后面将分四篇文章来介绍实现手势识别控制飞机大战游戏的功能，它们分别是：
使用Pygame实现简易飞机大战小游戏
使用Python+OpenCV实现简单手势识别
使用OpenCV实现手势识别玩飞机大战游戏
使用TensorFlow实现手势识别玩飞机大战游戏
今天是第二部分：Python+OpenCV实现简易手势识别功能。简易的手势识别，所以功能也很简单，识别手势1~5就行，当然我们控制飞机时只需要用到最多3个手势：发射子弹、向左移动和向右移动。所以1~5够用了，当然你也可以用手势的移动方向来控制飞机的移动方向，只需要计算手势轮廓的重心位置变化即可。
手势识别的实现步骤也比较简单，分以下三个步骤：
HSV提取包含手势区域轮廓
计算轮廓多边形逼近和凸包缺陷
通过凸包缺陷距离来判断手指缝数量来计算手势
(1)HSV提取肤色轮廓，然后筛选找出手部轮廓
hsv_img=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)lower_hsv_1=np.array([0,50,50])#颜色范围低阈值upper_hsv_1=np.array([20,255,255])#颜色范围高阈值lower_hsv_2 = np.array([150,50,50])#颜色范围低阈值upper_hsv_2 = np.array([180,255,255])#颜色范围高阈值mask1 = cv2.inRange(hsv_img,lower_hsv_1,upper_hsv_1)mask2 = cv2.inRange(hsv_img,lower_hsv_2,upper_hsv_2)mask = mask1 + mask2mask = cv2.medianBlur(mask,5)k1=np.ones((5,5), np.uint8)mask = cv2.dilate(mask, k1, iterations=1)mask = cv2.erode(mask, k1, iterations=1)mask_color = cv2.cvtColor(mask,cv2.COLOR_GRAY2BGR)cv2.imshow("mask", mask)#cv2.imwrite("mask.png", mask)black_img = np.zeros(mask.shape,np.uint8)contours,hierarchy = cv2.findContours(mask,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)if len(contours) < 1:return 0, imgcontours.sort(key = cnt_area, reverse=True)(x0, y0, w0, h0) = cv2.boundingRect(contours[0])if(w0>=100 and h0>=100):cv2.rectangle(img,(x0,y0),(x0+w0,y0+h0),(255,0,255),2)
(2) 多边形逼近和轮廓凸包缺陷计算
epsilon = 0.01 * cv2.arcLength(contours[0], True)approx = cv2.approxPolyDP(contours[0],epsilon,True)cv2.drawContours(black_img,[approx],-1,(255,0,255),2)contours2,hierarchy2 = cv2.findContours(black_img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)if len(contours) < 1:return 0, imghull = cv2.convexHull(contours2[0],returnPoints=False)defects = cv2.convexityDefects(contours2[0],hull)
(3) 凸包缺陷距离筛选来计算手势数字
if d >= 13000:cv2.line(img,start,end,[0,255,0],3)#凸包cv2.circle(img,start,10,[0,255,255],3)cv2.circle(img,end,10,[0,255,255],3)cv2.circle(img,far,10,[0,0,255],3)#凸包缺陷点pre_start = startpre_end = endpointNum += 1cv2.putText(img,'hand-%d'%pointNum,(10,35),font,1.2,(0,255,255),3)return pointNum, img
视频效果：
/video/BV1pV411t7Rq/
源码请在公众号回复"手势识别"即可获取，更多视觉学习资讯请关注：OpenCV与AI深度学习，感谢支持！
