OpenCV激光投影虚拟键盘
基于激光投影技术的虚拟键盘设计基于OpenCV，结合硬件识别，检测手指位置，然后映射到键盘，以实现相应的KeyPress。
如何工作？
如何工作？
在红外激光的底部从一个红外范围内的覆盖空间的表面发射出红外线，当然这个平面可以覆盖整个键盘，键盘在键盘中央是投影轮廓形状的键盘，主要用于标定时，在实时摄像头顶部的图形外部并将数据传递到计算机，因为激光是水平和平行的，因此没有物体遮挡摄像头无法检测到红外信号，但是如果在红外激光区域，当被遮挡物的表面被红外摄像机覆盖时，将检测到红外信号，经过一定的算法后，计算机访问摄像机发送的信号，以获取红外点图片中的坐标，然后将坐标映射到真实的键盘位置，以实现其功能。
硬件
1.选择相机镜头
同一区域的检测摄像机，“ Camera2”为视角150°，高度为“ h2”，“ Camera1”为视角90°，高度为“ h1”，以缩小项目
2023-04-10 12:54:50
37.83MB
1
CryENGINE 3 SDK是一个高度仿真、实时游戏引擎。现在，非商业使用完全免费，允许任何想要借用CryENGINE的强大能力的人都可以使用CryENGINE开发游戏和模拟程序。
2023-04-07 23:54:05
25.96MB
1
chan算法matlab代码FusionNet
使用网络摄像头进行非接触掌纹和手指纹理识别
使用网络摄像头进行非接触掌纹和手指纹理识别的演示源代码。
代码中使用的算法基于论文：
A.
Genovese,
V.
Piuri,
F.
Scotti,
and
S.
Vishwakarma,
"Touchless
palmprint
and
finger
texture
recognition:
A
Deep
Learning
fusion
approach",
in
Proc.
of
the
2019
IEEE
Int.
Conf.
on
Computational
Intelligence
&
Virtual
Environments
for
Measurement
Systems
and
Applications
(CIVEMSA
2019),
Tianjin,
China,
June
14-16,
2019,
pp.
1-6.
ISBN:
978-1-5386-8344-6.
DOI:
10.1109/CIVEMSA45640.2019.9071620
项目页面：
大纲：
源代码：
引
2023-03-28 00:31:50
1.41MB
1
九九物联 | 新一代WiFi 蓝牙共存方案开发板评测活动-AFM201T-EVB上手指南.pdf
2023-03-12 15:22:53
658KB
1
手指静脉识别技术促使了多光谱手指静脉图像采集的进一步发展。对于多光谱手指静脉采集系统而言,获得更加合理的光源控制电路,设计出更加合理的光源光路结构形式已经变得非常重要。因此本设计以这两个关键点为目标,对现有的采集系统进行了优化改进。首先从设计硬件电路出发,优化了光源控制电路;同时对采集装置外壳进行了重新设计,并改善了光源光路结构形式,建立了新的多光谱手指静脉成像系统,然后在硬件的基础上对其相应的软件支持进行完善,最后搭建成新的采集系统,通过详细的比较实验,验证了本文设计的有效性。
2023-03-10 22:02:21
1001KB
1
本文实例为大家分享了android获取手指触摸位置的具体代码，供大家参考，具体内容如下
手机屏幕事件的处理方法onTouchEvent。该方法在View类中的定义，并且所有的View子类全部重写了该方法，应用程序可以通过该方法处理手机屏幕的触摸事件。
其原型是：
public boolean onTouchEvent(MotionEvent event)
参数event：参数event为手机屏幕触摸事件封装类的对象，其中封装了该事件的所有信息，例如触摸的位置、触摸的类型以及触摸的时间等。该对象会在用户触摸手机屏幕时被创建。
返回值：该方法的返回值机理与键盘响应事件的相同，同样是当已经完整地处
2023-03-09 17:30:36
123KB
1
博士后与科研新手指南
A Practical Guide to Scientifıc Management
for Postdocs and New Faculty
Based on the BWF-HHMI
Course in Scientifıc Management for the
Beginning Academic Investigator
2023-01-30 12:45:03
2.37MB
1
谷歌的 mediapipe 手指骨骼识别的安卓包 apk，这是一个演示效果。
2022-12-28 21:21:25
23.97MB
1
基于传统图像处理方法实现手指静脉识别Matlab源码99.56%准确率+项目操作说明（毕设项目）.zip
【项目介绍】
本项目实现手指图像的处理和匹配算法，需要处理的数据是本人不同手指的图像，首先经过图像处理，使得指静脉的纹理增强凸显处理，然后将所有的这些图像进行相互间的匹配，检验类内和类间的匹配度，观察其是否能够明显区分开来，并据此计算正确率。
在本项目中，由于是基于算法原型的研究，因此我们选用了操作便捷的Matlab R2019b软件作为运行环境，在Windows 10 Pro for Workstation操作系统中实现算法。
图像预处理过程中，需要增强图像，提取手指区域，为识别做准备。拟采用CLAHE、直方图均衡、二值化等算法，以达到增强图像的效果；拟采用边缘检测算法实现手指的识别和提取
图像的特征提取和匹配过程中，拟采用两类不同的方法。一是局部不变特征提取算法。这些算法具有检测图像中的特征点，并对特征点的局部区域进行描述和匹配的功能。二是针对二值化图像的模板匹配，检测其匹配度。
SIFT——正确率93.625%
2022-12-26 14:26:37
67.81MB