想法来源于学习DeepLearning.ai的卷积神经网络的作业,想利用手势识别完成一个可以和电脑进行“猜拳游戏”。
参考资料:
【1】TensorFlow和树莓派完成的猜拳游戏*
【2】手势识别模型
【3】摄像头手写数字识别
第一步:前期准备
1.安装opencv和tensorflow,本系统实现是在Anaconda中安装了opencv的工具包加以实现的。
2.学会调用opencv库中的摄像头进行图片拍照
3.保存图片到对应的文件夹下,便于模型预测。
第二步:收集数据
具体方法参考[1]进行实现,需要注意的是要对拍摄的图片进行分类保存训练。主要是在tensorflow下调用openCV的相关操作。
(1)调用本地电脑的摄像头VideoCapture(0)
(2)定义保存图片的相关函数,将拍摄的相关手势图片保存。
第三步:数据处理
收集的图片需要经过处理,才可以变成TensorFlow可以处理的数据,可以通过相关API处理将数据变成可以在TensorFlow直接使用的数据,同时将数据分为训练集和测试集(80%:20%)
(1)TensorFlow 数据读取方式——DataSet API
(TensorFlow)卷积神经网络下与电脑”猜拳“
最新推荐文章于 2024-07-25 08:39:03 发布
本文介绍了如何结合TensorFlow和OpenCV构建一个卷积神经网络,实现与电脑玩猜拳游戏。首先介绍了项目的前期准备,包括安装库和调用摄像头。接着讲述了数据收集、处理和分类,使用TensorFlow的DataSet API。然后详细说明了网络架构、训练模型的过程,包括归一化、one-hot编码、参数初始化等。最后,实现了摄像头实时识别和互动猜拳的功能。
摘要由CSDN通过智能技术生成