基於Aforge的手勢識別之二~~~單點手勢識別

本文來自http://blog.csdn.net/hellogv/ ,引用必須注明出處!

       本文把Aforge的運動識別前面介紹的手寫識別融合在一起,實現單個手指的手勢識別。下圖演示了本文代碼運行的結果,圖片有點大,請稍候。。。

       我預先讓程序學習了B和C這兩個字母,然後通過手指的手勢識別向程序繪畫圖形,所以點擊recorgize時,就自動把圖形的特征對應的字母給識別出來了。

      這個例子關鍵部分在於如何靈活運用Aforge的運動識別,如何判斷是要畫圖,還是普通的移來移去呢?在這裡,我判斷移動對象的大小,當突然面積增大(即兩個指套合並)則開始繪圖(手勢識別的開始),當拆開再合並則為解除繪圖(手勢識別的結束),說白了就是用一個當前狀態=!當前狀態去做。

      本文的代碼可以到這裡下載:http://download.csdn.net/source/2313846

      下面貼出運動判斷的核心代碼:

[c-sharp]  view plain copy print ?
  1. private void videoSourcePlayer1_NewFrame( object sender, ref Bitmap image )  
  2. {  
  3.     nowImg = (Bitmap)image.Clone();  
  4.   
  5.     Bitmap objectImage = colorFilter.Apply( image );  
  6.   
  7.     // lock image for further processing  
  8.     BitmapData objectData = objectImage.LockBits( new Rectangle( 0, 0, image.Width, image.Height ),  
  9.         ImageLockMode.ReadOnly, image.PixelFormat );  
  10.   
  11.     // grayscaling  
  12.     UnmanagedImage grayImage = grayFilter.Apply( new UnmanagedImage( objectData ) );  
  13.   
  14.     // unlock image  
  15.     objectImage.UnlockBits( objectData );  
  16.   
  17.     // locate blobs   
  18.     blobCounter1.ProcessImage( grayImage );  
  19.     List<Rectangle> rects = new List<Rectangle>();  
  20.     rects.AddRange(blobCounter1.GetObjectsRectangles());  
  21.   
  22.     if ( rects.Count >0 )  
  23.     {  
  24.         #region 去掉內部和黏在一起的對象  
  25.         for (int i = 0; i < rects.Count - 1; i++)  
  26.         {  
  27.             //true表示X軸上不能相交,false表示相交  
  28.             Boolean isNoTouchX = Math.Max(rects[i + 1].Right , rects[i].Right) - Math.Min(rects[i + 1].Left ,rects[i].Left) > (rects[i].Width + rects[i + 1].Width);  
  29.             //true表示Y軸上不能相交,false表示相交  
  30.             Boolean isNoTouchY = Math.Max(rects[i + 1].Bottom, rects[i].Bottom) - Math.Min(rects[i + 1].Top, rects[i].Top) > (rects[i].Height + rects[i + 1].Height);  
  31.             if (isNoTouchX == false && isNoTouchY == false)//如果兩個對象相交  
  32.             {  
  33.                 Rectangle rect = new Rectangle(Math.Min(rects[i].Left, rects[i + 1].Left),  
  34.                     Math.Min(rects[i].Top, rects[i + 1].Top),  
  35.                     Math.Max(rects[i].Right, rects[i + 1].Right) - Math.Min(rects[i].Left, rects[i + 1].Left),  
  36.                     Math.Max(rects[i].Bottom, rects[i + 1].Bottom) - Math.Min(rects[i].Top, rects[i + 1].Top));  
  37.                 rects.RemoveAt(i + 1);  
  38.                 rects.RemoveAt(i);  
  39.   
  40.                 rects.Add(rect);  
  41.                 i = 0;  
  42.             }  
  43.         }  
  44.         #endregion  
  45.  
  46.         #region 畫出表示點  
  47.         Rectangle objectRect = rects[0];  
  48.   
  49.         int oldSize=oldRect.Width+oldRect.Height;  
  50.         int nowSize=rects[0].Width+rects[0].Height;  
  51.   
  52.         if (nowSize > (oldSize * 1.2))//如果突然變大,即兩個指套合並  
  53.         {  
  54.             isCapture =!isCapture;  
  55.             clsHandWrite.Clear();  
  56.         }  
  57.   
  58.         Graphics g = Graphics.FromImage(image);  
  59.   
  60.         if (isCapture)//如果捕捉到對象  
  61.         {  
  62.             Pen pen = new Pen(Color.FromArgb(255, 0, 0), 3);  
  63.             g.DrawRectangle(pen, objectRect);  
  64.             int x = (objectRect.Left + objectRect.Width / 2) * pbDraw.Width / videoSourcePlayer1.Width;  
  65.             int y = (objectRect.Top + objectRect.Height / 2) * pbDraw.Height / videoSourcePlayer1.Height;  
  66.                     clsHandWrite.Draw(x,y );  
  67.         }  
  68.         else//如果沒有捕捉到對象  
  69.         {  
  70.             Pen pen = new Pen(Color.FromArgb(160, 255, 160), 3);  
  71.             g.DrawRectangle(pen, objectRect);  
  72.         }  
  73.   
  74.         g.Dispose();  
  75.      
  76.         #endregion  
  77.   
  78.         oldRect = rects[0];  
  79.           
  80.     }  
  81.   
  82.     UpdateObjectPicture(objectImage );  
  83.       
  84. }  

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: aforge的图像识别程序是一种利用计算机视觉技术实现的自动图像识别应用程序,它采用了aforge人工智能框架来对图像进行处理和分析,从而能够自动识别出图像中的目标物体、人脸、文字等信息,具有广泛的应用价值。 aforge的图像识别程序的工作原理是:先将待识别的图像进行预处理,如裁剪、缩放、去噪等操作,使其符合算法处理的要求。然后,根据不同的需求选用不同的算法进行图像分析和处理,如特征点检测、颜色分析、形状匹配等。最终,将分析得到的结果与预先设置的策略进行比对,确定目标物体的位置、尺寸和属性等信息。 aforge的图像识别程序可以应用于各种领域,如工业自动化、智能监控、医学影像分析等。例如,在工业生产中,可以用于检测产品的缺陷、质量问题等;在智能监控中,可以用于识别行人、车辆等信息,实现于视觉的安防措施;在医学影像分析中,可以用于识别医学图像中的病变、器官等信息,提升医疗诊断的准确性。 总之,aforge的图像识别程序是一种十分有前景和潜力的应用程序,能够运用先进的计算机视觉技术实现自动化的图像识别,为现代化社会的进步和发展贡献巨大。 ### 回答2: aforge库的图像识别程序可用于在图像、视频或摄像头实时流中识别物体、人脸、文字等。 该程序的主要流程为:首先加载所需的aforge库,然后打开要识别的图像或视频文件,对其进行归一化、分割等处理操作。接着将处理后的图像通过训练好的算法进行特征提取和分类,从而确定图像中是否存在所需识别的物体、人脸等。 对于物体识别,通常使用SIFT或SURF算法进行特征提取;人脸识别则使用Haar-cascade或于深度学习的卷积神经网络(CNN)等算法。 在实际使用中,使用者可以根据实际需求调整参数,提高图像的识别准确度,例如改变图像的亮度、对比度、尺寸等,或更改特征提取算法的参数。 总之,aforge的图像识别程序可以广泛应用于安防监控、智能家居、无人驾驶、医疗影像等各种领域,为人们的生活和工作提供更便捷、高效的解决方案。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值