基于OpenCV的手掌檢測和手指計數(shù)

點擊上方“小白學(xué)視覺”，選擇加"星標(biāo)"或“置頂”

重磅干貨，第一時間送達(dá)

利用余弦定理使用OpenCV-Python實現(xiàn)手指計數(shù)與手掌檢測。

手檢測和手指計數(shù)

接下來讓我們一起探索以下這個功能是如何實現(xiàn)的。

OpenCV

OpenCV（開源計算機視覺庫）是一個開源計算機視覺和機器學(xué)習(xí)軟件庫。OpenCV的構(gòu)建旨在為計算機視覺應(yīng)用程序提供通用的基礎(chǔ)結(jié)構(gòu)，并加速在商業(yè)產(chǎn)品中使用機器感知。

導(dǎo)入庫

? cv2：?opencv [pip install opencv]

? numpy：用于處理數(shù)組和數(shù)學(xué)[pip install numpy]

import cv2 as cv
import numpy as np

導(dǎo)入圖像

img_path = "data/palm.jpg"
img = cv.imread(img_path)
cv.imshow('palm image',img)

手掌圖像

皮膚Mask

? 用于突出顯示圖像上的特定顏色。

? hsvim：將BGR（藍(lán)色，綠色，紅色）圖像更改為HSV（色相，飽和度，值）。

? 較低：HSV中的膚色范圍較小。

? upper：HSV中皮膚顏色的上限。

? skinRegionHSV：在HSV色彩空間的上下像素值范圍內(nèi)檢測皮膚。

? 模糊：使圖像模糊以改善遮罩。

? 脫粒：脫粒。

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)

處理結(jié)果

輪廓線繪制

現(xiàn)在讓我們在圖像上找到輪廓。

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)

手掌輪廓線

凸包檢測

hull = cv.convexHull(contours)cv.drawContours(img, [hull], -1, (0, 255, 255), 2)cv.imshow("hull", img)

檢測結(jié)果

凸缺陷檢測

手掌與凸包檢測輪廓線的任何偏離的地方都可以視為凸度缺陷。

hull = cv.convexHull(contours, returnPoints=False)defects = cv.convexityDefects(contours, hull)

凸缺陷示例

余弦定理

現(xiàn)在，這是數(shù)學(xué)時間！讓我們了解余弦定理。

在三角學(xué)中，余弦定律將三角形邊的長度與其角度之一的余弦相關(guān)。使用如圖1所示的符號表示，余弦定律表明，其中γ表示長度a和b的邊之間的長度以及與長度c的邊相對的角度。

圖1

式：

通過現(xiàn)在看這個公式，我們知道如果有的話；a，b和gama然后我們也找到c以及是否有c?;?a，b，c然后我們也找到伽瑪（反之亦然）

為了找到伽瑪，使用以下公式：

使用余弦定理識別手指

圖2

在圖2中，我畫了一個Side：a，b，c和angle：gamma。現(xiàn)在，該伽馬始終小于90度，因此可以說：如果伽馬小于90度或pi / 2，則將其視為手指。

手指個數(shù)計算

注意：如果您不熟悉凸出缺陷，可以閱讀以下文章。

https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_contours/py_contours_more_functions/py_contours_more_functions.html

凸缺陷返回一個數(shù)組，其中每一行都包含以下值：

? 起點

? 終點

? 最遠(yuǎn)點

? 到最遠(yuǎn)點的大概距離

通過這一點，我們可以輕松得出Sides：a，b，c（請參見CODE），并且根據(jù)余弦定理，我們還可以得出兩根手指之間的伽馬或角度。如前所述，如果伽瑪小于90度，我們會將其視為手指。知道伽瑪后，我們只需畫一個半徑為4的圓，到最遠(yuǎn)點的近似距離即可。在將文本簡單地放入圖像中之后，我們就表示手指數(shù)（cnt）。

if defects is not None:cnt = 0for i in range(defects.shape[0]): # calculate the angles, 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 theoremif angle <= np.pi / 2: # angle less than 90 degree, treat as fingerscnt += 1cv.circle(img, far, 4, [0, 0, 255], -1)if cnt > 0:cnt = cnt+1cv.putText(img, str(cnt), (0, 50), cv.FONT_HERSHEY_SIMPLEX,1, (255, 0, 0) , 2, cv.LINE_AA)

讓我們看看最終結(jié)果

cv.imshow('final_result',img)

我們也可以通過調(diào)用“ cv.VideoCapture（）”來對視頻執(zhí)行此操作。代碼鏈接如下https://github.com/madhav727/medium/blob/master/finger_counting_video.py

交流群

歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學(xué)影像、GAN、算法競賽等微信群（以后會逐漸細(xì)分），請掃描下面微信號加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三?+?上海交大?+?視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進(jìn)入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會請出群，謝謝理解~