9个检测和识别手势的OpenCV教程

人与机器人之间的交互不断发展，并采用不同的工具和软件来提高人的舒适度。

在本文中，我探索了九个教程，向您展示了检测和识别手势的不同方法。

OpenCV的库不足以启动您的项目。该库为您提供软件方面的功能，但您还需要硬件组件。在硬件类别中，输入能够运行OpenCV库，网络摄像头和3D传感器（例如Kinect 3D）的开发平台。

OpenCV的是一个免费的开源库，专注于实时图像处理。它可以检测和识别各种各样的对象，但是我们现在的重点是应用技术和方法来检测和识别人手的手势。

检测手部姿势的方法

正如您在以下教程中所看到的，有几种检测手势的方法。肤色检测是最受欢迎的方法之一。此方法很简单，取决于皮肤颜色（可以是白色，黑色或其他颜色），环境光线条件以及背景。

包围手部区域的凸包

另一种方法不使用彩色手。它使用OpenCV的凸度检测。这两种方法在制造者和黑客社区中最受欢迎，并且代表检测和识别人类控制机器人手势的最简单方法。

• 使用OpenCV的手势 –使用OpenCV 2.4，在本教程中，您可以逐行找到用C语言编写的手势识别程序的代码和说明。
• OpenCV的 Python手势识别 –基于OpenCV软件和Python语言的教程，旨在识别手势。在本教程中，您可以找到从输入帧中提取感兴趣区域（ROI），如何查找轮廓，如何绘制凸包，以及最后如何找到手势为空时出现的凸缺陷的程序行。检测到
• 手部追踪和手势检测（OpenCV） –本指南将逐步向您展示实时检测和跟踪手部的方法，并演示如何进行手势识别。所有图像都是使用便携式计算机通过简单的网络摄像头捕获的，并且不利的是，如果更改了背景，则程序可能会产生不同的结果。
• 一种使用openCV检测和识别手势的方法 –从本教程中，您可以学习如何基于OpenCV的凸度检测应用有效的方法来检测和识别手势。与基于手轮廓检测的众所周知的方法相比，该方法具有较高的识别手势的准确度；
• 使用OpenCV 2进行手势检测和识别 –在本文中，您可以找到基于肤色模型的手和手势检测代码。这种新方法试图克服手色的依赖性，手色可以是白色，黑色或任何其他颜色。
• 使用kinect + opencv进行简单的手部跟踪 –在本教程中，您可以找到使用OpenCV和Kinect 3D传感器进行手部跟踪的代码；
• 

  形状模型引导的主动轮廓（蛇形）

  用蛇和优化功能扩展手跟踪器[w /代码，OpenCV] –本教程是一种方法，该方法基于分层点分布模型来跟踪手势，该方法已应用于众所周知的主动轮廓法；

• 通过模型拟合在OpenCV中实现能量最小化的手势识别 –在本文中，可以找到一种基于适合手部的骨架模型的2D手部姿势估计器的简单好解决方案；
• 使用OpenCV进行手部检测 –在本教程中，您可以找到高级检测方法的代码，该方法不受距离和背景的影响。该方法通过过滤手部彩色像素来工作。

本文的最新修改时间为2015年4月1日。