这是借鉴了github上的一个源程序，参考源：

　　自己在这个基础上做了一点修改补充后，可以实现手指指尖的检测，并且可以在windows系统下通过判断手指数目，来模拟键盘操作。下面直接上源程序，并做了详细注释，方便理解。

　　环境：python3.6+opencv3.4.0

代码如下：

import cv2import numpy as npimport copyimport mathimport win32apiimport win32con# 参数cap_region_x_begin = 0.5  # 起点/总宽度cap_region_y_end = 0.8threshold = 60  # 二值化阈值blurValue = 41  # 高斯模糊参数bgSubThreshold = 50learningRate = 0# 变量isBgCaptured = 0  # 布尔类型, 背景是否被捕获triggerSwitch = False  # 如果正确，键盘模拟器将工作def printThreshold(thr):    print("! Changed threshold to " + str(thr))def removeBG(frame): #移除背景    fgmask = bgModel.apply(frame, learningRate=learningRate) #计算前景掩膜    kernel = np.ones((3, 3), np.uint8)    fgmask = cv2.erode(fgmask, kernel, iterations=1) #使用特定的结构元素来侵蚀图像。    res = cv2.bitwise_and(frame, frame, mask=fgmask) #使用掩膜移除静态背景    return res# 相机/摄像头camera = cv2.VideoCapture(0)   #打开电脑自带摄像头，如果参数是1会打开外接摄像头camera.set(10, 200)   #设置视频属性cv2.namedWindow('trackbar') #设置窗口名字cv2.resizeWindow("trackbar", 640, 200)  #重新设置窗口尺寸cv2.createTrackbar('threshold', 'trackbar', threshold, 100, printThreshold)#createTrackbar是Opencv中的API，其可在显示图像的窗口中快速创建一个滑动控件，用于手动调节阈值，具有非常直观的效果。while camera.isOpened():    ret, frame = camera.read()    threshold = cv2.getTrackbarPos('threshold', 'trackbar') #返回滑动条上的位置的值（即实时更新阈值）    # frame = cv2.cvtColor(frame,cv2.COLOR_RGB2YCrCb)    frame = cv2.bilateralFilter(frame, 5, 50, 100)  # 双边滤波    frame = cv2.flip(frame, 1)  # 翻转  0:沿X轴翻转(垂直翻转)   大于0:沿Y轴翻转(水平翻转)   小于0:先沿X轴翻转，再沿Y轴翻转，等价于旋转180°    cv2.rectangle(frame, (int(cap_region_x_begin * frame.shape[1]), 0),(frame.shape[1], int(cap_region_y_end * frame.shape[0])), (0, 0, 255), 2)    #画矩形框  frame.shape[0]表示frame的高度    frame.shape[1]表示frame的宽度   注：opencv的像素是BGR顺序    cv2.imshow('original', frame)   #经过双边滤波后的初始化窗口    #主要操作    if isBgCaptured == 1:  # isBgCaptured == 1 表示已经捕获背景        img = removeBG(frame)  #移除背景        img = img[0:int(cap_region_y_end * frame.shape[0]),int(cap_region_x_begin * frame.shape[1]):frame.shape[1]]  # 剪切右上角矩形框区域        cv2.imshow('mask', img)        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  #将移除背景后的图像转换为灰度图        blur = cv2.GaussianBlur(gray, (blurValue, blurValue), 0)  #加高斯模糊        cv2.imshow('blur', blur)        ret, thresh = cv2.threshold(blur, threshold, 255, cv2.THRESH_BINARY)  #二值化处理        cv2.imshow('binary', thresh)        # get the coutours        thresh1 = copy.deepcopy(thresh)        _, contours, hierarchy = cv2.findContours(thresh1, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)        #寻找轮廓   注：这里的'_'用作变量名称，_表示一个变量被指定了名称，但不打算使用。        length = len(contours)        maxArea = -1        if length > 0:            for i in range(length):  # 找到最大的轮廓（根据面积）                temp = contours[i]                area = cv2.contourArea(temp)  #计算轮廓区域面积                if area > maxArea:                    maxArea = area                    ci = i            res = contours[ci]  #得出最大的轮廓区域            hull = cv2.convexHull(res)  #得出点集（组成轮廓的点）的凸包            drawing = np.zeros(img.shape, np.uint8)            cv2.drawContours(drawing, [res], 0, (0, 255, 0), 2)   #画出最大区域轮廓            cv2.drawContours(drawing, [hull], 0, (0, 0, 255), 3)  #画出凸包轮廓            moments = cv2.moments(res)  # 求最大区域轮廓的各阶矩            center = (int(moments['m10'] / moments['m00']), int(moments['m01'] / moments['m00']))            cv2.circle(drawing, center, 8, (0,0,255), -1)   #画出重心            fingerRes = []   #寻找指尖            max = 0; count = 0; notice = 0; cnt = 0            for i in range(len(res)):                temp = res[i]                dist = (temp[0][0] -center[0])*(temp[0][0] -center[0]) + (temp[0][1] -center[1])*(temp[0][1] -center[1]) #计算重心到轮廓边缘的距离                if dist > max:                    max = dist                    notice = i                if dist != max:                    count = count + 1                    if count > 40:                        count = 0                        max = 0                        flag = False   #布尔值                        if center[1] < res[notice][0][1]:   #低于手心的点不算                            continue                        for j in range(len(fingerRes)):  #离得太近的不算                            if abs(res[notice][0][0]-fingerRes[j][0]) < 20 :                                flag = True                                break                        if flag :                            continue                        fingerRes.append(res[notice][0])                        cv2.circle(drawing, tuple(res[notice][0]), 8 , (255, 0, 0), -1) #画出指尖                        cv2.line(drawing, center, tuple(res[notice][0]), (255, 0, 0), 2)                        cnt = cnt + 1            cv2.imshow('output', drawing)            print(cnt)            if triggerSwitch is True:                if cnt >= 3:                    print(cnt)                    # app('System Events').keystroke(' ')  # simulate pressing blank space                    win32api.keybd_event(32, 0, 0, 0)  # 空格键位码是32                    win32api.keybd_event(32, 0, win32con.KEYEVENTF_KEYUP, 0)  # 释放空格键    # 输入的键盘值    k = cv2.waitKey(10)    if k == 27:  # 按下ESC退出        break    elif k == ord('b'):  # 按下'b'会捕获背景        bgModel = cv2.createBackgroundSubtractorMOG2(0, bgSubThreshold)        #Opencv集成了BackgroundSubtractorMOG2用于动态目标检测，用到的是基于自适应混合高斯背景建模的背景减除法。        isBgCaptured = 1        print('!!!Background Captured!!!')    elif k == ord('r'):  # 按下'r'会重置背景        bgModel = None        triggerSwitch = False        isBgCaptured = 0        print('!!!Reset BackGround!!!')    elif k == ord('n'):        triggerSwitch = True        print('!!!Trigger On!!!')

运行程序操作：运行程序后，按下键盘的 b 键就可以捕获背景了

运行结果：

注：模拟点击空格键部分并未展示出来，有兴趣的可以尝试一下（按下n键就可以模拟键盘操作了）

 补：该程序受光线影响其实较大，只有在单调背景小效果很好。

-------------------补充----------------------

后期再运行该程序的时候发现有一个错误，如下：

原因：opencv版本的原因，在opencv 4.0.0版本后，findContours的返回值只有contours, hierarchy两个参数，不再有三个参数了！

解决办法：

法一：更换opencv的版本 

法二：将代码 _,contours, hierarchy = cv2.findContours(thresh1, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)  改为 contours, hierarchy = cv2.findContours(thresh1, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)  即可！