putText(imgOutput, labels[index], (x,y-24),
# cv2.FONT_HERSHEY_COMPLEX, 1.5, (255, 255, 255), 2)
# 中文
img = cv2AddChineseText(imgOutput, labels[index], (x - offset, y - offset - 50))
cv2.rectangle(img, (x-offset, y-offset),
(x+w+offset, y+h+offset), (255,0,255),4)
# speech.say(labels[index])
# cv2.imshow('ImageCrop', imgCrop)
# cv2.imshow('ImageWhite', imgWhite)
cv2.imshow('Image', img)
key = cv2.waitKey(1)
if key == ord('s'):
pass
elif key == 27:
break五、总结
加载全部内容