Question

我正在使用OpenCV库来检测手部的图像处理项目。我在iplimage中初始化了图片，对其进行了着色，然后使用cvCvtColor(imageHand,imageHand,CV_BGR2HSV );将其转换为HSV 我不知道有效的算法，所以这是我的问题。请检查我的代码：

for( int row = 0; row < imageHand->height; row++ )
{
    for ( int col = 0; col < imageHand->width; col++ )
    {
       h =(imageHand->imageData[imageHand->widthStep * row + col * 3]) ;
    s = (imageHand->imageData[imageHand->widthStep * row + col * 3 + 1]);
    v = (imageHand->imageData[imageHand->widthStep * row + col * 3 + 2]);

         if(  h>85)
         {
     imageHand->imageData[imageHand->widthStep * row + col * 3 ]     = 0 ;
     imageHand->imageData[imageHand->widthStep * row + col * 3 + 1 ] =0 ;
     imageHand->imageData[imageHand->widthStep * row + col * 3 + 2 ] = 0 ;
         }
         else
         {
         imageHand->imageData[imageHand->widthStep * row + col * 3 ]     = 255 ;
     imageHand->imageData[imageHand->widthStep * row + col * 3 + 1 ] = 255 ;
         imageHand->imageData[imageHand->widthStep * row + col * 3 + 2 ] = 255 ;

         }


     }
}

我认为搜索到的h的范围是> 85 !? 如果您知道更好的算法，请指导我。

Answer 1

如果您查看此网站Hand detection using opencv，您会发现与您正在使用的内容类似的algorithm。我会说，检测手的最简单方法是使用颜色（即皮肤检测）。我肯定会建议先查看该网站提供的算法。还有另一部分也会用于手势识别，如果这是您将需要处理的最终问题。

其他可能性包括：

背景减法
- 这很简单，容易破裂，特别是如果你计划改变背景。但是，如果你只想在白墙前面使用它......这可能是一种简单的方法。
形状分析
- detecting fingertips使用广义Hough变换取得了一些成功。假阳性可能会成为一种担忧，但效率是一种担忧，特别是在具有大量背景的情况下。

Answer 2

正如Ancallan上面提到hand detection using opencv，我想补充一些关于手势检测主题的更多信息。在该帖子中，作者使用了一种肤色分割方法，在特定情况下取得了很好的效果。

使用openCV更新了一个新的手势检测帖子，其中作者使用了a HAAR classifier to detect closed palm，结果比前者更加健壮。但需要指出的是，检测对象在某种程度上受到限制，因为一个分类器仅适用于一个手势。

使用OpenCV进行手检测

2 个答案: