1.手柄轨迹识别优化并轨迹识别中的神经网络(接8)
根据上一篇博客的讲解后,当我们用手柄移动某一特定轨迹后,就可以在本地得到一个二进制的txt文件。实例如下——采集一个圆形的手柄轨迹:
那么,其实,在完成对每一帧位置坐标的二进制存储后,在运行的时候,就会发现一个问题——我们再一次的手柄轨迹很难做到与我们存储的二进制文件中的数据完全相同,也就是说,在实际运行中,很难做到精准的识别出存储的图形。
为了解决这种问题,针对每一种图形,我们要多采集几种,再结合机器学习的方式。当在实际运行时,得到的二进制数据先跟存储的多个图形二进制数据进行比较,不要求它们完全相同,但要基本相似,这样就可以提高手柄轨迹识别时的匹配度和反馈情况。所以,需要用到神经网络。
在记录手势时,还有一些额外的事情需要考虑。
在Unity的控制器中就对可能识别出的图形进行分类,标注出可识别出的图形种类个数,以及它们的每一个的名字,这样就能做到对不同识别轨迹图形的分类存储。