匆匆在看完了MOOC的《数字图像处理》，为了巩固所学，做了一个简单的手势识别（只能识别手势1、2、3）！

0、安装硬件支持包软硬件安装

0.1、MATLAB R2021b安装

软件包下载地址微信公众号：小白课代表

一开始我是用的MATLAB R2018b，但是在根据B站视频《10分钟学会matlab实现cnn图像分类》学习的过程中，发现没有办法生成代码，所以换成了MATLAB R2021b。我的笔记本运行R2021b太卡了，每次打开R2021b都要5分钟，而且运行的时候也经常碰到问题，有时候没法编辑.m文件，有时候按F1没有反应，我太难了。

0.2、安装硬件支持包

一些经验：

1、工具包安装失败的解决方法：把防火墙、杀毒软件什么的都关了，然后重启MATLAB，多试几次就可以
2、摄像头画面值显示一个大红叉的解决方法：多重启MATLAB几次就可以

3、报错：Unable to allocate memory for an incoming image frame due to insufficient free physical memory.

解决方法：C盘要留出10G以上的大小

1、查看支持包信息

%%
close all;
clear all;
clc;%%
disp(imaqhwinfo)%查看当前适配器%%
info = imaqhwinfo('winvideo')%查看该适配器下所有设备%%
disp(info.DeviceInfo)%通过DeviceInfo查看摄像头详细信息%%
disp(info.DeviceInfo.SupportedFormats)%SupportedFormats是该摄像头支持的图像色彩与尺寸%%
%解决错误：The device associated with device ID 1 is already in use.
clc; clear;
close all;
objects = imaqfind %find video input objects in memory
%%
stop(objects);
delete(objects) %delete a video input object from memory

2、获取截图（自己创建训练集）

%%
obj = videoinput('winvideo',1,'MJPG_640x480');
h = preview(obj);
start(obj)
tic%启动秒表计时器% 手势1保存的路径：'D:\gao\Program\MATLAB\第一学期\数字图像处理\手势\finger_1\original\';
file_root='D:\gao\Program\MATLAB\第一学期\数字图像处理\手势\';finger_num=1%手势表示的数值，也可以理解为标签
picture_num=40%每一种手势的截图个数
file_root=[file_root,'finger_',num2str(finger_num),'\original\'];for i=1:picture_numipause(1)%延迟1sframe = getsnapshot(obj);  % 获取帧file_name=[file_root,'finger_',num2str(finger_num),'_',num2str(i),'.bmp'];imwrite(frame,file_name);%手势1的第一张截图的名称：finger_1_1.bmp
end
toc%从秒表读取已用时间
stop(obj);
delete(obj)

报错：

The device associated with device ID 1 is already in use.

解决错误：
%%
clc;
clear;
close all;
objects = imaqfind %find video input objects in memory
%%
stop(objects);
delete(objects) %delete a video input object from memory

3、图像预处理

%% 读入图片
close all;
clear all;
clc;quarter=16;%减采样倍数p_store=1;%指向存储的位置
input=zeros(30,40,20*3);%图片大小：30*40，图片个数：3*20
finger_num=3
picture_num=40
for p_finger_num=1:finger_numfile_root='D:\gao\Program\MATLAB\第一学期\数字图像处理\手势\';% 'D:\gao\Program\MATLAB\第一学期\数字图像处理\手势\finger_1\original\'file_root=[file_root,'finger_',num2str(p_finger_num),'\original\'];for p_picture_num=1:picture_num%'D:\gao\Program\MATLAB\第一学期\数字图像处理\手势\finger_1\original\finger_1_1.bmp'file_name=[file_root,'finger_',num2str(p_finger_num),'_',num2str(p_picture_num),'.bmp'];%I_rgb=imread(file_name); %用 imread 函数来读入图像，480*640*3        I_gray=rgb2gray(I_rgb);% 灰度，480*640        I_quarter=imresize(I_gray, 1/quarter);% 减采，30*40        T=graythresh(I_quarter);I_BW=im2bw(I_quarter,T); % 阈值分割        H=fspecial('average',[3,3]);%平滑滤波，创建预定义的2d过滤器I_filter=imfilter(I_BW,H);%I_gray        I_edge=edge(I_filter); % 边缘提取        input(:,:,p_store)=I_edge;p_store=p_store+1;%指向下一个存储的位置end
end%% 随机查看输入图片是否正常
p=input(:,:,floor(rand*120));
figure('name','原始图片')
imshow(p); %用 imshow 函数来显示图像%% 输出
output=ones(1,finger_num*picture_num);
for p_finger_num=1:finger_numoutput(1, (1:picture_num)+(p_finger_num-1)*picture_num )=p_finger_num*ones(1,picture_num);
end%% 保存数据
save('data123_in30_40_out1_1.mat','input','output'); %将变量保存到当前文件夹中的文件

CSDN 上传图片取消自动加水印的方法

4、卷积神经网络

%% 装入数据
close all;
clearvars  % clear all;
clc;
load('data123_in30_40_out1_1.mat')%% 读入训练数据和验证数据
XTrain =cat(3, input(:,:,1:30), input(:,:,41:70), input(:,:,81:110));%30*40*90
YTrain =cat(2, output(:,1:30), output(:,41:70), output(:,81:110))';%90*1
XValidation =cat(3, input(:,:,31:40), input(:,:,71:80), input(:,:,111:120));%30*40*30
YValidation =cat(2, output(:,31:40), output(:,71:80), output(:,111:120))';%30*1
YTrain = categorical(YTrain);
YValidation = categorical(YValidation);%%
XTrain=reshape(XTrain,[30,40 ,1,90]);
XValidation=reshape(XValidation,[30,40 ,1,30]);%% 创建层组
layers = [imageInputLayer([30 40])convolution2dLayer(5,16,'Padding','same')batchNormalizationLayerreluLayer('Name','relu_1')convolution2dLayer(3,32,'Padding','same','Stride',2)batchNormalizationLayerreluLayerconvolution2dLayer(3,32,'Padding','same')batchNormalizationLayerreluLayeradditionLayer(2,'Name','add')averagePooling2dLayer(2,'Stride',2)fullyConnectedLayer(3)softmaxLayerclassificationLayer];%% 定义skipConv
skipConv = convolution2dLayer(1,32,'Stride',2,'Name','skipConv');%% 连接skipConv
lgraph = connectLayers(lgraph,'relu_1','skipConv');
lgraph = connectLayers(lgraph,'skipConv','add/in2');
figure
plot(lgraph);%% 训练
options = trainingOptions('sgdm', ...'MaxEpochs',38, ...'Shuffle','every-epoch', ...'ValidationData',{XValidation,YValidation}, ...'ValidationFrequency',30, ...'Verbose',false, ...'Plots','training-progress');
net = trainNetwork(XTrain,YTrain,lgraph,options);%% 对验证图像进行分类并计算精度。这个网络非常准确。
YPredicted = classify(net,XValidation);
accuracy = mean(YPredicted == YValidation)%% 保存当前网络
save('data_CNN_Network.mat','net')

5、随机测试一张图片

%%
close all;
clear all;
clc;%% 读入图像
I_rgb=imread('finger_1_1.bmp');
figure('name','原始图片')
imshow(I_rgb);
%% 灰度
I_gray=rgb2gray(I_rgb);
figure('name','灰度图片')
imshow(I_gray);
%% 减采
quarter=16;%减采倍数
I_quarter=imresize(I_gray, 1/quarter);
figure('name','减采样图片')
imshow(I_quarter);
%% 阈值分割
figure('name','直方图')
imhist(I_quarter);
T=graythresh(I_quarter);
BW=im2bw(I_quarter,T);
figure('name','Otstu图片')
imshow(BW);
%% 平滑滤波
H=fspecial('average',[3,3]);%平滑滤波，创建预定义的2d过滤器
I_filter=imfilter(BW,H);%I_gray
figure('name','滤波图片')
imshow(I_filter);
%% 边缘提取
I_edge=edge(I_filter);%30*40
figure('name','边缘图片')
imshow(I_edge);%% 分类
load('data_CNN_Network.mat')%加载训练好的CNN
% net(I_edge)
classify(net,I_edge)

6、实时检测

%%
%解决错误：The device associated with device ID 1 is already in use.
clc; clear;
close all;
objects = imaqfind %find video input objects in memory
if ~isempty(objects)stop(objects);delete(objects) %delete a video input object from memorydisp('not empty' )
elsedisp(' empty' )
end%%
close all;
clearvars ;
clc;load('data_CNN_Network.mat')
quarter=16
%利用getsnapshot(obj) 即可导出图像，若想连续导出可通过以下方式
obj = videoinput('winvideo',1,'MJPG_640x480');%(adaptorname,deviceID,format)
h = preview(obj);%stoppreview//closepreview//delete(obj)停止/关掉预览
cycles=10;%循环的参数start(obj)
tic%启动秒表计时器I_rgb=zeros(480,640,3,cycles);%用来存储原始截图
I_edge=zeros(30,40,cycles);%用来存储边缘化后的截图
result=zeros(1,cycles);
f1=figure('name','原始图片');
f2=figure('name','边缘处理');for i=1:cycles%ishandle(h)%测试h是否有效的图形或 Java 对象句柄ipause(1)%延迟disp('获取帧');i_rgb = getsnapshot(obj);  % 获取帧i_gray=rgb2gray(i_rgb);% 灰度i_quarter=imresize(i_gray, 1/quarter);% 减采T=graythresh(i_quarter);I_BW=im2bw(i_quarter,T); % 阈值分割H=fspecial('average',[3,3]);%平滑滤波，创建预定义的2d过滤器i_filter=imfilter(I_BW,H);%I_grayi_edge=edge(i_filter); % 边缘提取result(i)=uint8(classify(net,i_edge));result(i)pause(1)%延迟figure(f1);subplot(ceil(cycles/3),3,i)%ceil——Round toward positive infinityimshow(i_rgb);title([num2str(i) ':' num2str(result(i))]);I_rgb(:,:,:,i) = i_rgb;% 存储原始截图figure(f2);subplot(ceil(cycles/3),3,i)imshow(i_edge);title([num2str(i) ':' num2str(result(i))]);I_edge(:,:,i) = i_edge;% 存储边缘截图endtoc%从秒表读取已用时间
stop(obj);
delete(obj)

运行结果：

注意：

若结果报错：Unable to allocate memory for an incoming image frame due to insufficient free physical memory.

我的解决方法：

方法1：关闭当前.m文件，再重新打开

方法2：关闭MATLAB，再重新打开

方法3：关闭电脑，再重新打

基于MATLAB卷积神经网络的简单手势识别-精简-机器学习文档类资源-CSDN下载内容概要：通过简单手势识别，带着读者做一遍软件安装、数据集采集、图像处理、神经网络训练、网络的测试、更多下载资源、学习资料请访问CSDN下载频道.https://download.csdn.net/download/qq_35629563/86248802
基于MATLAB的简单手势识别（包含全部调试资源）https://download.csdn.net/download/qq_35629563/86248804

基于MATLAB的简单手势识别相关推荐

matlab fdatool陷波器,基于MATLAB的简单50Hz数字陷波器.doc
基于MATLAB的简单50Hz数字陷波器摘要:陷波器是一个二阶滤波器,它的幅度特性在ω=±ω0处为零,在其他频率上接近常数,是一个滤波单频干扰的滤波器.一般仪器都用50Hz的交流电源供电,因而信号中 ...
基于matlab的数字下变频器的设计与仿真应用,基于matlab的简单数字下变频器的设计...
一.课程设计问题的提出: 试设计一数字下变频器,并用matlab 仿真: 二.二.解决问题的原理.技术方案解决问题的原理.技术方案解决问题的原理.技术方案以及以及matlab 验证验证: :数字下变频 ...
基于MATLAB实现简单人工神经网络
资源下载地址:https://download.csdn.net/download/sheziqiong/85979688 资源下载地址:https://download.csdn.net/downl ...
基于matlab的简单的寻找波峰波谷处理方法
[plain] view plain copy clc; close all; clear; % 节点信息 data=[105.03 99.18 84.965 72.445 68.994 77.265 ...
MATLAB基于BP神经网络的手势识别
MATLAB基于BP神经网络的手势识别摘要:给出了采用MATLAB来识别五个手指和手背的同心圆距离,并通过颜色肤色的方法来提取手势特征量,同时利用BP神经网络算法进行误差分析来实现手势识别的设计方 ...
用matlab编程简单电子琴,基于MATLAB的数字信号发生器及简易电子琴设计论文.doc...
基于MATLAB的数字信号发生器及简易电子琴设计论文基于MATLAB的数字信号发生器及简易电子琴设计摘要数字信号发生器是一种基于软硬件结合实现的函数波形产生仪器.在工程实践中需要检测和分析的各 ...
matlab 简单算例,(简单算例)基于Matlab的电力系统潮流编程计算.pdf
(简单算例)基于Matlab的电力系统潮流编程计算基于Matlab的电力系统潮流编程计算口黄扬威吴喜春郭志峰张斯翔 (三峡大学电气与新能源学院湖北·宜昌443002) 摘要:通过介绍电力系统的实际 ...
基于MATLAB软件GUI界面的自制简单电子琴
基于MATLAB软件GUI界面的自制简单电子琴概要: 本文基于MATLAB及其GUI界面设计了一个简单电子琴.利用MATLAB的GUI控件及相关算法,实现了一些简单的功能.这是作者大一暑期课程< ...
基于matlab simulink (Simple 6-Pulse HVDC Transmission System）简单六脉冲高压直流输电系统
基于matlab simulink (Simple 6-Pulse HVDC Transmission System)简单六脉冲高压直流输电系统,该例子显示了一个简单的500MW(250kv-2kv) ...

基于MATLAB的简单手势识别

0、安装硬件支持包软硬件安装

0.1、MATLAB R2021b安装

0.2、安装硬件支持包

1、查看支持包信息

2、获取截图（自己创建训练集）

3、图像预处理

CSDN 上传图片取消自动加水印的方法

4、卷积神经网络

5、随机测试一张图片

6、实时检测

基于MATLAB的简单手势识别相关推荐

最新文章

热门文章

基于MATLAB的简单手势识别

0、安装硬件支持包软硬件安装

0.1、MATLAB R2021b安装

0.2、安装硬件支持包

1、查看支持包信息

2、获取截图（自己创建训练集）

3、 图像预处理

CSDN 上传图片取消自动加水印的方法

4、卷积神经网络

5、随机测试一张图片

6、实时检测

基于MATLAB的简单手势识别相关推荐

最新文章

热门文章

3、图像预处理