利用OpenCV+Tensorflow实现的手势识别

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 https://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

点击这里下载

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

来源：https://blog.csdn.net/qq_58535145/article/details/127783349