这个是我的综合实践与设计的课题，作为毕设的一部分，因为时间比较紧，做的很简单。主要实现了在简单背景下，利用笔记本摄像头实时采集视频，根据肤色检测识别手部区域并跟踪手部运动轨迹。
项目的GitHub地址：（采用C++，基于opencv）
https://github.com/1092366225/HandGestureRecognition
代码百度网盘链接：
链接：https://pan.baidu.com/s/1Wh9qRPjjqY4pL5HrFfdwzg
提取码：zd2w
效果如下：（画五角星）
1.背景介绍
手势分为静态手势和动态手势，静态是指一个固定的手的形姿态，比如摆出“V”的pose，动态是指手部的位置或形态变化的含义，比如画个圈。
手势识别技术在人机交互领域有很大的作用和应用前景。目前已经发展地比较久了，有着很多的实现方案，但是仍然存在鲁棒性不强，识别率不高或者是无法满足实时性的问题。
手势识别主要有基于计算机视觉、基于超声波和基于惯性传感器三种实现方式。我采用的是基于视觉的，通过处理真实的视频图像来识别手势，分为手势分割、轨迹跟踪和分类识别三个过程，这里只实现了前两步。
2.主要流程与算法
流程图：
（1）手势分割
利用人的肤色在YCrCb颜色空间的聚类性质，根据颜色来区分图像中的手部和背景。先把图像转换到YCrCb颜色空间，然后采用otsu自适应阈值来对Cr通道进行划分。当然也可以根据经验值或者训练值直接给出阈值，不过效果较差。
处理后的二值图像如下：
这时候会发现有很多干扰区域，所以先对图像进行形态学处理，先膨胀后腐蚀，消除小的封闭空间。结果如下：
然后利用opencv中的相关算法来找出图中的各个连通域的外接矩形，同时把面积较小的先排除。
之后图像中最大的连通域有两块：手部和脸部。采用模板匹配的方法来排除脸部的干扰（也可以用其他方法，比如手指个数，肤色比例等），模板是用ps做的
这样就可以划分出手部区域：（图中的红色小矩形表示模板匹配最佳点的结果，绿色矩形为手部区域的外接最大矩形）
（2）轨迹跟踪
跟踪手的运动轨迹可以采用图像跟踪算法，经典的有光流法、camshift等，或者目前比较主流的KCF、深度学习等。我原本想采用camshift，但是没能成功，就直接利用每帧图像中检测到的手部位置来跟踪轨迹。
用手部外接矩形的左上角坐标来表示手的位置。然后等间隔采样得到坐标点序列，再根据每个坐标与坐标序列中心点的角度对其进行离散化，提取特征向量用于后期的分类识别。
例如8连通链码得到的特征向量为0-7的整数序列
