在计算机科学中，手势识别是通过数学算法来识别人类手势的一个议题。手势识别可以来自人的身体各部位的运动，但一般是指脸部和手的运动。用户可以使用简单的手势来控制或与设备交互，让计算机理解人类的行为。其核心技术为手势分割、手势分析以及手势识别。

未来的可用性必然是极大的

实现效果：

获取摄像头

cap = cv2.VideoCapture("C:/Users/lenovo/Videos/1.mp4")#读取文件#cap = cv2.VideoCapture(0)#读取摄像头while(True):    ret, frame = cap.read()    key = cv2.waitKey(50) & 0xFF    if key == ord('q'):      breakcap.release()cv2.destroyAllWindows()

肤色检测

这一部分较为重要，主要检测出人体的范围

def A(img):    YCrCb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB) #转换至YCrCb空间    (y,cr,cb) = cv2.split(YCrCb) #拆分出Y,Cr,Cb值    cr1 = cv2.GaussianBlur(cr, (5,5), 0)    _, skin = cv2.threshold(cr1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) #Ostu处理    res = cv2.bitwise_and(img,img, mask = skin)    return res

轮廓处理

def B(img):    #binaryimg = cv2.Canny(Laplacian, 50, 200) #二值化，canny检测    h = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) #寻找轮廓    contour = h[0]    contour = sorted(contour, key = cv2.contourArea, reverse=True)#已轮廓区域面积进行排序    #contourmax = contour[0][:, 0, :]#保留区域面积最大的轮廓点坐标    bg = np.ones(dst.shape, np.uint8) *255#创建白色幕布    ret = cv2.drawContours(bg,contour[0],-1,(0,0,0),3) #绘制黑色轮廓    return ret

全部代码：

""" 从视频读取帧保存为图片"""import cv2import numpy as np#cap = cv2.VideoCapture("C:/Users/lenovo/Videos/1.mp4")#读取文件cap = cv2.VideoCapture(0)#读取摄像头#皮肤检测def A(img):    YCrCb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB) #转换至YCrCb空间    (y,cr,cb) = cv2.split(YCrCb) #拆分出Y,Cr,Cb值    cr1 = cv2.GaussianBlur(cr, (5,5), 0)    _, skin = cv2.threshold(cr1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) #Ostu处理    res = cv2.bitwise_and(img,img, mask = skin)    return resdef B(img):    #binaryimg = cv2.Canny(Laplacian, 50, 200) #二值化，canny检测    h = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) #寻找轮廓    contour = h[0]    contour = sorted(contour, key = cv2.contourArea, reverse=True)#已轮廓区域面积进行排序    #contourmax = contour[0][:, 0, :]#保留区域面积最大的轮廓点坐标    bg = np.ones(dst.shape, np.uint8) *255#创建白色幕布    ret = cv2.drawContours(bg,contour[0],-1,(0,0,0),3) #绘制黑色轮廓    return retwhile(True):    ret, frame = cap.read()    #下面三行可以根据自己的电脑进行调节    src = cv2.resize(frame,(400,350), interpolation=cv2.INTER_CUBIC)#窗口大小    cv2.rectangle(src, (90, 60), (300, 300 ), (0, 255, 0))#框出截取位置    roi = src[60:300 , 90:300]  # 获取手势框图    res = A(roi)  # 进行肤色检测    cv2.imshow("0",roi)    gray = cv2.cvtColor(res, cv2.COLOR_BGR2GRAY)    dst = cv2.Laplacian(gray, cv2.CV_16S, ksize = 3)    Laplacian = cv2.convertScaleAbs(dst)    contour = B(Laplacian)#轮廓处理    cv2.imshow("2",contour)    key = cv2.waitKey(50) & 0xFF    if key == ord('q'): breakcap.release()cv2.destroyAllWindows()