OpenCV-手势语言识别

本部分包括Python环境、TensorFlow环境和OpenCV-Python环境。

Python环境、TensorFlow环境

需要Python 3.6及以上配置，在Windows环境下推荐下载Anaconda完成Python所需的配置，下载地址为：https://www.anaconda.com/，也可以下载虚拟机在Linux环境下运行代码。
打开Anaconda Prompt，输入清华仓库镜像，输入命令：
conda config–add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config–set show_channel_urls yes
创建Python 3.5的环境，名称为TensorFlow，此时Python版本和后面TensorFlow的版本有匹配问题，此步选择Python 3.x，输入命令：
conda create-n tensorflow python＝3.5
有需要确认的地方，都输入y。
在Anaconda Prompt中激活TensorFlow环境，输入命令： activate tensorflow
安装CPU版本的TensorFlow，输入命令：
pip install-upgrade–ignore-installed tensorflow
安装完毕。

设置直方图

定义模型结构及损失函数后，需要对模型进行训练，使其具有服装图像分类的能力。经过训练的模型需要测试，以评估模型的训练效果。根据训练和测试的效果进行参数的调整后，保存模型。设定训练集batch_size＝50，则每训练50张图片后进行一次迭代，根据损失函数前向传播，完成参数更新。输入命令python set_hand_hist.py运行Python文件，出现弹窗Set hand histogram。设置直方图具有50个正方形（5×10）。将手放在其中，确保遮盖所有正方形。按下C键，出现Thresh窗口，具有皮肤颜色图像部分的白色补丁会出现在Thresh窗口中。获得良好的直方图后，按下S键保存图像，然后关闭所有窗口，如图

模型保存

在模型训练过程中，同时保存模型当前已训练周期数、权重、损失函数、优化算法，便于在训练终止后从当前进度恢复训练，并同时保存每个周期的损失值和正确率，以方便数据可视化。

set_hand_hist.py相关代码如下：

该应用分两部分：一是网页端交互功能，用户可以上传需要分类的图片并查看分类结果；二是图片预处理，将图片转换为PyTorch能够处理的格式并输入模型中，获取图片分类结果。
获得用户上传的图片并输入至模型获得对应的分类，将标签和图片写入数据库中。为了提高数据库的稳定性，采用bulk_create（）方法批量写入数据，避免每写入一条数据就需要调用和关闭数据库的烦琐操作。

载入手势图片

加载26个字母和10个数字的每个手势以及包含2400张图像的数据集，通过Python实现，相关代码如下：