2. 手势识别系统设计——使用 Face++ API

        通过普通摄像头拍摄出的照片来进行识别是存在很大的困难的,但是有困难才能找到更好的方法去解决。在百度上大致找了一下手语识别的案例,很少。API只是看到了Face++发布的手势识别,在我写文章的时候又看到了百度发布的手势识别API,之后会尝试去进行使用。

        这次使用的是Face++的API,Face++的API是在之前发现的,功能上的话还是比较强大的,但是没有离线版本,需要将数据进行上传,然后对JSON进行解析得到结果。

2. 手势识别系统设计——使用 Face++ API_第1张图片

这是官网给出的一个Demo,识别率挺不错的,最后给出的是一个在20种手势上的分布概率,接下来我们自己调用一下API分析自己的手势。

1. 查看官方的API。找到Gesture API,先看一下是怎么说的。

2. 手势识别系统设计——使用 Face++ API_第2张图片

调用参数:

2. 手势识别系统设计——使用 Face++ API_第3张图片

2. 手势识别系统设计——使用 Face++ API_第4张图片

官方还给出了一些调用错误返回的参数的说明,有兴趣的可以去官网看一下。

还给出了一个使用命令行调用API的实例:

2. 手势识别系统设计——使用 Face++ API_第5张图片

从实例上不难看出,向 https://api-cn.faceplusplus.com/humanbodypp/beta/gesture 发送请求,默认的参数有 api_key,api_secret,image_file。api_key和api_secret可以通过控制台进行生成。

2. 手势识别系统设计——使用 Face++ API_第6张图片

接下来开始写代码的调用,Python版本的,其他版本的类似。

我们将API封装成一个类 Gesture:

2. 手势识别系统设计——使用 Face++ API_第7张图片

将其中的key和secret替换成自己的就可以使用:

'''
# -*- coding:utf-8 -*-
@author: TulLing
'''
import requests 
from json import JSONDecoder 

gesture_englist = ['big_v','fist','double_finger_up','hand_open','heart_d','index_finger_up','ok','phonecall','palm_up','rock','thumb_down','thumb_up','victory']
gesture_chinese = ["我最帅",
                        "拳头,停下",
                        "我发誓",
                        "数字5",
                        "比心",
                        "数字1",
                        "好的呢,OK",
                        "打电话",
                        "手心向上",
                        "爱你,520",
                        "差评,不好的",
                        "好评,Good,很棒",
                        "胜利,开心"]
# 将字典排序
def sort_dict(adict):
    return sorted(adict.items(),key= lambda item:item[1])

class Gesture(object):
    def __init__(self):
        self.http_url = 'https://api-cn.faceplusplus.com/humanbodypp/beta/gesture'
        self.key = '*****'
        self.secret = '******'
        self.data = {"api_key":self.key,"api_secret":self.secret}

    
    # 获取手势信息
    def get_info(self,files):
        response = requests.post(self.http_url,data=self.data,files=files)
        req_con = response.content.decode('utf-8')
        req_dict = JSONDecoder().decode(req_con)
        #print(req_dict)
        if('error_message' not in req_dict.keys()) and (len(req_dict['hands'])):
        # 获取
            hands_dict = req_dict['hands']
            #print(type(hands_dict))
            # 获取到手的矩形的字典
            gesture_rectangle_dict = hands_dict[0]['hand_rectangle']
            # 获取到手势的字典
            gesture_dict = hands_dict[0]['gesture']
            
            return gesture_dict,gesture_rectangle_dict
        else:
            return [],[];
    
    # 获取到手势文本信息
    def get_text(self,index):
        return gesture_chinese[index]
    
    # 获取到手势对应的概率
    def get_pro(self,gesture_dict,index):
        # print(gesture_dict)
        if(gesture_dict is None or gesture_dict == []):
            return 0
        return gesture_dict[gesture_englist[index]]
    
    # 获取到手势的位置
    def get_rectangle(self,gesture_rectangle_dict):
        if(gesture_rectangle_dict is None or gesture_rectangle_dict == []):
            return (0,0,0,0)
        x = gesture_rectangle_dict['top']
        y = gesture_rectangle_dict['left']
        width = gesture_rectangle_dict['width']
        height = gesture_rectangle_dict['height']
        return (x,y,width,height)
        

封装好了Gesture类后接下来就是调用:先将官方给出的手势的图片保存起来,为了方便只保留单手的手势,然后生成随机数读取手势图片,我们去模仿手势,后台显示是正确手势的概率以及具体的位置,如果图像中没有手势则概率为0,位置为(0,0,0,0)。

'''
# -*- coding:utf-8 -*-
@author: TulLing
'''
import sys
sys.path.append("../gesture/")

import os
import random
import cv2 as cv
import time
import LearnGesture

def gestureLearning():
    os.system("cls")
    print("进入学习手势模式!")
    print("我们有13个手势,来和我学吧!(每次结束后可以选择输入 Q\q 退出!)")
    while(True):
        pic_num = random.randint(0,12)    # 生成显示的图片的编号(随机数: 0 - 13)
        print(pic_num)
        pic_path = '../gesture/pic/gesture' + str(pic_num) + ".jpg"   # 生成图片路径
        
        pic = cv.imread(pic_path)        # 加载图片
        pic = cv.resize(pic,(120,120))
        cv.imshow("PIC",pic)  # 显示要学习的手势
        
        print("即将打开摄像头,你有5秒种的时间准备手势,5秒种保持手势!")
        write_path = "../gesture/pic/test.jpg"
        cap = cv.VideoCapture(1)
        while(True):
            _,frame = cap.read()
            cv.imshow("Frame",frame)
            key = cv.waitKey(10)
            if(key == ord('Q') or key == ord('q')):
                cv.imwrite(write_path,frame)
                cv.waitKey(200)
                cap.release()
                cv.destroyAllWindows()
                break
                
        # 此处应该有手势识别
        files = {"image_file":open(write_path,'rb')}
        gesture = LearnGesture.Gesture()
        
        # 获取到手势文本
        ge_text = gesture.get_text(pic_num)
        # 获取手势信息
        gesture_dict,gesture_rectangle_dict = gesture.get_info(files)
        # 获取手势的概率
        ge_pro = gesture.get_pro(gesture_dict,pic_num)
        # 获取到手势的坐标
        ge_rect = gesture.get_rectangle(gesture_rectangle_dict)
        print("您学习的手势是:",ge_text)
        print("相似度达到:",ge_pro)
        print("具体位置:",ge_rect)
        
    
        # print("一轮学习结束,是否继续学习?(Y/N)")
        # 退出程序,回到主菜单或者继续
        commend = input("一轮学习结束,是否继续学习?(Y/N):")
        print(commend)

        if( commend == 'N' or commend == "n"):
            break
gestureLearning()

2. 手势识别系统设计——使用 Face++ API_第8张图片

图片保存的路径:./pic/

运行结果:

2. 手势识别系统设计——使用 Face++ API_第9张图片

显示的随机手势

2. 手势识别系统设计——使用 Face++ API_第10张图片

模仿的手势(打个码,主要看手)

点击Q后:

2. 手势识别系统设计——使用 Face++ API_第11张图片

手势做的有点不标准,但是没关系,系统可以运行。

调用Face++API的文章到此结束。代码打包后会上传。之后会修改链接地址。

 

 

你可能感兴趣的:(ML)