【源码】基于OpenCV和神经网络的手势识别系统

项目简介

本项目运用OpenCV提取手势数据，借助神经网络训练出手势模型，把训练好的模型加载到手势识别程序中，从而实现对手势命令的获取，能够有效识别不同手势。

项目的主要特性和功能

1. 数据采集：利用OpenCV提取手势相关数据，可修改色彩空间范围和图片存储路径，在合适时机按指定按键获取手势Hu矩数据及其他数据。
2. 数据处理：将获取的数据按等量原则处理并做好标签，为模型训练做准备。
3. 模型训练：使用神经网络算法，可修改训练数据表路径、超参数和训练手势目标模型索引键，训练出手势识别模型。
4. 手势识别：加载训练好的模型，通过摄像头捕获手势图像，识别出对应的手势，并以图像形式展示识别结果。

安装使用步骤

第一步：获取手势Hu矩数据和几个其他数据

1. 打开get_test.py，将获取手势图片存储路径修改为自己的文件目录路径。
2. 修改get_yCrCb_mask2()函数中的色彩空间范围，保证背景干净、与肤色区别明显且光线良好。
3. 运行程序，在合适时机按下Tab键获取数据，获取足够数据量后按Esc两次退出程序。
4. 将打印数据存入自己建立的各个手势文档（一个手势约500个数据）。

第二步：数据处理

把获取的数据按等量原则放入hands_elements_data_all.csv表中并做好标签，再将每个要训练的手势模型作为正样本，其他模型为负样本，按正负等量原则将数据放入hands_elements_data.csv表中并做好标签。

第三步：模型训练

1. 打开hands_learning.py，修改导入训练数据表所在路径。
2. 视情况修改训练超参数，如学习率、学习轮数、训练集和测试集数据个数。
3. 修改训练手势目标模型索引键。
4. 开始运行程序，记录最开始打印出的极限数据。

第四步：使用模型

1. 打开result.py，修改参数。
2. 拍摄手势对应照片（修改大小），包括各个手势、脸和一张空白图片，将图片放于指定路径，并将程序中全部图片存放路径都改为自己设置的路径。
3. 修改模型内容，包括判断轮的帧数、模型数量及参数。
4. 将moudle_detect_result_eight()函数的模型参数极限值修改为训练时记录的值。
5. 修改def get_yCrCb_mask2(image)函数色彩空间，与手势数据获取时的色彩空间相同。
6. 运行程序，最多会出现三个窗口，分别代表脸部、左手、右手，识别到对应手势或脸部或无时，各个窗口会对应弹出识别结果图片。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】