手势识别原理 

1.手指触摸屏幕那一刹那 会触发MotionEvent事件 

2.被onTouchListener监听 在onTouch()中获得MotionEvent 

3.GestureDetector(手势识别器) 可以将MotionEvent对象转交给OnGestureListener接口 

4.在OnGestureListener接口中可以获取到MotionEvent事件。 

9.2 

MotionEvent 主要用于封装手势 触摸笔 轨迹球 等动作事件 内部记录横轴和纵轴坐标 

GestureDetetor 用来识别各种手势 

OnGestureListener:手势交互接口 

GestureDetetor(手势识别器)工作原理: 

当接收到用户触摸消息时  将消息给手势识别器进行加工处理  我们只需要监听GestureDetetor处理后手势即可 

GestureDetector.OnDoubleTapListener//处理双击消息 

new GestureDetector.OnDoubleTapListener(){ 

//单击确认 

           @Override 

           public boolean onSingleTapConfirmed(MotionEvent e) { 

               return false; 

           } 

//双击 

           @Override 

           public boolean onDoubleTap(MotionEvent e) { 

               return false; 

           } 

//双击按下和抬起各一次 

           @Override 

           public boolean onDoubleTapEvent(MotionEvent e) { 

               return false; 

           } 

       }; 

GestureDetector.OnGestureListener//处理单击消息 

9.4 代码  在imageview左右滑动 

//设置onTouchListener()实现ontouch()在onTouch()中进行MotionEvent事件转发 

//捕获触摸屏幕发生的事件 

    @Override 

    public boolean onTouch(View v, MotionEvent event) { 

        gestureDetector.onTouchEvent(event);//转发MotionEvent 

        return true; 

    } 

//初始化GestureDetector(手势处理器) 需要传入一个 

OnGestureListener接口 

 gestureDetector=new GestureDetector(new MyGestor()); 

//创建一个类继承自SimpleOnGestureListener(这个类已经继承了处理单击、双击接口)在这个类中进行手势滑动操作 

 class MyGestor extends GestureDetector.SimpleOnGestureListener { 

        @Override//滑动  e1  开始事件    e2  结束事件  但是这个有些不精确 

        public boolean onFling(MotionEvent e1, MotionEvent e2, float velocityX, float velocityY) { 

            if (e1.getX() - e2.getX() > 50) { 

                Toast.makeText(MainActivity.this, “从右往左移动”, Toast.LENGTH_SHORT).show(); 

            } else if (e2.getX() - e1.getX() > 50) { 

                Toast.makeText(MainActivity.this, “从走往右移动”, Toast.LENGTH_SHORT).show(); 

            } 

            return super.onFling(e1, e2, velocityX, velocityY); 

        } 

    } 

9.5GestureOverlayView(android提供的控件)继承自帧布局 

要将手势库加入到raw文件夹下面   也就是说手势库是固定的  只能比对手势库中存在的手势 

android.gesture.GestureOverlayView在布局中要写全类名否则不显示 

包裹控件情况下控件大小不是控件决定的 而是由GestureOverlayView决定的 

一种用于手势输入的透明覆盖层 也可以覆盖在其他控件上方 也可以包裹控件，有三个监听接口 

GestureOverlayView.OnGestureListener 手势监听器 

 GestureOverlayView.OnGesturePerformedListener 手势执行监听器 

 GestureOverlayView.OnGesturingListener 手势执行中监听器 

 //找到手势文件 

        //找到手势文件中所有手势 

        //匹配识别 

        final GestureLibrary gestureLibrary = GestureLibraries.fromRawResource(MainActivity.this, R.raw.gestures); 

        gestureLibrary.load(); 

        gestureDetector.addOnGesturePerformedListener(new GestureOverlayView.OnGesturePerformedListener() { 

            @Override 

            public void onGesturePerformed(GestureOverlayView overlay, Gesture gesture) { 

                //读取手势库中手势 

                ArrayList recognize = gestureLibrary.recognize(gesture);//所有手势 

                Prediction prediction = recognize.get(0); 

                if (prediction.score >= 5.0) {//手势相似度 

                    if (prediction.name.equals(“12345”)) {

                    Toast.makeText(MainActivity.this, "没有该手势fdsfds", Toast.LENGTH_SHORT).show();
                }
            } else {
                Toast.makeText(MainActivity.this, "没有该手势", Toast.LENGTH_SHORT).show();
            }
        }
    });

python实现手势识别（入门）
使用open-cv实现简单的手势识别。刚刚接触python不久，看到了很多有意思的项目，尤其时关于计算机视觉的。网上搜到了一些关于手势处理的实验，我在这儿简单的实现一下（PS：和那些大佬比起来真的是差远了，毕竟刚接触不久），主要运用的知识就是opencv，python基本语法，图像处理基础知识。
最终实现结果：



手势识别
python实现手势识别（入门）
获取视频（摄像头）
肤色检测
轮廓处理
全部代码

获取视频（摄像头）
这部分没啥说的，就是获取摄像头。

`
cap = cv2.VideoCapture("C:/Users/lenovo/Videos/1.mp4")#读取文件
#cap = cv2.VideoCapture(0)#读取摄像头
while(True):
    ret, frame = cap.read()    key = cv2.waitKey(50) & 0xFF
    if key == ord('q'):
    	break
cap.release()
cv2.destroyAllWindows()


肤色检测
这里使用的是椭圆肤色检测模型

在RGB空间里人脸的肤色受亮度影响相当大，所以肤色点很难从非肤色点中分离出来，也就是说在此空间经过处理后，肤色点是离散的点，中间嵌有很多非肤色，这为肤色区域标定(人脸标定、眼睛等)带来了难题。如果把RGB转为YCrCb空间的话，可以忽略Y(亮度)的影响，因为该空间受亮度影响很小，肤色会产生很好的类聚。这样就把三维的空间将为二维的CrCb，肤色点会形成一定得形状，如：人脸的话会看到一个人脸的区域，手臂的话会看到一条手臂的形态。
def A(img):

    YCrCb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB) #转换至YCrCb空间
    (y,cr,cb) = cv2.split(YCrCb) #拆分出Y,Cr,Cb值
    cr1 = cv2.GaussianBlur(cr, (5,5), 0)
    _, skin = cv2.threshold(cr1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) #Ostu处理
    res = cv2.bitwise_and(img,img, mask = skin)
    return res

轮廓处理
轮廓处理的话主要用到两个函数，cv2.findContours和cv2.drawContours，这两个函数的使用使用方法很容易搜到就不说了，这部分主要的问题是提取到的轮廓有很多个，但是我们只需要手的轮廓，所以我们要用sorted函数找到最大的轮廓。
def B(img):

    #binaryimg = cv2.Canny(Laplacian, 50, 200) #二值化，canny检测
    h = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) #寻找轮廓
    contour = h[0]
    contour = sorted(contour, key = cv2.contourArea, reverse=True)#已轮廓区域面积进行排序
    #contourmax = contour[0][:, 0, :]#保留区域面积最大的轮廓点坐标
    bg = np.ones(dst.shape, np.uint8) *255#创建白色幕布
    ret = cv2.drawContours(bg,contour[0],-1,(0,0,0),3) #绘制黑色轮廓
    return ret

全部代码
""" 从视频读取帧保存为图片"""
import cv2
import numpy as np
cap = cv2.VideoCapture("C:/Users/lenovo/Videos/1.mp4")#读取文件
#cap = cv2.VideoCapture(0)#读取摄像头

#皮肤检测
def A(img):

    YCrCb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB) #转换至YCrCb空间
    (y,cr,cb) = cv2.split(YCrCb) #拆分出Y,Cr,Cb值
    cr1 = cv2.GaussianBlur(cr, (5,5), 0)
    _, skin = cv2.threshold(cr1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) #Ostu处理
    res = cv2.bitwise_and(img,img, mask = skin)
    return res

def B(img):

    #binaryimg = cv2.Canny(Laplacian, 50, 200) #二值化，canny检测
    h = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) #寻找轮廓
    contour = h[0]
    contour = sorted(contour, key = cv2.contourArea, reverse=True)#已轮廓区域面积进行排序
    #contourmax = contour[0][:, 0, :]#保留区域面积最大的轮廓点坐标
    bg = np.ones(dst.shape, np.uint8) *255#创建白色幕布
    ret = cv2.drawContours(bg,contour[0],-1,(0,0,0),3) #绘制黑色轮廓
    return ret


while(True):

    ret, frame = cap.read()
    #下面三行可以根据自己的电脑进行调节
    src = cv2.resize(frame,(400,350), interpolation=cv2.INTER_CUBIC)#窗口大小
    cv2.rectangle(src, (90, 60), (300, 300 ), (0, 255, 0))#框出截取位置
    roi = src[60:300 , 90:300]  # 获取手势框图

    res = A(roi)  # 进行肤色检测
    cv2.imshow("0",roi)

    gray = cv2.cvtColor(res, cv2.COLOR_BGR2GRAY)
    dst = cv2.Laplacian(gray, cv2.CV_16S, ksize = 3)
    Laplacian = cv2.convertScaleAbs(dst)

    contour = B(Laplacian)#轮廓处理
    cv2.imshow("2",contour)

    key = cv2.waitKey(50) & 0xFF
    if key == ord('q'):
            break
cap.release()
cv2.destroyAllWindows()
注意：最后送大家一套2020最新企业Pyhon项目实战视频教程，点击此处 进来获取  跟着练习下，希望大家一起进步哦！
毕竟刚学不久，做出这个东西自己已经很满足了，当然和那些大佬也是没法比的，没有什么东西是速成的，只能一步一个脚印的走。