這個是我的綜合實踐與設計的課題，作爲畢設的一部分，因爲時間比較緊，做的很簡單。主要實現了在簡單背景下，利用筆記本攝像頭實時採集視頻，根據膚色檢測識別手部區域並跟蹤手部運動軌跡。
項目的GitHub地址：（採用C++，基於opencv）
https://github.com/1092366225/HandGestureRecognition
代碼百度網盤鏈接：
鏈接：https://pan.baidu.com/s/1Wh9qRPjjqY4pL5HrFfdwzg
提取碼：zd2w
效果如下：（畫五角星）
1.背景介紹
手勢分爲靜態手勢和動態手勢，靜態是指一個固定的手的形姿態，比如擺出“V”的pose，動態是指手部的位置或形態變化的含義，比如畫個圈。
手勢識別技術在人機交互領域有很大的作用和應用前景。目前已經發展地比較久了，有着很多的實現方案，但是仍然存在魯棒性不強，識別率不高或者是無法滿足實時性的問題。
手勢識別主要有基於計算機視覺、基於超聲波和基於慣性傳感器三種實現方式。我採用的是基於視覺的，通過處理真實的視頻圖像來識別手勢，分爲手勢分割、軌跡跟蹤和分類識別三個過程，這裏只實現了前兩步。
2.主要流程與算法
流程圖：
（1）手勢分割
利用人的膚色在YCrCb顏色空間的聚類性質，根據顏色來區分圖像中的手部和背景。先把圖像轉換到YCrCb顏色空間，然後採用otsu自適應閾值來對Cr通道進行劃分。當然也可以根據經驗值或者訓練值直接給出閾值，不過效果較差。
處理後的二值圖像如下：
這時候會發現有很多幹擾區域，所以先對圖像進行形態學處理，先膨脹後腐蝕，消除小的封閉空間。結果如下：
然後利用opencv中的相關算法來找出圖中的各個連通域的外接矩形，同時把面積較小的先排除。
之後圖像中最大的連通域有兩塊：手部和臉部。採用模板匹配的方法來排除臉部的干擾（也可以用其他方法，比如手指個數，膚色比例等），模板是用ps做的
這樣就可以劃分出手部區域：（圖中的紅色小矩形表示模板匹配最佳點的結果，綠色矩形爲手部區域的外接最大矩形）
（2）軌跡跟蹤
跟蹤手的運動軌跡可以採用圖像跟蹤算法，經典的有光流法、camshift等，或者目前比較主流的KCF、深度學習等。我原本想採用camshift，但是沒能成功，就直接利用每幀圖像中檢測到的手部位置來跟蹤軌跡。
用手部外接矩形的左上角座標來表示手的位置。然後等間隔採樣得到座標點序列，再根據每個座標與座標序列中心點的角度對其進行離散化，提取特徵向量用於後期的分類識別。
例如8連通鏈碼得到的特徵向量爲0-7的整數序列
