我正在进行一个手部检测项目。网上有很多优秀的项目可以实现这个功能，但我的需求是特定的手部姿势检测。需要完全张开的手掌，并且手掌整体朝外，就像下图所示：
第一只手朝内，因此不会被检测到，而右边的那只手朝外，将会被检测到。现在我可以使用OpenCV检测手部，但如何判断手部的朝向呢？
回答：
与手掌正面匹配的问题属于纹理分类，是一个经典的模式识别问题。我建议你尝试以下方法之一：
- 加博滤波器：它在检测朝向和像素强度方面表现良好（因为手掌正面具有不同的特征），OpenCV中有getGaborKernel函数，该函数的两个非常重要的参数是theta（朝向）和lambd（频率）。为了简化操作，你可以在已经检测到的掌部区域上应用这个过程（例如，裁剪拇指或掌心重心周围的矩形区域等）。然后，你可以将其与同一区域的小型图像数据库进行卷积，以获得匹配率，或者你可以使用SVM分类器，你需要通过构建SVM所需的训练矩阵来训练你的SVM（查看此问题），这篇论文
- 局部二值模式（LBP）：这是一种重要的特征描述符，用于纹理匹配，你可以将其应用于整个手掌图像或裁剪的区域或图像的手指，在OpenCV中使用起来很容易，有很多关于此方法的教程和代码。我建议你阅读这篇论文，讨论了使用局部二值模式进行不变纹理分类。这里有一个好的教程
-
哈拉利克纹理：我读到过，当一组特征量化整个图像（全局特征描述符）时，它的工作表现完美。它没有在OpenCV中实现，但易于实现，查看这个有用的教程
-
训练模型：我已经建议使用SVM分类器，与某些描述符结合使用，可以完美工作。OpenCV有一个有趣的FaceRecognizer类用于人脸识别，将其用于手掌识别可能是一个有趣的想法（通过调整大小和旋转来获得手掌的唯一姿势），这个类有三种方法可以使用，其中一种是局部二值模式直方图，推荐用于纹理识别。为什么不尝试其他模型（Eigenfaces和Fisherfaces）呢？查看这个教程
